In [3]:
from wmf import wmf
import numpy as np
import pylab as pl
import pandas as pd
import pickle
import datetime
from datetime import timedelta
%matplotlib inline
import matplotlib.pyplot as plt
import collections
import warnings
warnings.filterwarnings('ignore')
import scipy as scp
import os
import aforos as af
from IPython.display import IFrame
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import xlsxwriter
import codecs
from multiprocessing import Pool
from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection
from matplotlib.patches import PathPatch
import matplotlib.patches as patche
from IPython.core.display import HTML
css = open('style-table.css').read() + open('style-notebook.css').read()
HTML('<style>{}</style>'.format(css))
Out[3]:
In [4]:
caudalPtar = [1.23,1.45,1.46,1.55,1.41,1.16,1.6,1.5,1.62,1.54,1.29,1.22,1.24]
In [6]:
np.mean(caudalPtar)
Out[6]:
In [7]:
mainfolder = 'Salidas_Redrio' # nombre de la carpeta principal
hora_inicial = '06:00' # hora de inicio de todas las campañas
hora_final = '18:00' # hora de finalización de todas las campañas
fechas = pd.to_datetime(['2017-02-22','2017-03-08','2017-03-09','2017-04-26','2017-06-21','2017-06-22'])
In [8]:
def aforo(codigo,DEM='dem_amva60',DIR='dir_amva60',aforo=1):
'''runs aforos module
Parameters
----------
codigo: id in dbase
salida: campain folder name
DEM : dem name
DIR : dir name
aforo : flow measurement number or id
-------
Returns
------
out: self
sets module aforos up
'''
self = af.aforos(codigo,aforo=int(aforo),
nombre = df_informacion.loc[codigo,'FolderName'])
self.ruta_dem = '/media/nicolas/Home/nicolas/01_SIATA/raster/%s.tif'%DEM
self.ruta_dir = '/media/nicolas/Home/nicolas/01_SIATA/raster/%s.tif'%DIR
self.longitud = float(df_informacion.loc[codigo,'Longitud'])
self.latitud = float(df_informacion.loc[codigo,'Latitud'])
self.name = df_informacion.loc[codigo,'Nombre']
self.municipio = df_informacion.loc[codigo,'Municipio']
self.direccion = df_informacion.loc[codigo,'Direccion']
self.barrio = df_informacion.loc[codigo,'Barrio']
self.subcuenca = df_informacion.loc[codigo,'Subcuenca']
return self
def runbyid(dfe_id):
self = aforo(int(dfe.loc[dfe_id,'id_estacion_asociada']),aforo=dfe.loc[dfe_id,'aforo'])
self.fecha = pd.to_datetime(dfe.loc[dfe_id,'fecha'])
self.date = self.fecha.strftime('%Y-%m-%d %H:%M')
return self
In [9]:
hora_inicial = '06:00'
hora_final = '18:00'
df_informacion = pd.read_csv('../information/info_redrio.csv',index_col=0)
#dfe = pd.read_csv('../information/salidas_21y22_junio.csv',index_col=0)
texto = ['% ----------------------------------------------',
'% ---------------------TEXTO AQUÍ---------------',
'% ----------------------------------------------']
In [10]:
fecha = pd.to_datetime('2017-03-08')
dfe = pd.read_csv('../information/20170308_dfe.csv',index_col=0)
nombre_salida = u'Campaña 08 de Marzo'
In [11]:
self = aforo(1061)
self.fecha = fecha+datetime.timedelta(hours=18)
#self.get_rain()
self.simubasin(rute=True,show=False)
rain = self.plot_lluvia_aforo(ax2color='darkslategrey',
fecha=self.fecha.strftime('%Y-%m-%d')+' 18:00',
ruta='%s/%s_rain.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')),
formato='png')
In [14]:
resumen = df_informacion.loc[dfe['id_estacion_asociada'].values].set_index('Nombre')
resumen['caudal_medio']= dfe['caudal_medio'].values
self.plot_resumen_flow(resumen['caudal_medio'],'%s/%s_flux.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')))
In [ ]:
point = df_informacion.loc[dfe['id_estacion_asociada'].values].sort_values(by='Latitud')
self.Plot_Mapa2(add_scatter=[point['Longitud'].values,point['Latitud'].values],\
title =nombre_salida,Logo='SIATA2.png',\
Drainage='/media/nicolas/maso/Mario/shapes/nets/Puente_Gabino_1061/Puente_Gabino_1061',\
add_stations=map(lambda x:x.decode('utf-8'),point['Nombre'].values),\
geaoref=[6.265,5.975,-75.725,(-75.725+0.3)],clim=[1300,3400],fontsize=24,\
Basin='/media/nicolas/maso/Mario/shapes/basins/Puente_Gabino_1061/Puente_Gabino_1061')
self.m.readshapefile('/media/nicolas/maso/Mario/shapes/streams/169/169','drenaje',
