海洋大气matlab技巧
用matlab虚源法声场计算浅海声场的方法(一)
用matlab虚源法声场计算浅海声场的方法(一)用MATLAB虚源法声场计算浅海声场引言浅海声场计算是海洋声学中的一项重要任务。
在该任务中，研究者会使用MATLAB等工具来进行声场模拟和分析。
本文将介绍使用MATLAB中的虚源法进行浅海声场计算的方法。
理论背景虚源法概述虚源法是一种常用的浅海声场计算方法。
该方法基于以下假设：1. 浅海中的声场可以抽象为一系列点源的叠加。
2. 点源的声压和相位可以通过远场观测点的实际声压和相位来确定。
点源的声压和相位计算点源的声压和相位可以通过数值计算来获得。
常见的计算方法包括：1. 全波求解方法全波求解方法是一种常用的声场计算方法。
该方法基于声学波动方程的数值求解，可以精确地计算点源的声压和相位。
然而，这种方法在计算复杂场景时比较耗时。
2. 近场拟合法近场拟合法是一种近似计算点源声压和相位的方法。
该方法基于波动方程的近似解，可以在更短的时间内得到结果。
然而，由于近场拟合法是一种近似计算方法，其结果可能会存在一定的误差。
虚源法声场计算步骤使用虚源法进行浅海声场计算的步骤如下：1.定义虚源点的位置和数量。
2.利用全波求解或近场拟合法计算虚源点的声压和相位。
3.将虚源点的声压和相位叠加得到总声场的声压和相位。
4.通过远场观测点对总声场的声压和相位进行采样。
MATLAB实现定义虚源点在MATLAB中可以通过定义虚源点的坐标数组来表示虚源点的位置。
例如：source_points = [x1, y1, z1; x2, y2, z2; ...];计算虚源点的声压和相位根据虚源点的位置数组，可以使用全波求解方法或近场拟合法计算声压和相位。
具体的实现方法可以是：% 使用全波求解方法for i = 1:size(source_points, 1)[pressure(i), phase(i)] = full_wave_solver(source_po ints(i, :));end% 使用近场拟合法for i = 1:size(source_points, 1)[pressure(i), phase(i)] = near_field_approximation(s ource_points(i, :));end声场叠加和采样在计算完虚源点的声压和相位后，可以将其叠加得到总声场的声压和相位。
海杂波matlab仿真程序
海杂波matlab仿真程序海杂波（sea clutter）是雷达信号处理中的一个重要问题，也是海洋环境中的一个常见现象。
海杂波指的是雷达接收到的来自海面的回波信号中的杂波部分，它主要由海浪、海浪与海面之间的散射物、海洋生物等引起。
海杂波会对雷达系统的性能产生影响，因此对海杂波进行研究和仿真具有重要意义。
Matlab是一种常用的科学计算软件，它提供了丰富的工具和函数，可以用来进行海杂波的仿真和分析。
在海杂波仿真中，我们可以通过模拟海洋环境中的各种因素，来生成与实际海杂波相似的信号。
这样可以帮助我们更好地理解海杂波的特性，并为雷达系统的设计和性能评估提供参考。
海杂波的特点是多变性和复杂性。
海洋环境中的海浪和散射物会引起回波信号的频率和相位的变化，这使得海杂波的特性难以准确描述。
因此，在进行海杂波的仿真时，我们需要考虑到这些因素，并结合实际的海洋环境数据进行模拟。
海杂波的仿真可以帮助我们研究海洋环境中的信号处理算法和雷达系统的性能。
通过对海杂波的仿真，我们可以评估不同算法对海杂波的抑制效果，并选择最优的算法来提高雷达系统的性能。
同时，海杂波的仿真还可以用于雷达系统的性能测试和验证，以确保系统能够正常工作。
海杂波的仿真还可以帮助我们研究海洋环境中的其他问题，例如海洋生物的检测和跟踪。
海洋生物在雷达回波中会产生特定的特征，通过对海杂波的仿真，我们可以研究这些特征，并开发相应的算法来检测和跟踪海洋生物。
除了海杂波的仿真，Matlab还可以用于海杂波数据的处理和分析。
通过对海杂波数据的处理和分析，我们可以提取出海杂波的特征和统计信息，从而更好地理解海杂波的性质。
这些信息可以用于雷达系统的设计和性能评估，并为海洋环境的监测和预测提供参考。
海杂波的仿真是雷达信号处理中的一个重要问题。
通过使用Matlab 进行海杂波的仿真和分析，我们可以更好地理解海杂波的特性，并为雷达系统的设计和性能评估提供参考。
海杂波的仿真还可以帮助我们研究海洋环境中的其他问题，例如海洋生物的检测和跟踪。
用matlab虚源法声场计算浅海声场的方法
用matlab虚源法声场计算浅海声场的方法虚源法是一种常用于计算浅海声场的数值模拟方法。
它通过假设在水深H以上的水层对声波是平坦的，将真实声源放置在海床上方H/2的位置上，并在该位置上引入一个虚拟声源，将问题转化为一个在“虚源平坦”介质中的理想化问题。
本文将介绍如何使用Matlab进行虚源法声场计算的方法。
1.建立声场模型首先，需要根据实际情况定义声场的几何模型。
模型应包括声源、接收器和海底的位置、水层深度H以及声速剖面等。
根据实际需求，可以使用网格化方法或其他方法对声场进行离散化处理。
2.计算声速剖面声速剖面是声场模拟的重要参数之一，它描述了声波在水中传播时声速随深度的变化规律。
可以通过观测数据、声速剖面模型或其他方法获得声速剖面数据。
在Matlab中，可以使用插值或拟合方法对声速剖面进行处理和生成离散化数据。
3.计算声场传播根据声速剖面和声源接收器位置，可以利用Matlab中的声场传播模型，如Ray tracing（射线追踪）或Pekeris模型等，计算声场在海底以上水层中的传播规律。
这些模型利用声速剖面的信息和几何模型，通过给定的传播方程和初值条件进行数值迭代，计算声场在各个位置的声压场值。
4.引入虚源利用虚源法计算声场时，需要在声场起伏的介质中引入虚拟声源。
虚拟声源通常被放置在海床上方H/2的位置上。
可以将真实声源的声压波源当作虚拟声源，也可以使用与真实声源有相同辐射效果的虚拟声源。
虚源法利用由虚拟声源发出的声波进行传播计算，以获得声场的分布。
5.计算声场传播通过利用虚拟声源进行声场传播计算，可以得到声场各个位置的声压值。
在Matlab中，可以利用声压公式进行计算，例如亥姆霍兹方程、Kirchhoff-Helmholtz积分公式等。
6.分析和可视化结果计算完成后，可以对声场进行分析和可视化。
可以通过绘制等值线图、三维图像、截面图等方式展示声场分布，并进行相关分析。
Matlab提供了各种绘图和数据处理的函数，可以方便地对结果进行可视化和进一步分析。
使用Matlab进行水声信号处理和声纳探测
使用Matlab进行水声信号处理和声纳探测水声信号处理和声纳探测是海洋工程和海洋科学中重要的研究领域之一。
随着技术的进步，利用计算机辅助方法进行水声信号处理和声纳探测已成为常见的做法。
Matlab作为一种强大的数学计算软件，被广泛应用于水声信号处理和声纳探测领域。
本文将介绍使用Matlab进行水声信号处理和声纳探测的一些常见方法和技巧。
1. 水声信号的获取与预处理在进行水声信号处理之前，首先需要获取水声信号。
常见的获取方式包括水声传感器与接收器等设备。
获取到的水声信号可能受到噪声的干扰，因此需要进行预处理。
预处理的步骤包括去噪、滤波、采样等。
Matlab提供了丰富的工具箱，如Signal Processing Toolbox，用于进行信号的预处理。
2. 水声信号的时域分析时域分析是水声信号处理的基础。
通过时域分析，我们可以观察到信号的振幅、频率、相位等特征。
Matlab提供了一系列用于时域分析的函数，如fft、ifft等。
