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>
96 lines
3.0 KiB
Python
96 lines
3.0 KiB
Python
import xarray as xr
|
|
import numpy as np
|
|
from datetime import datetime
|
|
import pandas as pd
|
|
from typing import Union
|
|
|
|
from config import WIND_JSON, SIM
|
|
from logger import get_logger
|
|
|
|
logger = get_logger("createWindJson")
|
|
|
|
|
|
def extract_wind_data_json(wind_ds_or_path: Union[str, xr.Dataset],
|
|
target_time, center_lon: float, center_lat: float) -> list:
|
|
"""
|
|
NetCDF 파일 또는 이미 열린 Dataset에서 특정 시간의 바람 데이터를 추출하고 JSON 형식으로 반환
|
|
|
|
Parameters
|
|
----------
|
|
wind_ds_or_path : str or xr.Dataset
|
|
NetCDF 파일 경로(str) 또는 이미 열린 xr.Dataset 객체.
|
|
Dataset 객체가 전달되면 내부에서 닫지 않습니다.
|
|
target_time : str or datetime or pd.Timestamp
|
|
추출할 시간 (예: '2024-01-15 12:00:00' 또는 datetime 객체)
|
|
center_lon : float
|
|
중심 경도
|
|
center_lat : float
|
|
중심 위도
|
|
|
|
Returns
|
|
-------
|
|
list
|
|
위도, 경도, 풍향, 풍속 정보가 포함된 리스트
|
|
"""
|
|
range_km = WIND_JSON.RANGE_KM
|
|
grid_spacing_km = WIND_JSON.GRID_SPACING_KM
|
|
|
|
own_ds = isinstance(wind_ds_or_path, str)
|
|
if own_ds:
|
|
ds = xr.open_dataset(wind_ds_or_path)
|
|
else:
|
|
ds = wind_ds_or_path
|
|
|
|
try:
|
|
ds_time = ds.sel(time=target_time, method='nearest')
|
|
|
|
lat_per_km = 1 / SIM.KM_PER_DEG_LAT
|
|
lon_per_km = 1 / (SIM.KM_PER_DEG_LAT * np.cos(np.radians(center_lat)))
|
|
|
|
lat_range = range_km * lat_per_km
|
|
lon_range = range_km * lon_per_km
|
|
|
|
lat_min = center_lat - lat_range
|
|
lat_max = center_lat + lat_range
|
|
lon_min = center_lon - lon_range
|
|
lon_max = center_lon + lon_range
|
|
|
|
ds_subset = ds_time.sel(
|
|
lat=slice(lat_min, lat_max),
|
|
lon=slice(lon_min, lon_max)
|
|
)
|
|
|
|
n_points = int(2 * range_km / grid_spacing_km) + 1
|
|
new_lats = np.linspace(lat_min, lat_max, n_points)
|
|
new_lons = np.linspace(lon_min, lon_max, n_points)
|
|
|
|
ds_interp = ds_subset.interp(
|
|
lat=new_lats,
|
|
lon=new_lons,
|
|
method='linear'
|
|
)
|
|
|
|
u = ds_interp['x_wind'].values
|
|
v = ds_interp['y_wind'].values
|
|
|
|
wind_speed = np.sqrt(u**2 + v**2)
|
|
wind_direction = (270 - np.arctan2(v, u) * 180 / np.pi) % 360
|
|
|
|
data = []
|
|
for i, lat in enumerate(new_lats):
|
|
for j, lon in enumerate(new_lons):
|
|
ws = float(wind_speed[i, j]) if not np.isnan(wind_speed[i, j]) else None
|
|
wd = float(wind_direction[i, j]) if not np.isnan(wind_direction[i, j]) else None
|
|
data.append({
|
|
"lat": round(float(lat), 6),
|
|
"lon": round(float(lon), 6),
|
|
"wind_speed": round(ws, 2) if ws is not None else None,
|
|
"wind_direction": round(wd, 1) if wd is not None else None,
|
|
})
|
|
|
|
return data
|
|
|
|
finally:
|
|
if own_ds:
|
|
ds.close()
|