mplstereonet

mplstereonet - Matplotlib用ステレオネット

クイックリファレンス

import mplstereonet
import matplotlib.pyplot as plt

# Create stereonet
fig, ax = mplstereonet.subplots()

# Plot plane and pole (strike/dip, right-hand rule)
ax.plane(315, 45, 'b-')          # Great circle
ax.pole(315, 45, 'ko')           # Pole to plane

# Plot lineation (trend/plunge)
ax.line(120, 30, 'r^')

ax.grid()
plt.savefig('stereonet.png', dpi=150)

主な関数

関数	目的
mplstereonet.subplots()	ステレオネットの図と座標軸を作成
ax.plane(strike, dip)	大円をプロット
ax.pole(strike, dip)	面の極をプロット
ax.line(trend, plunge)	線構造の点をプロット
ax.density_contourf()	塗りつぶし密度等高線
mplstereonet.fit_girdle()	最適な大円
mplstereonet.find_mean_vector()	平均方位

基本操作

等高線を使った複数の測定値

import numpy as np

strikes = [45, 52, 38, 48, 55, 41, 50, 43]
dips = [25, 30, 22, 28, 35, 24, 32, 27]

fig, ax = mplstereonet.subplots()

# Density contour of poles
ax.density_contourf(strikes, dips, measurement='poles', cmap='Reds')
ax.pole(strikes, dips, 'k.', markersize=5)

ax.grid()
ax.set_title('Bedding Orientations')
plt.savefig('density.png', dpi=150)

平均方位を計算

# Fit best-fit plane (girdle)
mean_strike, mean_dip = mplstereonet.fit_girdle(strikes, dips)

# Or calculate mean pole for clustered data
lon, lat = mplstereonet.pole(strikes, dips)
mean_lon, mean_lat = mplstereonet.find_mean_vector(lon, lat)
mean_s, mean_d = mplstereonet.pole2strike(mean_lon, mean_lat)

パイダイアグラム（褶曲軸）

# Bedding measurements around a fold
strikes = np.array([20, 35, 50, 70, 90, 110, 130, 150, 165, 180])
dips = np.array([45, 40, 35, 30, 25, 30, 35, 40, 45, 50])

fig, ax = mplstereonet.subplots()
ax.pole(strikes, dips, 'ko', markersize=6)

# Fit girdle to poles - fold axis is pole to girdle
girdle_strike, girdle_dip = mplstereonet.fit_girdle(strikes, dips)
ax.plane(girdle_strike, girdle_dip, 'r-', linewidth=2)

fold_trend, fold_plunge = mplstereonet.pole(girdle_strike, girdle_dip)
ax.line(fold_trend, fold_plunge, 'r^', markersize=12, label='Fold axis')

ax.grid()
ax.legend()

断層面とすべりベクトル

fault_strike, fault_dip = 45, 60
rake = 30  # Degrees from strike

# Convert rake to trend/plunge
slip_trend, slip_plunge = mplstereonet.rake(fault_strike, fault_dip, rake)

fig, ax = mplstereonet.subplots()
ax.plane(fault_strike, fault_dip, 'r-', linewidth=2)
ax.line(slip_trend, slip_plunge, 'r>', markersize=10)
ax.grid()

複数の節理セット

set1 = {'strikes': [45, 50, 42, 48], 'dips': [70, 75, 68, 72]}
set2 = {'strikes': [135, 140, 130, 138], 'dips': [60, 65, 58, 62]}

fig, ax = mplstereonet.subplots()
ax.pole(set1['strikes'], set1['dips'], 'ro', label='Set 1')
ax.pole(set2['strikes'], set2['dips'], 'bs', label='Set 2')
ax.grid()
ax.legend()

測定値の表記規則

形式	説明	例
走向／傾斜	右手の法則（走向の右側へ傾斜）	045/60
傾斜方向／傾斜	傾斜方向の方位角	135/60
トレンド／プランジ	線状の方位	180/30

形式の変換

# Strike/dip to dip direction
strike, dip = 45, 60
dip_direction = (strike + 90) % 360

# Pole to strike/dip
lon, lat = mplstereonet.pole(strike, dip)
back_strike, back_dip = mplstereonet.pole2strike(lon, lat)

等高線の手法

手法	説明
kamb	統計的有意性（デフォルト）
schmidt	点計数
exponential_kamb	平滑化されたKamb

代替手段との比較と使い分け

ツール	最適な用途	制限事項
mplstereonet	Pythonでの手軽なステレオネット作成、matplotlibとの統合、スクリプト化されたワークフロー	インタラクティブな回転には非対応、3D機能は限定的
apsg	高度な構造解析、テンソル、方位統計	学習曲線が急
JTOPO	GUIでのインタラクティブな探索、教育	Javaベース、スクリプト化できない

次の場合はmplstereonetを使用してください。 matplotlibと統合したプログラムによるステレオネットの生成、方位データセットの一括処理、または論文向けの再現可能な構造プロットが必要な場合です。

次の場合は代替手段を検討してください。 方位のインタラクティブな3D可視化が必要な場合（apsgを使用）、教育や手早い確認のためのGUIが必要な場合（JTOPOを使用）、またはmplstereonetで提供される範囲を超える高度なテンソル統計が必要な場合です。

一般的なワークフロー

層理面の方位を解析して褶曲軸を特定する

• CSVまたは配列から走向／傾斜の測定値を読み込む
• mplstereonet.subplots()でステレオネットを作成する
• ax.pole(strikes, dips)で層理面の極をプロットする
• ax.density_contourf()で密度等高線を生成する
• mplstereonet.fit_girdle()で極に大円をフィッティングする
• mplstereonet.pole()で大円の極として褶曲軸を計算する
• ax.line(trend, plunge)で褶曲軸をプロットする
• グリッドと凡例を追加し、図を保存する

参考資料

• 投影法の種類 - 等積投影と等角投影の比較
• プロットのオプション - カスタマイズとスタイル設定

スクリプト

• scripts/structural_analysis.py - 構造データを解析してプロットを生成