Cartopy：Python地理數據處理庫

一、介紹

Cartopy是一個Python開源地圖製圖庫。它提供了一種簡單而有效的方式來處理和可視化地理信息數據，並可以與眾多其他Python數據處理庫集成使用。Cartopy的主要目標是支持MATLAB用戶和其他科學Python用戶在地理坐標系中進行數據處理和繪圖，從而使得地理數據處理變得更加容易。

二、功能

Cartopy提供了一些開放式源數據和地圖投影轉換工具，以及所有Earth Observation (EO)數據所需的地圖製圖功能。功能包含以下三個部分：

① 地理坐標系統（CRS）–實現了從輸入投影（投影后坐標系）到輸出投影（投影后坐標系）之間的基本轉換，這是任何地圖製圖應用程序的基礎。

② 地圖特徵–提供了一些標準的地圖特徵，比如河流、湖泊和國家邊界等，方便製作基本圖。

③ 矢量數據–Cartopy支持geojson、shapely或任何其他類型的矢量輸入數據。

三、Cartopy安裝指南（Python 3.x）

pip install cartopy

如果您使用的是Ubuntu 14.04及以上的操作系統，可以使用以下命令安裝：

sudo apt-get install libproj-dev proj-data proj-bin

使用Anaconda環境，可以使用以下命令安裝:

conda install -c conda-forge cartopy

四、使用Cartopy處理地理數據

1. 繪製簡單地理數據

在Cartopy中，我們可以輕鬆地繪製各種地理數據。以下是一個使用Cartopy畫出地球的例子：

import cartopy.crs as ccrs
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1,
                     projection=ccrs.PlateCarree())
ax.coastlines()
plt.show()

在這個例子中，我們使用ccrs.PlateCarree()定義繪圖的投影方式，並使用ax.coastlines()繪製海岸線。

2. 繪製地理數據和點

以下示例展示如何在一個Cartopy圖形中繪製地圖數據和點：

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
lat = np.array([42.58, 40.01])
lon = np.array([-121.52, -113.80])
fig = plt.figure(figsize=(9, 4))
ax = fig.add_subplot(1, 1, 1,
                     projection=ccrs.PlateCarree())
transform = ccrs.PlateCarree()._as_mpl_transform(ax)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.BORDERS)
ax.scatter(lon, lat, s=40, marker='o',
           color='red', transform=transform)
plt.show()

在這個例子中，我們添加了POLITICAL和OCEAN特徵，並使用ax.scatter()在地圖上繪製出兩個點。

3. 繪製等值線和色帶

以下示例展示了如何在Cartopy中繪製等值線和色帶圖：

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
x = np.linspace(-10, 10, 500)
y = np.linspace(-10, 10, 500)
X, Y = np.meshgrid(x, y)
Z = np.sin(X)*np.cos(Y)+np.random.rand(*X.shape)*0.1
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson())
levels = np.linspace(-1.2, 1.2, 40)
plt.contourf(X, Y, Z, levels=levels, cmap='RdBu_r')
plt.colorbar()
ax.coastlines()
plt.show()

在這個例子中，我們首先使用np.linspace()和np.meshgrid()函數生成一些數據，然後在調用plt.contourf()函數時指定等值線的級別和色帶顏色。

4. 繪製覆蓋層和標記

以下示例展示了如何在Cartopy中繪製溫度數據、省界和標記：

import cartopy.crs as ccrs
from cartopy.mpl.ticker import (LongitudeFormatter,
                                 LatitudeFormatter)
import matplotlib.pyplot as plt
import cartopy.feature as cfeature
import pandas as pd
from cartopy.io import shapereader
from matplotlib import cm
data = pd.read_csv('temperature.csv')
province = shapereader.Reader('province.shp')
res = []
for record in province.records():
    name = record.attributes['name']
    geometry = record.geometry
    res.append((name, geometry))
fig = plt.figure(figsize=(10, 6))
ax = fig.add_axes([0.05, 0.05, 0.9, 0.9],
                  projection=ccrs.PlateCarree())
for name, geometry in res:
    ax.add_geometries([geometry], crs=ccrs.PlateCarree(),
                      edgecolor='black', facecolor='none',
                      linewidths=0.5)
lats = data['latitude']
lons = data['longitude']
temp = data['temperature']
norm = plt.Normalize(temp.min(), temp.max())
cmap = cm.RdYlBu_r
ax.scatter(lons, lats, s=50, c=temp, cmap=cmap, norm=norm,
           transform=ccrs.PlateCarree())
ax.set_extent([110, 125, 30, 43], crs=ccrs.PlateCarree())
ax.set_xticks(np.arange(110, 126, 5), crs=ccrs.PlateCarree())
ax.set_yticks(np.arange(30, 44, 5), 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)
ax.add_feature(cfeature.LAND.with_scale('50m'))
ax.add_feature(cfeature.OCEAN.with_scale('50m'))
ax.add_feature(cfeature.RIVERS.with_scale('50m'))
plt.show()

在這個例子中，我們在地圖上添加了省級界線特徵，使用plt.Normalize()函數來規範化溫度，然後使用ax.scatter()繪製溫度數據點和標記。

五、總結

Cartopy是Python中用於製作地圖和處理地理數據的最佳庫之一。Cartopy內置了廣泛的地圖特徵，可以集成地形圖、國家邊界、海洋和河流等信息。同時，Cartopy還支持多種地圖投影方式和數據格式，適合各種地圖製圖需求。儘管在繪製過程中可能需要花費一些時間，但使用Cartopy可以輕鬆地繪製複雜的地圖，定製化地顯示您的數據，並使您的科學數據更加易於理解。