番外篇4_Geoist之地圖的畫法

1嘹屯、Cartopy vs Basemap

地球物理研究離不開畫圖抚垄,特別是畫地圖。Matplotlib-Basemap就是為了畫題圖而開發(fā)的呆馁,最初用來幫助和研究氣候和天氣預(yù)報(bào)的,但是長(zhǎng)期以來它的API并不是特別好用阴挣,特別是在跨平臺(tái)安裝上纺腊。新一代路線圖,準(zhǔn)備用Cartopy替換basemap誓沸,未來basemap也將停止更新壹粟。

2020 年以后 Python 2.7 將停止更新,Basemap 會(huì)按照官方計(jì)劃也遷移到 Cartopy 模塊洪添。所以雀费,我們需要深入了解一下Cartopy和知道它有啥好。

首先盏袄, 官方文檔說cartopy自帶地理數(shù)據(jù)這一特征,大大簡(jiǎn)化了地圖制圖過程中準(zhǔn)備數(shù)據(jù)的過程炭菌。

下面我們來試試這個(gè)庫的效果逛漫,首先準(zhǔn)備底圖,Cartopy自帶了一些基礎(chǔ)數(shù)據(jù)克握,如:stock_img()是反映地形高程的背景枷踏。

另外,還有一些海岸線停团,湖泊邊界之類的數(shù)據(jù),直接add_feature函數(shù)可以控制 佑稠。

但有這些還不夠,尤其是國界捆蜀,最好用測(cè)繪局的幔嫂,可以避免畫錯(cuò)的問題,還有斷層信息這些數(shù)據(jù)也需要自己給锰茉,add_geometries函數(shù)來搞定切心,測(cè)試了shp格式的本地矢量數(shù)據(jù),添加進(jìn)去沒問題。

下面的圖1就是小哥生成的一張地圖定鸟,可以作為展示計(jì)算結(jié)果的底圖。

圖1 Cartopy的繪圖效果

那么啼县,添加信息怎么辦呢沸久?記住幾個(gè)函數(shù)就行了plot和scatter是最常用的,讓我們添加一些地震分布上去吧子刮,scatter函數(shù)支持顏色和大小控制窑睁,添加地震后的效果如圖2。這里大小與震級(jí)相關(guān)橱赠,顏色與震源深度相關(guān)箫津。

圖2 添加地震分布信息

有了這些可能還不夠宰啦,還有有個(gè)圖例赡模,不著急惕耕,往下看,legend函數(shù)可以搞定圖例司澎,有時(shí)候自動(dòng)生成的不好,還可以自定義谚殊,用*scatter.legend_elements設(shè)置即可蛤铜,小哥試著加了一個(gè)圖例,如圖3所示剿干。

圖3 標(biāo)注圖例和南北地震帶位置

上面幾張圖的代碼置尔,如下(為了看起來更加連貫,我就不一點(diǎn)點(diǎn)解釋了榜轿,代碼不復(fù)雜朵锣,很容易看懂,小哥也是從官網(wǎng)等渠道根據(jù)需要抄來的作業(yè)):

import numpy as np
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.io.shapereader import Reader
import matplotlib.pyplot as plt
import shapely.geometry as sgeom
from matplotlib.offsetbox import AnchoredText

datapath = Path(Path(catalog.__file__).parent,'data')
#1. 底圖信息
ax = plt.axes(projection=ccrs.PlateCarree())
ax.set_extent([72, 137, 10, 55])
ax.stock_img()
ax.coastlines()
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.LAKES)
ax.add_feature(cfeature.RIVERS)
# 2.網(wǎng)格線
ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=True)
# 3.自定義信息
fname = Path(datapath, 'bou1_4l.shp')
f2name = Path(datapath, 'bou2_4l.shp')
faults = Path(datapath, 'gem_active_faults.shp')

ax.add_geometries(Reader(str(faults)).geometries(),
                  ccrs.PlateCarree(),facecolor = 'none',
                  edgecolor='red')
ax.add_geometries(Reader(str(f2name)).geometries(),
                  ccrs.PlateCarree(),  facecolor = 'none', 
                  edgecolor='gray', linestyle=':')
ax.add_geometries(Reader(str(fname)).geometries(),
                  ccrs.PlateCarree(),  facecolor = 'none', 
                  edgecolor='black')
# 4.地震分布
scatter = ax.scatter(data.longitude, data.latitude,
           s= (0.2* 2 ** data.mag)**2, 
           c=data.depth / data.depth.max(), alpha=0.8,
           transform=ccrs.PlateCarree())

# 5.標(biāo)注圖例
kw = dict(prop="colors", num= 6, fmt="{x:.0f} km",
          func=lambda s: s*data.depth.max())
legend1 = ax.legend(*scatter.legend_elements(**kw),
                    loc="lower left", title="Depth")
ax.add_artist(legend1)
kw = dict(prop="sizes", num=5, color=scatter.cmap(0.7), fmt="M {x:.1f}",
          func=lambda s: np.log2(np.sqrt(s)/0.2))
legend2 = ax.legend(*scatter.legend_elements(**kw),
                    loc="upper left", title="Mag")
# 6.標(biāo)注范圍
extent = (95, 108, 19.5, 44.5)
extent_box = sgeom.box(extent[0], extent[2], extent[1], extent[3])
ax.add_geometries([extent_box], ccrs.PlateCarree(), color='white',
                  alpha=0.5, edgecolor='black', linewidth=2)
# 7. 版權(quán)信息
SOURCE = 'GEOIST 2020'
LICENSE = 'MIT'
text = AnchoredText(r'$\mathcircled{{c}}$ {}; license: {}'
                    ''.format(SOURCE, LICENSE),
                    loc=4, prop={'size': 12}, frameon=True)
ax.add_artist(text)
plt.show()

2、pygmt是GMT嗎助析?

在地球物理學(xué)界椅您,GMT的名氣可謂無人不知。強(qiáng)大的矢量繪圖能力和跨平臺(tái)能力掀泳,為很多科研人員解決了高質(zhì)量成圖的困擾西轩。

Python陣營這么紅火藕畔,怎么少了GMT的接口呢?這不GMT也開始官方支持python了庄拇,即pygmt。

pygmt是GMT6.0之后的一個(gè)官方版本溶弟,以前當(dāng)然也有很多類似的第三方接口瞭郑,但是都不是官方的。

這里要強(qiáng)調(diào)的是pygmt還不是一個(gè)成熟擒权、穩(wěn)定的項(xiàng)目阁谆,還在開發(fā)中,我們測(cè)試一下效果即可剖效。仿照上面的例子裳凸,先做底圖后添加信息劝贸,繪圖效果如圖4所示,GMT那標(biāo)志性的圖框梦湘,熟悉吧件甥,讓我看看代碼怎么寫吧!

圖4 pygmt的繪圖效果
import pygmt as pg
fig = pg.Figure()
fig.basemap(region=region, projection=prj, frame=frame)
fig.coast(shorelines=sls, land="#666666", water="skyblue")
fig.plot(x=data.longitude,y=data.latitude,
         sizes=0.01 * 2 ** data.mag,
         color=data.depth / data.depth.max(),
         cmap="viridis",  style="cc", pen="black")
fig.savefig(filename)

代碼不復(fù)雜瓣颅,核心的就這幾句話譬正,注意一下上面的代碼寫法檬姥,是不是與matplotlib的pyplot接口用法很像健民,我想這就是pythonic GMT吧贫贝!但是,繪圖過程會(huì)出現(xiàn)很多次dos的黑色彈出框稚晚,感覺不是太好。建議大家可以再等等筑辨,至少1.0版本出來再用幸逆。

一句話總結(jié):今天寫這個(gè)筆記,也是小哥自己的學(xué)習(xí)過程楚昭,現(xiàn)在Geoist里面混用了好幾種地圖繪制的庫拍顷,后面會(huì)進(jìn)一步根據(jù)最新的技術(shù)來封裝Geoist自己的繪圖函數(shù),目標(biāo)是盡量減少繪圖任務(wù)和減小技術(shù)之間的耦合關(guān)系尿贫,Geoist開發(fā)也不想一下子提供太多的解決方案,而是期望做一套最好的即可庆亡,因?yàn)槔谈澹犹诉^了,盡量不要讓后人再掉進(jìn)去彰亥。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末衰齐,一起剝皮案震驚了整個(gè)濱河市默辨,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌例诀,老刑警劉巖响牛,帶你破解...
    沈念sama閱讀 218,284評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異背蟆,居然都是意外死亡哮幢,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門垛叨,熙熙樓的掌柜王于貴愁眉苦臉地迎上來柜某,“玉大人,你說我怎么就攤上這事剂癌『舶恚” “怎么了?”我有些...
    開封第一講書人閱讀 164,614評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵谐檀,是天一觀的道長(zhǎng)裁奇。 經(jīng)常有香客問我,道長(zhǎng)框喳,這世上最難降的妖魔是什么厦坛? 我笑而不...
    開封第一講書人閱讀 58,671評(píng)論 1 293
  • 正文 為了忘掉前任杜秸,我火速辦了婚禮,結(jié)果婚禮上撬碟,老公的妹妹穿的比我還像新娘莉撇。我一直安慰自己棍郎,他們只是感情好银室,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,699評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著辜荠,像睡著了一般抓狭。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上午笛,一...
    開封第一講書人閱讀 51,562評(píng)論 1 305
  • 那天叠纹,我揣著相機(jī)與錄音,去河邊找鬼与涡。 笑死,一個(gè)胖子當(dāng)著我的面吹牛驼卖,可吹牛的內(nèi)容都是我干的鸿秆。 我是一名探鬼主播,決...
    沈念sama閱讀 40,309評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼桥胞,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼考婴!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起沥阱,我...
    開封第一講書人閱讀 39,223評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后舰始,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體咽袜,經(jīng)...
    沈念sama閱讀 45,668評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,859評(píng)論 3 336
  • 正文 我和宋清朗相戀三年及老,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了骄恶。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,981評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡僧鲁,死狀恐怖象泵,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情偶惠,我是刑警寧澤,帶...
    沈念sama閱讀 35,705評(píng)論 5 347
  • 正文 年R本政府宣布绑改,位于F島的核電站厘线,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏造壮。R本人自食惡果不足惜骂束,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,310評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望旨枯。 院中可真熱鬧析藕,春花似錦、人聲如沸账胧。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽居夹。三九已至,卻和暖如春准脂,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背狸膏。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評(píng)論 1 270
  • 我被黑心中介騙來泰國打工湾戳, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人砾脑。 一個(gè)月前我還...
    沈念sama閱讀 48,146評(píng)論 3 370
  • 正文 我出身青樓韧衣,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國和親畅铭。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,933評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容