在使用Python和Cartopy对气候数据进行可视化分析的过程中，有一个叫做循环点（cyclic point）的术语，它在地理空间栅格数据可视化领域中很重要。
什么是循环点，它有什么用？
有时，当我们试图绘制地理空间数据时，我们可能会在投影边缘遇到不连续（跳跃）。这通常是由于我们在地理空间数据集中存储经度数据的方式导致的。
假设我们有一组具有经度和纬度维度的数据。我们的经度从0°到359.9°（含），分辨率为0.1°（3600个值），纬度从-90°到90°（含），分辨率为0.1°（1801个值）。我们最终的数组形状为(1801, 3600)。
为什么我们的数据集不包含360度经度的值？答案很简单，因为360°经度与 0°经度相同。
现在，让我们尝试在cartopy地图上绘制数据。我们使用了可以从Climate Data Store下载的数据集，这是一个ERA5-Land从1950年到现在的月平均数据数据集。我们将使用带有cfgrib后端的xarray以grib格式加载此数据集，然后使用matplotlib可视化数据。
import xarray as xr
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
import numpy as np
# 读取形状为（16, 1801, 3600）的数据集
# 选择第5个时间索引，以获得2D数组
# 将开尔文转换为摄氏度
ds = xr.open_dataset("data/era5_temperature.grib", engine="cfgrib")
ds = ds.isel(time=5) - 273.15
# 定义绘图函数
def plot_data(ds):
# 指定投影
proj = ccrs.PlateCarree()
# 用投影对象创建一个图和轴
fig, ax = plt.subplots(figsize=(16,9), subplot_kw={'projection': proj})
# 为等高线图创建层次
temperature_levels = np.arange(-40,41,2)
# 增加更多的参数
additional_kwargs = {
"antialised": True,
"transform": proj,
"levels": temperature_levels
}
# 绘制数据
ds["t2m"].plot.contourf(ax=ax, cmap='nipy_spectral', **additional_kwargs)
# 设置范围
ax.set_extent([-10, 20, 40, 60], crs=proj)
plt.show()
plot_data(ds)
请注意从顶部跨越到底部的白线恰好在0°经度处，这就是我们要讨论的问题。
向数据添加循环点
幸运的是，Cartopy有一个功能可以让我们解决这个问题。该函数称为add_cyclic_point，可以从cartopy.util模块导入。
此函数采用数据数组和可选坐标，并返回循环数据和循环坐标。这意味着我们将增加一个等于360的经度坐标，数据等于经度359.9°。让我们用数据本身来证明这一点。
首先，我们将循环点添加到我们的数据中，然后比较经度359.9°和经度 360°处的值。
from cartopy.util import add_cyclic_point
import xarray as xr
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
import numpy as np
def add_cyclic_point_to_dataset(ds):
# 加载数据
data = ds["t2m"]
# 用循环点生成数据，用循环点生成经度
cyclic_data, cyclic_longitude = add_cyclic_point(data.values, coord=data['longitude'])
# 创建新的坐标，将用于创建新的数据集
# 复制现有数据集的坐标，用循环经度替换经度
coords = {dim: data.coords[dim] for dim in data.dims}
coords["longitude"] = cyclic_longitude
new_ds = xr.Dataset(
data_vars={
"t2m": xr.DataArray(cyclic_data, dims=data.dims, coords=coords)
})
return new_ds
new_ds = add_cyclic_point_to_dataset(ds)
new_ds["t2m"].shape
# (1801, 3601)
difference = ds["t2m"].sel(lnotallow=0, method="nearest") - new_ds["t2m"].sel(lnotallow=360, method="nearest")
difference = difference.fillna(0) # fill nan values with 0
any(difference != 0)
# False让我们重用plot_data()函数并将其命名为plot_data(new_ds)。当我们绘制使用循环点扩展的数据时，我们可以看到白线消失了，我们的绘图现在是正确的。
本文介绍了cartopy中不常见的函数add_cyclic_point。在绘制地理空间数据时，你可能会遇到这样的白线，希望本文能帮助你解决问题。