color=self.colores_siata[-3],
linewidth=3.0,zorder=5)
plt.savefig('%s/%s_map_campain.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')),format='png',bbox_inches='tight')
Tabla resultados¶
In [8]:
nombre_salida = 'Campaña 08 de Marzo'
caption = 'Parámetros hidráulicos %s'%nombre_salida
columns = ['Caudal medio','Velocidad media','Área','Perímetro','Altura media','Rádio hidráulico']
cellwidth = [30]+6*[70/6]
df_latex = dfe[['caudal_medio','velocidad_media','area_total','perimetro','altura_media','radio_hidraulico']]
df_latex.index = df_informacion.loc[dfe['id_estacion_asociada'].values]['Nombre'].values
tabla=self.latex_table_from_df(df_latex,caption,'tab:%s'%fecha.strftime('%Y%m%d'),columns,cellwidth,width=5.6)
In [13]:
def latex_hidrologia(self,caudal,ruta_fig,label):
difiere = round(((caudal/self.caudales_historicos.median().values[0])-1.0)*100,3)
plot_figure = []
plot_figure.append('\\begin{multicols}{2}')
plot_figure.append('La figura \\ref{%s} está construida con datos de aforos históricos realizado sobre la misma sección, el recuadro superior es un histograma de frecuencias, mientras que el recuadro inferior es un resumen con los estadísticos más importantes. En total se cuenta con %d aforos, el caudal observado difiere de la mediana histórica %.3f $[m^3/s]$ en un %.2f porciento.'%(label,self.caudales_historicos.index.size,self.caudales_historicos.median().values[0],difiere))
plot_figure.append('{\\centering')
plot_figure.append('\\includegraphics[width=5.0cm]{{%s}}'%(ruta_fig))
plot_figure.append('\\captionof{figure}{\small Información de Aforos históricos %s}'%self.name)
plot_figure.append('\\label{%s}'%label)
plot_figure.append('}')
plot_figure.append('\\end{multicols}')
return plot_figure
resultados = ['']
resultados.append('\\section{%s}'%nombre_salida)
#--plot map_campain
resultados+=self.latex_figure(17,'%s/%s_map_campain.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')),'Mapa %s'%nombre_salida,'fig:%smapcamp'%(fecha.strftime('%Y%m%d')))
resultados+=self.latex_figure(17,'%s/%s_rain.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')),'Lluvia %s'%nombre_salida,'fig:%srain'%(fecha.strftime('%Y%m%d')))
resultados+=self.latex_figure(17,'%s/%s_flux.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d')),'Resultados %s'%nombre_salida,'fig:%sflux'%(fecha.strftime('%Y%m%d')))
resultados+=tabla
df = pd.DataFrame.copy(dfe)
df_alturas = pd.read_csv('../information/%s_heights.csv'%fecha.strftime('%Y%m%d'),index_col=0)
df_alturas.columns = np.array(df_alturas.columns,int)
for i in df.index:
self = runbyid(i)
if df.loc[i,'aforo_especial']==1:
self.dispositivo = '-999'
resultados+= ['\\subsection{%s}\\'%self.name]
if int(df.loc[i,'id_estacion_asociada'])==1061:
resultados+= self.latex_figure(17,'%s/curva_gabino.png'%(fecha.strftime('%Y%m%d')),
'Caudales estimados a partir de curva de calibración',
'fig:%scurva'%(fecha.strftime('%Y%m%d')))
resultados += ['\\clearpage']
else:
self.get_resultados_mysql()
self.dispositivo = self.dfr.loc['dispositivo','Resultado']
self.plot_section(wet=self.verticales,
lev=self.levantamiento,
figsize=(12,4),
fontsize=18,
sepx=0.03,
sepy=0.01,
filepath='%s/%s_section_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre))
resultados += self.latex_results_table('tab:%s_hidroparam_%s'%(fecha.strftime('%Y%m%d'),self.nombre))
lbl = '\\ref{tab:%s_hidroparam_%s}'%(fecha.strftime('%Y%m%d'),self.nombre)
resultados+=['El aforo se realizó en la fecha %s, el caudal obtenido fue de %s $[m^3/s]$. La sección aforada tiene un ancho superficial que mide %s [m], la altura promedio de la lámina de agua es de %s [m], la altura máxima se ubica a %s [m] de la margen izquierda del canal con un valor de %s [m]. Para el cálculo de velocidades se utilizó el dispositivo %s, el valor medio de velocidad obtenido fue de %s $[m/s]$, y el máximo de %s $[m/s]$. La sumatoria de áreas en todas las verticales deja un área total de %s $[m^2]$. Los demás parámetros se pueden observar en la tabla %s.'%(self.fecha.strftime('%Y-%m-%d %H:%M'),round(self.dfr.loc['caudal_medio','Resultado'],3),round(self.dfr.loc['ancho_superficial','Resultado'],3),round(self.dfr.loc['altura_media','Resultado'],3),
