使用 Python cartopy 绘制精细阴影线的地图

Map with fine hatching using Python cartopy

我尝试使用 contourf 创建地理地图,包括阴影区域(表示重要性)​​。

这是一个 MWE:

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

lats = np.arange(-90, 91, 10)
lons = np.arange(-180, 181, 20)
data = np.sin(np.arange(len(lats)*len(lons))).reshape(len(lats), len(lons))

proj = ccrs.Robinson()
fig, ax = plt.subplots(figsize=(6, 7), subplot_kw={'projection': proj})
im = ax.contourf(
    lons, lats, data,
    transform=ccrs.PlateCarree(),
)
ax.contourf(
    lons, lats, data > data.mean(),
    transform=ccrs.PlateCarree(),
    colors='none',
    levels=[.5, 1.5],
    hatches='///////',
)

ax.coastlines()
ax.set_global()
cbar = fig.colorbar(im, ax=ax, location='bottom')

我遇到的困难是调整阴影的属性。它太粗糙了,我想调整它以便能够解析更精细的结构。可以通过缩放图形大小来做到这一点:

scale = 10

fig, ax = plt.subplots(figsize=(6*scale, 7*scale), subplot_kw={'projection': proj})
ax.contourf(
    lons, lats, data,
    transform=ccrs.PlateCarree(),
)
ax.contourf(
    lons, lats, data > data.mean(),
    transform=ccrs.PlateCarree(),
    colors='none',
    levels=[.5, 1.5],
    hatches='///////',
)

ax.coastlines()
ax.set_global()
cbar = fig.colorbar(im, ax=ax, location='bottom')

但这确实会弄乱其他所有内容(文本、线宽等),并且在任何情况下都可能不是最好的方法。 在这种情况下,是否有更好的方法来调整阴影的属性?

contourf 中的参数 hatches 应该是大小为 2 的列表,因为您有两个级别。然后,您可以通过重复图案来增加阴影图案的密度,例如 density*'/'。所以总的来说,这条线应该是 hatches=[density*'/',density*'/']。 下面是我将密度设置为 7 时的示例:

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

lats = np.arange(-90, 91, 10)
lons = np.arange(-180, 181, 20)
data = np.sin(np.arange(len(lats)*len(lons))).reshape(len(lats), len(lons))

proj = ccrs.Robinson()
fig, ax = plt.subplots(figsize=(6, 7), subplot_kw={'projection': proj})
im = ax.contourf(
    lons, lats, data,
    transform=ccrs.PlateCarree())
density=7
ax.contourf(
    lons, lats, data > data.mean(),
    transform=ccrs.PlateCarree(),
    colors='none',
    levels=[.5,1.5],
    hatches=[density*'/',density*'/'],
)

ax.coastlines()
ax.set_global()
cbar = fig.colorbar(im, ax=ax)

并且输出给出: