jeonghyo.k
88eb6b121a
[예측] - OpenDrift Python API 서버 및 스크립트 추가 (prediction/opendrift/) - 시뮬레이션 상태 폴링 훅(useSimulationStatus), 로딩 오버레이 추가 - HydrParticleOverlay: deck.gl 기반 입자 궤적 시각화 레이어 - OilSpillView/LeftPanel/RightPanel: 시뮬레이션 실행·결과 표시 UI 개편 - predictionService/predictionRouter: 시뮬레이션 CRUD 및 상태 관리 API - simulation.ts: OpenDrift 연동 엔드포인트 확장 - docs/PREDICTION-GUIDE.md: 예측 기능 개발 가이드 추가 [CCTV/항공방제] - CCTV 오일 감지 GPU 추론 연동 (OilDetectionOverlay, useOilDetection) - CCTV 안전관리 감지 기능 추가 (선박 출입, 침입 감지) - oil_inference_server.py: Python GPU 추론 서버 [관리자] - 관리자 화면 고도화 (사용자/권한/게시판/선박신호 패널) - AdminSidebar, BoardMgmtPanel, VesselSignalPanel 신규 컴포넌트 [기타] - DB: 시뮬레이션 결과, 선박보험 시드(1391건), 역할 정리 마이그레이션 - 팀 워크플로우 v1.6.1 동기화 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
121 lines
3.4 KiB
Python
121 lines
3.4 KiB
Python
import numpy as np
|
|
import xarray as xr
|
|
from datetime import datetime
|
|
import pandas as pd
|
|
|
|
from logger import get_logger
|
|
from utils import find_time_index, convert_and_round
|
|
|
|
logger = get_logger("extractUvFull")
|
|
|
|
|
|
def extract_uv_full(nc_file, target_time, category, skip=5, lon_range=None, lat_range=None):
|
|
"""
|
|
NetCDF 파일 전체에서 선택한 시간의 u, v 데이터 추출 (일정 간격으로 샘플링)
|
|
"""
|
|
ds = xr.open_dataset(nc_file)
|
|
|
|
time_idx, selected_time = find_time_index(ds, target_time)
|
|
|
|
lon = ds['lon'].values
|
|
lat = ds['lat'].values
|
|
|
|
if lon.ndim == 1 and lat.ndim == 1:
|
|
lon_2d, lat_2d = np.meshgrid(lon, lat)
|
|
else:
|
|
lon_2d = lon
|
|
lat_2d = lat
|
|
|
|
if category == "wind":
|
|
u_data = ds['x_wind'].values
|
|
v_data = ds['y_wind'].values
|
|
else:
|
|
u_data = ds['ssu'].values
|
|
v_data = ds['ssv'].values
|
|
|
|
if u_data.ndim == 3:
|
|
u_full = u_data[time_idx]
|
|
v_full = v_data[time_idx]
|
|
elif u_data.ndim == 4:
|
|
u_full = u_data[time_idx, 0]
|
|
v_full = v_data[time_idx, 0]
|
|
else:
|
|
u_full = u_data
|
|
v_full = v_data
|
|
|
|
if lon_range is not None or lat_range is not None:
|
|
mask = np.ones(lon_2d.shape, dtype=bool)
|
|
|
|
if lon_range is not None:
|
|
min_lon, max_lon = lon_range
|
|
mask = mask & (lon_2d >= min_lon) & (lon_2d <= max_lon)
|
|
|
|
if lat_range is not None:
|
|
min_lat, max_lat = lat_range
|
|
mask = mask & (lat_2d >= min_lat) & (lat_2d <= max_lat)
|
|
|
|
rows, cols = np.where(mask)
|
|
if len(rows) == 0:
|
|
raise ValueError("No data within specified range")
|
|
|
|
min_row, max_row = rows.min(), rows.max()
|
|
min_col, max_col = cols.min(), cols.max()
|
|
|
|
u_full = u_full[min_row:max_row+1, min_col:max_col+1]
|
|
v_full = v_full[min_row:max_row+1, min_col:max_col+1]
|
|
lon_2d = lon_2d[min_row:max_row+1, min_col:max_col+1]
|
|
lat_2d = lat_2d[min_row:max_row+1, min_col:max_col+1]
|
|
|
|
u_region = u_full[::skip, ::skip]
|
|
v_region = v_full[::skip, ::skip]
|
|
lon_region = lon_2d[::skip, ::skip]
|
|
lat_region = lat_2d[::skip, ::skip]
|
|
|
|
logger.debug(f"Original size: {u_full.shape}")
|
|
logger.debug(f"Sampled size: {u_region.shape}")
|
|
|
|
land_mask = (u_region == 0) & (v_region == 0)
|
|
|
|
u_list = convert_and_round(u_region, land_mask)
|
|
v_list = convert_and_round(v_region, land_mask)
|
|
|
|
lon_intervals = []
|
|
for i in range(lon_region.shape[1] - 1):
|
|
interval = lon_region[0, i+1] - lon_region[0, i]
|
|
lon_intervals.append(float(interval))
|
|
|
|
lat_intervals = []
|
|
for i in range(lat_region.shape[0] - 1):
|
|
interval = lat_region[i+1, 0] - lat_region[i, 0]
|
|
lat_intervals.append(float(interval))
|
|
|
|
bound_lon_lat = {
|
|
"top": float(lat_region.max()),
|
|
"bottom": float(lat_region.min()),
|
|
"left": float(lon_region.min()),
|
|
"right": float(lon_region.max())
|
|
}
|
|
|
|
model_fcst_dt = selected_time.strftime("%Y%m%d%H")
|
|
|
|
result = {
|
|
"data": {
|
|
"modelFcstDt": model_fcst_dt,
|
|
"values": [
|
|
u_list,
|
|
v_list
|
|
]
|
|
},
|
|
"grid": {
|
|
"lonInterval": lon_intervals,
|
|
"boundLonLat": bound_lon_lat,
|
|
"rows": int(u_region.shape[0]),
|
|
"cols": int(u_region.shape[1]),
|
|
"latInterval": lat_intervals
|
|
}
|
|
}
|
|
|
|
ds.close()
|
|
|
|
return result
|