round(abs(self.verticales.set_index('x')['y'].argmin()),3),round(abs(self.verticales['y'].min()),3),self.dfr.loc['dispositivo','Resultado'],
round(self.dfr.loc['velocidad_media','Resultado']),round(self.verticales['velocidad04'].max(),3),round(self.dfr.loc['area_total','Resultado'],3),lbl)]
resultados += self.latex_section('%s/%s_section_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),
'fig:%s_section_%s'%(fecha.strftime('%Y%m%d'),self.nombre))+texto
resultados+=['\\clearpage']
try:
if int(df.loc[i,'id_estacion_asociada'])==1061:
dfe.loc[i,'alturas'] = 0
else:
caudal = dfe.loc[i,'caudal_medio']
caudales = self.get_flow_from_heights(caudal,self.codigo,df_alturas)
self.plot_bars(caudales,rute='%s/%s_heights_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),decimales=2)
resultados+= self.latex_figure(17,'%s/%s_heights_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),
'Caudales estimados %s %s'%(nombre_salida,self.name),
'fig:%sheights_%s'%(fecha.strftime('%Y%m%d'),self.nombre))
resultados+=['Partiendo del caudal estimado mediante el aforo y de datos de nivel de la lámina de agua medidos en campo durante la campaña, se estimaron los caudales horarios desde las 6:00 hasta las 18:00, el caudal promedio durante la campaña fue %.3f $[m^3/s]$. Los resultados se encuentran en la Figura \\ref{%s}.'%(caudales.mean(),'fig:%sheights_%s'%(fecha.strftime('%Y%m%d'),self.nombre))]
dfe.loc[i,'alturas'] = 1
except:
dfe.loc[i,'alturas'] = 0
try:
self.plot_compara_historicos('%s/%s_hist_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre))
resultados+=latex_hidrologia(self,dfe.loc[i,'caudal_medio'],'%s/%s_hist_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),
'fig:%shist%s'%(fecha.strftime('%Y%m%d'),self.nombre))
dfe.loc[i,'historico'] = 1
print i
except:
dfe.loc[i,'historico'] = 0
if df_informacion.loc[self.codigo,'morfo']==1.0:
self.simubasin(rute=True,show=False)
rain = self.plot_lluvia_aforo(ax2color='darkslategrey',
fecha=self.fecha.strftime('%Y-%m-%d')+' 18:00',
ruta='%s/%s_rain_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),
formato='png')
resultados+= self.latex_figure(17,'%s/%s_rain_%s.png'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre),
'Lluvia %s %s'%(nombre_salida,self.name),
'fig:%srain_%s'%(fecha.strftime('%Y%m%d'),self.nombre))
if max(self.accumulated_rain)>1.0:
resultados+=['La mayor intensidad promedio de lluvia fue registrada en la cuenca en la fecha %s, con un valor de %.3f $[mm/h]$.'%(rain.argmax().strftime('%Y-%m-%d %H:%M'),rain.max())]
resultados+=['La distribución de la lluvia en la cuenca se puede observar en el recuadro izquierdo de la Figura \\ref{%s}, donde se reportó un valor máximo de %.3f $[mm]$.'%('fig:%srain_%s'%(fecha.strftime('%Y%m%d'),self.nombre),max(self.accumulated_rain))]
try:
self.dfr = self.dfr.fillna(-999)
self.verticales = self.verticales.fillna(-999)
self.levantamiento = self.levantamiento.fillna(-999)
self.data_to_excel('%s_data/%s_%s.xlsx'%(fecha.strftime('%Y%m%d'),fecha.strftime('%Y%m%d'),self.nombre))
dfe.loc[i,'datatoexcel']=1
except:
dfe.loc[i,'datatoexcel']=0
np.savetxt('%s.tex'%fecha.strftime('%Y%m%d'),resultados, fmt='%s')
In [14]:
nombre_info = 'borrar'
includes = ['\\include{Portada}','\\setlength{\\headsep}{40pt}',\
'\\tableofcontents',\
'\\listoffigures',\
'\\listoftables',\
'\\include{introduccion}',\
'\\chapter{Información de las estaciones aforadas}']+texto+\
['\\clearpage']
self.informe(includes+['\\include{20170308}'],\
header_filepath='figuras/header.png',\
header_text='Informe salidas modelación',\
logo_filepath='figuras/logo.png',\
cover_filepath = 'figuras/cover.png',\
foot_filepath = 'figuras/foot.png',\
nombre_info=nombre_info)
IFrame('%s_optimizado.pdf'%nombre_info, width=1000, height=1000)
Out[14]:
In [2]:
import pandas as pd
In [3]:
pd.read_csv('niveles_corregidos.csv',index_col=0)
Out[3]:
In [ ]: