使用 cartopy 绘制来自 netcdf 的数据不是在 0 经度处绘制数据

Question

我从网格数据开始我的旅程，我一直在尝试从带有 cartopy 的 netcdf 文件中绘制一些温度数据。我遵循了一些示例，但我不明白为什么我的地块中间有一条白线。 （我已经检查了数据，矩阵充满了数字，没有 NaN）

import cartopy.crs as ccrs
import matplotlib.pyplot as plt
import numpy as np
import xarray as xr
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatterimport glob


data = xr.open_dataset('aux1.nc')
lat = data.lat
lon = data.lon
time = data.time
Temp = data.air


#Calculo la temperatura media anual
Tanual = Temp.resample(time="y").mean()
#Promedio de todos los meses
Tprom = Temp.mean(dim="time").values


#Grafico
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
ax.coastlines()
ax.set_global()
ct = ax.contourf(lon,lat,Tprom,transform=ccrs.PlateCarree(),cmap="bwr")
ax.gridlines()
cb = plt.colorbar(ct,orientation="vertical",extendrect='True')
cb.set_label("Temperatura [°C]")
ax.set_xticks(np.arange(-180,181,60), crs=ccrs.PlateCarree())
ax.set_yticks(np.arange(-90,91,30), crs=ccrs.PlateCarree())
lon_formatter = LongitudeFormatter(zero_direction_label=True)
lat_formatter = LatitudeFormatter()
ax.xaxis.set_major_formatter(lon_formatter)
ax.yaxis.set_major_formatter(lat_formatter)

https://i.stack.imgur.com/aPHz4.jpg

Answer 1

好问题！问题在于，对于大多数网格化气候数据，经度坐标类似于：

array([1.25, 3.75, 6.25, ..., 351.25, 353.75, 356.25, 358.75])

因此没有明确的longitude=0 点，这通常会在情节中为您提供一条细白线。我有时也会在已发表的论文（甚至是“自然”）中看到这个问题！

有很多方法可以解决这个问题，但最简单的方法是使用cartopy 包，它有一个名为add_cyclic_point 的实用程序，它基本上插入longitude=0 点两侧的数据。 （参考：https://scitools.org.uk/cartopy/docs/v0.15/cartopy/util/util.html）

这种方法的唯一缺点是，当使用xarray 时，这意味着您必须手动提取数据，然后您会丢失元数据，所以我编写了一个函数来保持它的易用性，同时维护元数据.

from cartopy.util import add_cyclic_coord
import xarray as xr 

def xr_add_cyclic_point(da):
    """
    Inputs
    da: xr.DataArray with dimensions (time,lat,lon)
    """

    # Use add_cyclic_point to interpolate input data
    lon_idx = da.dims.index('lon')
    wrap_data, wrap_lon = add_cyclic_point(da.values, coord=da.lon, axis=lon_idx)

    # Generate output DataArray with new data but same structure as input
    outp_da = xr.DataArray(data=wrap_data, 
                           coords = {'time': da.time, 'lat': da.lat, 'lon': wrap_lon}, 
                           dims=da.dims, 
                           attrs=da.attrs)

    return outp_da

示例

因此，例如，如果我的初始 DataArray 如下所示：

<xarray.DataArray 'tas' (time: 60, lat: 90, lon: 144)>
[777600 values with dtype=float32]
Coordinates:
  * lat      (lat) float64 -89.49 -87.98 -85.96 -83.93 ... 85.96 87.98 89.49
  * lon      (lon) float64 1.25 3.75 6.25 8.75 11.25 ... 351.3 353.8 356.2 358.8
  * time     (time) object 1901-01-16 12:00:00 ... 1905-12-16 12:00:00
Attributes:
    long_name:         Near-Surface Air Temperature
    units:             K
    valid_range:       [100. 400.]
    cell_methods:      time: mean
    standard_name:     air_temperature
    original_units:    deg_k
    original_name:     t_ref
    cell_measures:     area: areacella
    associated_files:  baseURL: http://cmip-pcmdi.llnl.gov/CMIP5/dataLocation...

当我绘制时间平均值时，给出：

tas.mean(dim='time').plot.contourf()

现在，我可以使用我的函数生成一个新的插值 DataArray，如下所示：

wrapped_tas = xr_add_cyclic_point(tas)

wrapped_tas

<xarray.DataArray (time: 60, lat: 90, lon: 145)>
array([[[251.19466, 251.19469, 251.19472, ..., 251.19226, 251.19073,
         251.19466], ...
        [250.39403, 250.39468, 250.39961, ..., 250.39429, 250.39409,
         250.39403]]], dtype=float32)
Coordinates:
  * time     (time) object 1901-01-16 12:00:00 ... 1905-12-16 12:00:00
  * lat      (lat) float64 -89.49 -87.98 -85.96 -83.93 ... 85.96 87.98 89.49
  * lon      (lon) float64 1.25 3.75 6.25 8.75 11.25 ... 353.8 356.2 358.8 361.2
Attributes:
    long_name:         Near-Surface Air Temperature
    units:             K
    valid_range:       [100. 400.]
    cell_methods:      time: mean
    standard_name:     air_temperature
    original_units:    deg_k
    original_name:     t_ref
    cell_measures:     area: areacella
    associated_files:  baseURL: http://cmip-pcmdi.llnl.gov/CMIP5/dataLocation...

如您所见，经度坐标已扩展了一个点，从 144->145 长度，这意味着它现在“环绕”longitude=0 点。

这个新的 DataArray 在绘制时会给出一个没有白线的图 :)

wrapped_tas.mean(dim='time').plot.contour()

希望有帮助！！ :)