通过这些函数，我们可以计算信号的傅里叶变换、傅里叶反变换等。
3. 水声信号的频域分析频域分析是水声信号处理中常用的方法之一。
通过频域分析，我们可以观察到信号的频谱、频率分布等特征。
Matlab提供了一系列用于频域分析的函数，如fft、pwelch等。
通过这些函数，我们可以计算信号的功率谱密度、频谱等。
4. 水声信号的滤波与降噪滤波与降噪是水声信号处理中常用的方法之一。
通过滤波与降噪，我们可以减少信号中的噪声和干扰，提取出感兴趣的信号特征。
Matlab提供了一系列用于滤波与降噪的函数，如fir1、fir2、butter等。
通过这些函数，我们可以设计各种类型的滤波器，如低通滤波器、高通滤波器、带通滤波器等。
5. 声纳探测与目标分类声纳探测是水声信号处理中的重要任务之一。
通过声纳探测，我们可以探测到水下目标并对其进行分类。
Matlab提供了一系列用于声纳探测与目标分类的函数，如波束形成算法、卷积神经网络等。
海洋温度锋面matlab
海洋温度锋面matlab文章题目：[海洋温度锋面MATLAB]-利用MATLAB分析海洋温度锋面特征摘要：海洋温度锋面是指在海洋中出现的温度急剧变化的区域。
这些锋面对海洋环流、气候变化和生态系统都具有重要意义。
本文将介绍如何使用MATLAB进行海洋温度锋面的分析，包括数据获取、预处理、特征识别和可视化等步骤。
通过这些分析，我们可以更好地了解海洋温度锋面的空间分布、时空变化及其对环境的影响。
第一节：数据获取与预处理1.1 数据来源与获取：介绍如何获取海洋温度数据，如海洋气象观测站、卫星遥感数据等。
1.2 数据预处理：包括数据格式转换、空缺值处理和异常值检测等。
第二节：特征识别与分析2.1 温度锋面识别算法：介绍经典的温度锋面识别算法，如梯度法、阈值法等。
2.2 锋面特征分析：通过计算锋面的位置、宽度、强度等特征参数，对锋面进行定量分析。
第三节：锋面时空变化分析3.1 时序特征分析：通过时间序列分析方法，研究锋面的季节性、年际变化等。
3.2 空间分布特征分析：利用空间插值方法，将数据插值到等间距网格上，进行锋面的空间分布分析。
第四节：可视化展示4.1 锋面特征可视化：利用MATLAB的图形绘制功能，将锋面位置、宽度、强度等特征以图形方式展示。
4.2 锋面时空变化可视化：利用动态图像展示锋面的时空变化，加深对锋面时空演变规律的理解。
总结：海洋温度锋面是海洋环流和气候变化的重要指示物，利用MATLAB进行锋面特征分析能够帮助我们更好地了解锋面的时空分布、变化趋势及其对环境的影响。
通过分析海洋温度锋面，我们可以探索海洋温度变化的机理，为海洋气候研究以及相关的生态系统研究提供支持。
关键词：海洋温度锋面、MATLAB、数据分析、特征识别、可视化展示。
matlab 风驱动 海水垂向混合计算
matlab 风驱动海水垂向混合计算摘要：一、引言二、MATLAB简介三、风驱动海水垂向混合计算方法1.风场数据处理2.海水垂向混合模型建立3.数值模拟与结果分析四、结论正文：一、引言随着全球气候变化和海洋环境问题日益严重，研究海洋环境对于人类可持续发展具有重要意义。
风驱动海水垂向混合是影响海洋环境的一个重要过程，通过模拟风驱动海水垂向混合，可以为海洋环境保护和资源利用提供科学依据。
本文采用MATLAB编程语言，对风驱动海水垂向混合进行计算。
二、MATLAB简介MATLAB是一种高性能的科学计算语言，广泛应用于数学建模、数据分析、可视化等领域。
MATLAB具有丰富的函数库和强大的绘图功能，可以方便地实现各种计算和模拟任务。
三、风驱动海水垂向混合计算方法1.风场数据处理首先，需要获取风场数据，包括风速和风向。
可以通过网络爬虫或专业数据平台获取实时或历史风场数据。
接着，对风场数据进行预处理，如插补、滤波等，以提高数据质量。
