近日，在处理sst月均数据时，绘制出季节性的空间分布图时，发现：绘出的图像在0°出现一条白线，经过查询将问题已经解决。
图像问题如下：
其中，需要使用到cartopy.util模块下的add_cyclic_point函数。
该函数**add_cyclic_point（data,coord）**包含两个关键参数。data表示需要参与循环的数据，我这里就是sst。coord表示需要参与循环的维度，因为是经度方向出了问题，所以这里选择的就是经度。
大致使用思路如下：
from cartopy.util import add_cyclic_point cycle_sst, cycle_lon = add_cyclic_point(sst, coord=lon) cycle_LON, cycle_LAT = np.meshgrid(cycle_lon, lat)
首先当然是要导入这个模块啦，然后通过这个函数对你的循环数据（我这里是海表温度sst，是一个二维的数据[lat：73，lon：144]）和出问题的维度进行处理。之后，将处理后的维度与旧的维度进行网格化处理。（我这里就是将循环生成的新经度和没有参与循环的旧纬度重新网格化得到新的cycle_lon,cycle_lat,最后再和循环生成的新sst绘制等值线填充图）
处理之后再次绘制等值填充图，可以发现白线已经消失啦~~，非常的amazing呀~！！
附上代码，处理前：
from cartopy.util import add_cyclic_point import matplotlib.ticker as mticker from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter import pandas as pd from netCDF4 import num2date import cmaps import matplotlib.pyplot as plt import numpy as np import netCDF4 as nc import cartopy.crs as ccrs from scipy import interpolate import os import numpy as np import xarray as xr path1='F://olr.nc' path2='F://sst.nc' da = xr.open_dataset(path2) orl=xr.open_dataset(path1) da = xr.open_dataset(path2) orl=xr.open_dataset(path1) sst = da['sst'] sst= sst.interp(lat=orl.lat.values, lon=orl.lon.values,kwargs={ "fill_value": "extrapolate"}) lon=sst['lon'][:] lat=sst['lat'] time=sst['time'][:] time=time.loc['1982':'2012'][:] sst_new=sst.loc['1982':'2012'][:] lon_range = lon[(lon>=0) & (lon<360)] lat_range = lat sst_region =sst_new.sel(lon=lon_range, lat=lat_range) season_summary = sst_region.groupby( 'time.season').mean('time', skipna=True) fig=plt.figure(figsize=(20,12))#设置一个画板，将其返还给fig plt.rcParams['font.family'] = 'Times New Roman' plt.rcParams['font.size'] = 15 ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree(central_longitude=0)) ax.coastlines() cm = plt.cm.get_cmap('bwr')#Spectral_r cb = ax.contourf(lon, lat_range,season_summary[1],cmap=cm,levels=np.arange(20,36),\ ) # cycle_sst, cycle_lon = add_cyclic_point(season_summary[1], coord=lon) # cycle_LON, cycle_LAT = np.meshgrid(cycle_lon, lat_range) # cb=ax.contourf(cycle_LON,cycle_LAT, cycle_sst,levels=np.arange(20,36),cmap='bwr',\ # ) ax.set_extent([-180, 180, -20, 20], crs=ccrs.PlateCarree()) ax.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax.set_yticks(np.arange(-20, 25, 5),crs=ccrs.PlateCarree()) ax.xaxis.set_major_formatter(LongitudeFormatter())#经度0度不加东西 ax.yaxis.set_major_formatter(LatitudeFormatter()) cm = plt.cm.get_cmap('bwr')#Spectral_r ax.set_title('JJA') cbar = plt.colorbar(cb,shrink=0.7)
处理后代码：
from cartopy.util import add_cyclic_point import matplotlib.ticker as mticker from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter import pandas as pd from netCDF4 import num2date import cmaps import matplotlib.pyplot as plt import numpy as np import netCDF4 as nc import cartopy.crs as ccrs from scipy import interpolate import os import numpy as np import xarray as xr path1='F://olr.nc' path2='F://sst.nc' da = xr.open_dataset(path2) orl=xr.open_dataset(path1) da = xr.open_dataset(path2) orl=xr.open_dataset(path1) sst = da['sst'] sst= sst.interp(lat=orl.lat.values, lon=orl.lon.values,kwargs={ "fill_value": "extrapolate"}) lon=sst['lon'][:] lat=sst['lat'] time=sst['time'][:] time=time.loc['1982':'2012'][:] sst_new=sst.loc['1982':'2012'][:] lon_range = lon[(lon>=0) & (lon<360)] lat_range = lat sst_region =sst_new.sel(lon=lon_range, lat=lat_range) season_summary = sst_region.groupby( 'time.season').mean('time', skipna=True) fig=plt.figure(figsize=(20,12))#设置一个画板，将其返还给fig plt.rcParams['font.family'] = 'Times New Roman' plt.rcParams['font.size'] = 15 ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree(central_longitude=0)) ax.coastlines() **cycle_sst, cycle_lon = add_cyclic_point(season_summary[1], coord=lon) cycle_LON, cycle_LAT = np.meshgrid(cycle_lon, lat_range) cb=ax.contourf(cycle_LON,cycle_LAT, cycle_sst,levels=np.arange(20,36),cmap='bwr',\ )** ax.set_extent([-180, 180, -20, 20], crs=ccrs.PlateCarree()) ax.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax.set_yticks(np.arange(-20, 25, 5),crs=ccrs.PlateCarree()) ax.xaxis.set_major_formatter(LongitudeFormatter())#经度0度不加东西 ax.yaxis.set_major_formatter(LatitudeFormatter()) cm = plt.cm.get_cmap('bwr')#Spectral_r ax.set_title('JJA') cbar = plt.colorbar(cb,shrink=0.7)
处理后图片如下：
一个努力学习python的海洋小白 水平有限，欢迎指正！！！ 欢迎评论、收藏。
