-
Notifications
You must be signed in to change notification settings - Fork 0
/
RepresentacionTerremotoMiniseed.py
287 lines (222 loc) · 12.9 KB
/
RepresentacionTerremotoMiniseed.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
import pandas as pd
import numpy as np
import seaborn as sb
import matplotlib.pyplot as plt
import obspy
from obspy.core import read, Stream
from obspy.clients.fdsn import Client
from seismic_attributes import seismic_attributes as sa
import pylatex as latex
def lecturaCART10Horas():
datos = obspy.read("/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/CART10horas.mseed")
datos2 = datos.copy()
datos3 = datos.copy()
datos4 = datos.copy()
new_array = np.array(datos)
print(datos[0])
datos.plot()
#Aqui se plotea la magntiud en el tiempo
datos.plot(outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/TerremotoCartagena/terremotoCartagenaTotal.png')
#Aqui se plotea el "One-day plot" AKA: helicorder
#datos.plot(type='dayplot',outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/ImagenesTerremotoMelilla/helicorder.png')
print(datos3[0].stats.starttime + 37*60,datos2[0].stats.starttime + 38*60)
#Ahora modificamos nuestro datos.plot para recortar el eje temporal y quedarnos solo con el terremoto (madrugada)
datos3.trim(datos3[0].stats.starttime + 37*60, datos2[0].stats.starttime + 38*60) #11:19-- 11:21 para coger el terremoto de las 11:20:50
print(datos3[0].stats.starttime)
print(datos3[0].stats.endtime)
print(datos3[0])
datos3.plot()
datos3.plot(outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/TerremotoCartagena/sentemporalCortadaTerremotoCART.png')
#Ahora filtramos la señal original:
filtered_signal1 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 16, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
filtered_signal2 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 16, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
#Ahora filtramos los dos terremotos por separado
terremoto_filtrado1 = obspy.signal.filter.bandpass(datos3[0], freqmin = 4, freqmax = 16, df = datos3[0].stats.sampling_rate ,corners = 4, zerophase = False)
terremoto_filtrado2 = obspy.signal.filter.bandpass(datos2[0], freqmin = 4, freqmax = 16, df = datos2[0].stats.sampling_rate ,corners = 4, zerophase = False)
datos2.trim(datos[0].stats.starttime + 47*60, datos[0].stats.starttime + 49*60)
datos2.spectrogram(log=True, title='Espectrograma Terremoto CART' + '10:37', outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/TerremotoCartagena/espectrogramaTERREMOTOCART.png')
def PrimeraLectura():
datos = obspy.read("/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/15MarzoB/CART.mseed")
datos2 = datos.copy()
datos3 = datos.copy()
datos4 = datos.copy()
new_array = np.array(datos)
print(datos[0])
datos.plot()
#Aqui se plotea la magntiud en el tiempo
datos.plot(outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/voladurasCartagena/sentemporal.png')
#Aqui se plotea el "One-day plot" AKA: helicorder
#datos.plot(type='dayplot',outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/ImagenesTerremotoMelilla/helicorder.png')
print(datos3[0].stats.starttime + 47*60,datos2[0].stats.starttime + 49*60)
#Ahora modificamos nuestro datos.plot para recortar el eje temporal y quedarnos solo con el terremoto (madrugada)
datos3.trim(datos3[0].stats.starttime + 47*60, datos2[0].stats.starttime + 49*60) #11:19-- 11:21 para coger el terremoto de las 11:20:50
print(datos3[0].stats.starttime)
print(datos3[0].stats.endtime)
print(datos3[0])
datos3.plot()
datos3.plot(outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/voladurasCartagena/sentemporalCortada.png')
#Ahora filtramos la señal original:
filtered_signal1 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 16, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
filtered_signal2 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 16, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
#Ahora filtramos los dos terremotos por separado
terremoto_filtrado1 = obspy.signal.filter.bandpass(datos3[0], freqmin = 4, freqmax = 16, df = datos3[0].stats.sampling_rate ,corners = 4, zerophase = False)
terremoto_filtrado2 = obspy.signal.filter.bandpass(datos2[0], freqmin = 4, freqmax = 16, df = datos2[0].stats.sampling_rate ,corners = 4, zerophase = False)
datos2.trim(datos[0].stats.starttime + 47*60, datos[0].stats.starttime + 49*60)
datos2.spectrogram(log=True, title='Espectrograma VOLADURA' + '08:47', outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/voladurasCartagena/espectrogramaVOLADURA.png')
plt.subplot(211)
plt.plot(datos[0].times("matplotlib"), datos[0].data, "b-")
plt.title("Señal original")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.subplot(212)
plt.plot(filtered_signal2, "b-")
plt.title("Señal después del BPF")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
datos.resample(100.0)
#datos3.resample(100.0)
#Ahora dibujamos el spcegram en un subplot
plt.subplot(211)
plt.specgram(datos[0], Fs=datos[0].stats.sampling_rate)
plt.title("Specgram de la señal original")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.subplot(212)
plt.specgram(filtered_signal2, Fs=datos[0].stats.sampling_rate)
plt.title("Specgram de la señal original filtrada")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
print(datos[0])
print(filtered_signal2)
#Ahora ploteamos el specgram de los dos terremotos
plt.subplot(211)
plt.specgram(datos3[0], Fs=datos3[0].stats.sampling_rate)
plt.title("Specgram del terremoto original")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.subplot(212)