2.海水垂向混合模型建立根据风场数据和海洋环境参数，建立海水垂向混合模型。
常用的模型包括Stokes模型、Navier-Stokes模型等。
通过MATLAB编程实现模型的数值求解，可以采用有限差分法、有限元法等数值方法。
3.数值模拟与结果分析对模型进行数值模拟，通过迭代求解，得到风驱动海水垂向混合的结果。
结果包括混合层高度、混合系数等指标。
利用MATLAB强大的绘图功能，绘制风速、风向、混合层高度等随时间和空间的变化图，以便直观地观察和分析混合过程。
四、结论本文采用MATLAB编程语言，实现了风驱动海水垂向混合的计算。
首先对风场数据进行处理，然后建立海水垂向混合模型并进行数值模拟。
最后，通过结果分析，得到风驱动海水垂向混合的特征。
matlab中netcdf插件安装和nc格式数据的读取
netcdf插件安装和・nc格式数据的读取从事海洋和大气专业的学习和研究时，可能需要从网上下载一些数据。
其数据存储的格式五花八门，为了方便数据交换，统一的数据格式显得尤为重要。
其中比较广泛使用的就是netcdf格式，通常后缀为.nc（也可能为.cdf）。
作者在实际中用matlab处理了一些此类数据，简单说来就是安装一个插件即可。
现将我们的方法具体地写出，以供参考。
（Matlab插件（Version3.5.0）及示例程序见压缩包中）。
（注：Netcdf forMatlab 插件下载自）一、netcdf插件安装1、将本netcdf文件夹考到一盘符上（最好在根目录下，位置醒目，防止当作普通文件夹删除），如f:\netcdf;2、打开matlab，将工作目录设为netcdf文件夹。
如netcdf文件夹放在f盘根目录下，就将matlab 的当前路径设为f:\netcdf\install files ;3、运行install files 文件夹里的mexcdf53_pcwin_install.m 和netcdf_install.m ;4、进行第3步后，会在install files文件夹下产生两个文件夹，分别是mexcdf53_pcwin和netcdf ;将mexcdf53_pcwin 文件夹下的mexcdf53.dll 和netcdf.dll 文件考到C:\MATLAB6p5\bin 及C:\MA TLAB6p5\bin\win32 目录下；5、将第3步产生的netcdf及mexcdf53_pcwin文件夹及其子文件夹添加到搜索目录下。
具体步骤为：matlab主窗口下依次点击file set path add with subfolders,选中f:\netcdf\install files 文件夹，单击确定点击save close,至此安装完成。
（注：对于matab6.1或更低版本的使用者，在进行第5步之前必须先将F:\netcdf\install下的子文件夹名的’@符号删除（6.1版本好像在添加路径时不识别此符号））。
matlab 海浪谱
Matlab海浪谱随着海洋开发的不断深入，海浪成为研究领域中备受重视的一部分，海浪的特性是海洋工程设计和海洋环境预测的基础。
而在对海浪进行研究和预测过程中，海浪谱是一个非常重要的概念。
那么，什么是海浪谱？如何使用Matlab进行海浪谱的分析和识别呢？一、什么是海浪谱？海浪谱是海浪的频谱分析。
频谱是一种将信号的幅值随时间变化的方式进行描述的方法。
对于周期性的信号，它可以在频谱中分解成多个频率和振幅不同的正弦波的叠加。
因此，我们可以通过对海浪信号进行频谱分析，得到每个频率所对应的振幅，从而明确每个频率对海浪的影响。
海浪谱通常有两种形式，即时域与频域。
二、Matlab中的海浪谱分析Matlab作为一种广泛应用于科学计算和信号处理领域的工具，可以方便地进行海浪谱分析。
它具有强大的处理能力和友好的界面，并且有着广泛的开发社区和支持。
下面，我们将介绍如何使用Matlab进行海浪谱分析。