plt.specgram(terremoto_filtrado1, Fs=datos3[0].stats.sampling_rate)
plt.title("Specgram del terremoto filtrado")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
def SegundaLectura():
datos = obspy.read("/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/15Marzo/EMLI.mseed")
datos2 = datos.copy()
datos3 = datos.copy()
datos4 = datos.copy()
new_array = np.array(datos)
print(datos[0])
datos.plot()
#Aqui se plotea la magntiud en el tiempo
datos.plot(outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/ImagenesTerremotoMelilla/sentemporal.png')
#Aqui se plotea el "One-day plot" AKA: helicorder
#datos.plot(type='dayplot',outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesInformeFinal/ImagenesTerremotoMelilla/helicorder.png')
print(datos3[0].stats.starttime + ((11 * 60) + 19)*60,datos2[0].stats.starttime + ((11 * 60) + 21)*60)
#Ahora modificamos nuestro datos.plot para recortar el eje temporal y quedarnos solo con el terremoto (madrugada)
datos3.trim(datos3[0].stats.starttime + 19*60, datos2[0].stats.starttime + 21*60) #11:19-- 11:21 para coger el terremoto de las 11:20:50
print(datos3[0].stats.starttime)
print(datos3[0].stats.endtime)
print(datos3[0])
datos3.plot()
#Ahora modificamos nuestro datos.plot para recortar el eje temporal y quedarnos solo con el terremoto (mediodia)
datos2.trim(datos2[0].stats.starttime + 0 * 60, datos2[0].stats.starttime + 1 * 60)
datos2.plot() #pasar todo a segundos, si el terremoto esta en 22:36 horas pasamos 22 horas a minutos + 36 minutos y todo esto ((22*60)+36)*60
#Aqui ploteamos con matplotlib
fig = plt.figure(1)
ax = fig.add_subplot(121)
ax.plot(datos[0].times("matplotlib"), datos[0].data, "b-")
ax.xaxis_date()
fig.autofmt_xdate()
fig2 = plt.figure(2)
ax2 = fig.add_subplot(122)
ax2.plot(obspy.signal.filter.bandpass(datos[0], freqmin = 2, freqmax = 8, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False), "b-")
ax2.xaxis_date()
fig2.autofmt_xdate()
#Ahora filtramos la señal original:
filtered_signal1 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 8, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
filtered_signal2 = obspy.signal.filter.bandpass(datos[0], freqmin = 4, freqmax = 8, df = datos[0].stats.sampling_rate ,corners = 4, zerophase = False)
#Ahora filtramos los dos terremotos por separado
terremoto_filtrado1 = obspy.signal.filter.bandpass(datos3[0], freqmin = 4, freqmax = 8, df = datos3[0].stats.sampling_rate ,corners = 4, zerophase = False)
terremoto_filtrado2 = obspy.signal.filter.bandpass(datos2[0], freqmin = 4, freqmax = 8, df = datos2[0].stats.sampling_rate ,corners = 4, zerophase = False)
plt.subplot(211)
plt.plot(datos[0].times("matplotlib"), datos[0].data, "b-")
plt.title("Señal original")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.subplot(212)
plt.plot(filtered_signal2, "b-")
plt.title("Señal después del BPF")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
#Ahora ploteamos la señal entera junto al terremoto y a su replica
plt.subplot(311)
plt.plot(datos[0].times("matplotlib"), datos[0].data, "b-")
plt.title("Señal original")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.subplot(312)
plt.plot(datos2[0].times("matplotlib"), datos2[0].data, "b-")
plt.title("Señal del TERREMOTO (mediodia)")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.subplot(313)
plt.plot(datos3[0].times("matplotlib"), datos3[0].data, "b-")
plt.title("Señal del TERREMOTO (madrugada)")
plt.xlabel("tiempo")
plt.ylabel("Amplitud")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
datos.resample(10.0)
print(datos3[0])
datos.spectrogram(log=True, title='Espectrograma TOTAL' + str(datos3[0].stats.starttime), outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesGuardadas/espectrogramaGENERAL.png')
#Ahora pintamos el espectrograma del trozo del terremoto, para ello cogemos solo la parte del terremoto
datos2.spectrogram(log=True, title='Espectrograma TERREMOTO' + str(datos2[0].stats.starttime), outfile = '/Users/pablosreyero/Documents/Universidad/Practicas2022:2023/Prácticas IGN/ImagenesGuardadas/espectrogramaTERREMOTO.png')
#Ahora dibujamos el spcegram en un subplot
plt.subplot(211)
plt.specgram(datos[0], Fs=datos[0].stats.sampling_rate)
plt.title("Specgram de la señal original")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.subplot(212)
plt.specgram(filtered_signal2, Fs=datos[0].stats.sampling_rate)
plt.title("Specgram de la señal original filtrada")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
#Ahora ploteamos el specgram de los dos terremotos
plt.subplot(211)
plt.specgram(datos3[0], Fs=datos3[0].stats.sampling_rate)
plt.title("Specgram del terremoto original")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.subplot(212)
plt.specgram(terremoto_filtrado1, Fs=datos2[0].stats.sampling_rate)
plt.title("Specgram del terremoto filtrado")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
#Ahora ploteamos el especgram de los dos terremotos, pero esta vez filtrados
plt.subplot(211)
plt.specgram(terremoto_filtrado1, Fs=datos[0].stats.sampling_rate)
plt.title("Specgram del terremoto (madrugada)")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.subplot(212)
plt.specgram(terremoto_filtrado2, Fs=datos[0].stats.sampling_rate)
plt.title("Specgram del terremoto (mediodia)")
plt.xlabel("tiempo")
plt.ylabel("frecuencia [Hz]")
plt.tight_layout() #Para que no haga overlap el eje x con el titulo de la figura de abajo
plt.show()
#si quiero pintar sesenta segundos tengo que multiplicar por 100, osea 60*100 = 6000 muestras