1.数据准备Matlab中的海浪谱分析需要准备海浪的观测数据。
这些数据可以在现场观测中获取，也可以从已有的实验或文献中获得。
在数据处理前，需要进行数据质量的检查，例如去除异常值或空白数值等。
在获取到合适的数据后，我们可以将其导入Matlab进行进一步处理。
2.信号处理在Matlab中进行海浪谱分析时，需要对信号进行预处理。
这包括进行采样率和采样时长的调整、去噪和滤波等操作。
通常情况下，我们可以使用高斯噪声滤波器对数据进行滤波，以去除由于环境和设备干扰引起的噪音。
3.频谱分析频谱分析是Matlab中海浪谱分析的核心部分。
Matlab中提供了专门用于频谱分析的函数和工具箱，例如FFT（快速傅里叶变换）和Welch方法。
我们可以使用这些函数对数据进行处理和分析，以获得每个频率的振幅和相位等信息。
对于长时间范围内的频谱分析，我们可以使用自适应谱估计方法，例如演化谱估计和MUSIC方法，来更好地处理数据。
4.结果展示Matlab提供了强大的图形展示功能，可以方便地对结果进行可视化处理。
MATLAB在气象数据处理与模拟中的应用技巧
MATLAB在气象数据处理与模拟中的应用技巧引言：气象学是研究大气层内各种气象现象和规律的科学，它的发展离不开数据的处理和模拟。
在当今数字化时代，人们可以利用计算机编程工具进行气象数据的处理和模拟。
本文将介绍MATLAB在气象数据处理与模拟中的应用技巧。
一、数据处理：1. 数据读取与格式转换：在气象数据处理中，首先需要将原始数据读取到MATLAB中进行处理。
MATLAB提供了丰富的函数和工具箱来读取不同格式的气象数据，如文本文件、Excel表格、NetCDF文件等。
同时，根据所读取的数据类型和结构，可以利用MATLAB对数据进行转换和重排，以便于后续的处理。
2. 数据预处理与质量控制：在进行气象数据处理前，需要进行数据预处理和质量控制。
例如，对于大气温度数据，可能存在异常值和缺失值。
可以利用MATLAB的数据处理工具箱来去除异常值，并进行插值处理来填补缺失值，从而保证数据的可靠性和准确性。
3. 数据分析与统计：在处理气象数据时，通常需要进行数据的分析和统计。
MATLAB提供了丰富的统计函数，例如均值、方差、相关系数等。
通过这些函数，可以对气象数据进行描述和分析，从而揭示其中的规律和特征。
二、数据可视化：1. 数据可视化基础：气象数据通常是时空分布规律的表现。
通过数据可视化，可以更直观地理解和展示数据。
在MATLAB中，可以利用绘图函数绘制曲线、散点图和柱状图等。
同时，可以设置数据的颜色映射、标签和图例，使得数据的可视化更加直观和美观。
2. 三维可视化：气象数据常常涉及到三维空间的分布规律。
MATLAB提供了强大的三维可视化工具，可以绘制三维曲面、等值线图、立体图等。
通过这些可视化方法，可以更好地展示气象数据的时空特征，从而帮助研究人员发现数据中的规律和趋势。
三、数值模拟：1. 模拟建模：在气象研究中，基于已有的气象数据进行数值模拟是一种常见的方法。
MATLAB提供了丰富的数值计算函数和工具箱，可以进行气象现象的数值模拟。
海浪谱 matlab
海浪谱 matlab海浪谱是海浪的频谱分析，用于描述海浪的频率和能量分布情况。
Matlab是一种常用的科学计算软件，可以进行海浪谱分析。
下面我将从多个角度回答关于海浪谱在Matlab中的相关问题。
1. 如何计算海浪谱？在Matlab中，可以使用离散傅立叶变换（DFT）或快速傅立叶变换（FFT）来计算海浪谱。
首先，需要获取海浪的时间序列数据，然后对数据进行预处理（如去除趋势和周期性波动），接着使用FFT函数对预处理后的数据进行傅立叶变换，最后计算得到海浪谱。
2. 如何绘制海浪谱图？在Matlab中，可以使用plot函数或surf函数绘制海浪谱图。
如果海浪谱是一维的（只有频率和能量），可以使用plot函数绘制频率-能量曲线。
如果海浪谱是二维的（还有方向信息），可以使用surf函数绘制频率-方向-能量的三维图形。
3. 如何进行海浪谱分析？海浪谱分析可以包括以下几个步骤：a. 数据预处理，去除趋势、周期性波动等。
b. 计算傅立叶变换，使用FFT函数对预处理后的数据进行傅立叶变换。
c. 计算功率谱密度，对傅立叶变换结果进行平方得到能量谱，再除以频率间隔得到功率谱密度。
d. 计算海浪谱，根据功率谱密度和频率间隔计算海浪谱。
e. 绘制海浪谱图，使用plot函数或surf函数绘制海浪谱图。
4. 如何处理海浪谱数据？处理海浪谱数据可以包括以下几个方面：a. 数据滤波，可以使用滤波器对海浪谱数据进行滤波，去除噪声或不感兴趣的频率成分。
b. 数据平滑，可以使用平滑算法对海浪谱数据进行平滑处理，减少噪声或突变。
c. 数据分析，可以对海浪谱数据进行频率分析、能量分析、方向分析等，以获取更多的信息。
d. 数据比较，可以将不同时间、地点或条件下的海浪谱数据进行比较，分析其差异或规律。
综上所述，海浪谱在Matlab中的计算、绘制和分析可以通过FFT函数和各种绘图函数实现。
同时，还可以对海浪谱数据进行滤波、平滑和分析等处理。
希望以上回答能够满足你的需求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据数组的处理
一维：interp1 二维：interp2，griddata(区别：interp数据间隔一致， griddata数据间隔可不一致)； N维：interpn z1=interp2(x,y,z,x1,y1);
改为： z1=interp2(y,x,z,y1,x1);
画图
m_pcolor
[lt1,ln1]meshgrid(lt1,ln1) 一般lat在前，lon在后
画图
m_contourf&m_contour
[c,h]=m_contourf(ln1,lt1,coveratem1,[0:0.1:1],'linewidth',2,'linestyle ',':','color','w'); h_text=clabel(c,h,[0.1:0.1:0.7],'labelSpacing',300,'FontSize',15);
画图
m_quiver m_quiver(lon(1:3:end,1:3:end),lat(1:3:end,1:3:end),0.3*u(1:3:end,1:3:end), 0.3*v(1:3:end,1:3:end),0) 0等同于’autoscale’,’off’。不加默认on。改成其它数字，箭头大小改变。 陆地上的小点，加上lon(isnan(u))=nan;搞掂。
数据的保存
Save：保存数据。 Save filename varname1 varname2; 默认mat Save(‘filename’,’varname1’,’varname2’,’format’);format 默认mat； Print：保存图形。 Print –djpeg filename Print(‘-djpeg’,’-r500’,’filename’)
SET(H,'PropertyName',PropertyValue); SET(get(H,'PropertyName’),’ PropertyName’,PropertyValue) 例如：set(get(h,'Title'),'string','m/s','fontsize',14);
Cell的使用： 例如 cell={'*','o','rp'} for i=1:3 plot(i,i,cell{i}) hold on end;
数据的保存
Netcdf：nccreate,ncwriteatt,ncwrite.
文本与二进制：fprintf,fwrite。类似fscanf与fread。
数据的保存
Netcdf：nccreate,ncwriteatt,ncwrite.
nameout='a.nc'; nccreate(nameout,'x','Dimensions',{'x' 3},'Format','classic'); nccreate(nameout,'y','Dimensions',{'y' 4},'Format','classic'); nccreate(nameout,'z','Dimensions',{'x' 3 'y' 4},'Format','classic'); ncwriteatt(nameout,'/','info1','test'); ncwriteatt(nameout,'/','info2','test1'); ncwriteatt(nameout,'x','name','x_coor'); ncwriteatt(nameout,'x','units','m'); ncwriteatt(nameout,'y','name','y_coor'); ncwriteatt(nameout,'y','units','m'); ncwriteatt(nameout,'z','name','data'); ncwriteatt(nameout,'z','units','degree'); ncwriteatt(nameout,'z','missing_value',1); ncwriteatt(nameout,'z','scale_factor',1); ncwriteatt(nameout,'z','add_offset',0); ncwrite(nameout,'x',x); ncwrite(nameout,'y',y); ncwrite(nameout,'z',z);
m_proj('miller','long',[110.2 112.8],'lat',[20 22]); m_pcolor(ln1,lt1,V1) shading flat (interp) m_grid('linewi',1,'linest',':','tickdir','out','fontsize',14,'fontw eight','bold'); m_gshhs_h('patch','g','edgecolor','r'); h=colorbar; (h=colorbar(‘horiz’)) set(h,'position',[0.9388 0.106 0.0176 0.8200]); colormap(jet(15)) set(gca,'clim',[-1,1]); title('titlename','fontsize',14,'fontweight','bold'); set(get(h,'Title'),'string','m/s','fontsize',14);
m_plot,m_text…… m_gshhs_c, m_gshhs_l, m_gshhs_i, m_gshhs_h, m_gshhs_f 各种精度岸线
画图
一些小技巧： get(gcf)，获取figure句柄 get(gca)，获取axes句柄 h=function(…);get(h)获取对象句柄。
数据的读取
读取nc格queeze:去掉维数大小为1的为。例 a=1*1*5;squeeze(a)=1*5; Flipud:数组行倒转。a=[1,2;3,4];flipud(a)=[3,4;1,2]; Fliplr:数据列倒转。a=[1,2;3,4];fliplr(a)=[2,1;4,3] Flipdim:指定数组任一维倒转。 a=[1,2;3,4];flipdim(a,1)=flipud(a) flipdim(a,2)=fliplr(a) Permute:改变数组维数顺序。a=2*3*4;permute(a,[3,1,2])=4*2*3 Size:得知数据维数大小。 Length:得知数组最大维大小。 Max,min：得到最大最小值的大小与位置。 nan,zero,sum,abs,floor……
批处理 数据的读取 数据数组的处理 画图 数据的保存
批处理
两种方式： 1、文件名法：适合文件名有规律的批处理 2、dir法：适合任何情况 1、文件名法：
批处理
2.dir法
数据的读取
1、mat文件，规则文本：load 2、不规则文本：fscanf 3、二进制：fread 4、nc文件：ncread 5、hdf：hdfread Example： 1、a.mat load a; 2、a.txt fid=fopen(‘a.txt’,’r’); data=fscanf(fid,’%?’,size); ?:格式。Size:默认inf,可为数或数组 3、a.dat fid=fopen(‘a.dat’,’rb’);data=fread(fid,size, precision) 4、a.nc data=ncread(‘a.nc’,’varname’,[a,b],[la,lb]); 5、sd.hdf fileinfo = hdfinfo(‘a.hdf'); data_info = fileinfo.SDS(2); data = hdfread(sds_info);