微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

python – 使用Cartopy在地图上显示图像时的投影问题

我有一些我想用cartopy显示的卫星图像数据.我已成功按照图像示例详细介绍了here.导致此代码

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

fig = plt.figure(figsize=(12,12))
img_extent = (-77,-59,9,26)

ax = plt.axes(projection=ccrs.PlateCarree())
# image data coming from server,code not shown
ax.imshow(img,origin='upper',extent=img_extent)
ax.set_xmargin(0.05)
ax.set_ymargin(0.10)

# mark a kNown place to help us geo-locate ourselves
ax.plot(-117.1625,32.715,'bo',markersize=7)
ax.text(-117,33,'San Diego')

ax.coastlines()
ax.gridlines()

plt.show() 

代码生成以下图像

我的问题是卫星图像数据不在PlateCarree投影中,而是墨卡托投影.

但是当我得到轴对象时

ax = plt.axes(projection=ccrs.Mercator())

我失去了海岸线.

我看到了here报告的问题.但是

ax.set_global()

得到这张图片的结果:

数据不存在,圣地亚哥位置错误.纬度/经度范围也发生了变化.我究竟做错了什么?

发布讨论更新

主要问题是我没有使用transform_points方法在目标投影中正确指定图像范围.我还必须具体说明菲尔建议的imshow方法中的坐标参考系统.这是正确的代码

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

proj = ccrs.Mercator()
fig = plt.figure(figsize=(12,12))
extents = proj.transform_points(ccrs.Geodetic(),np.array([-77,-59]),np.array([9,26]))

img_extents = (extents[0][0],extents[1][0],extents[0][6],extents[1][7] ) 

ax = plt.axes(projection=proj)
# image data coming from server,extent=img_extents,transform=proj)

ax.set_xmargin(0.05)
ax.set_ymargin(0.10)

# mark a kNown place to help us geo-locate ourselves
ax.plot(-117.1625,markersize=7,transform=ccrs.Geodetic())
ax.text(-117,'San Diego',transform=ccrs.Geodetic())

ax.coastlines()
ax.gridlines()

plt.show() 

导致这个正确地理投影的卫星图像:

最佳答案
理想情况下,在使用cartopy绘图时(通过transform关键字),尝试始终具体说明数据所在的坐标参照系.这意味着您只需在脚本中切换投影,数据就会自动放在正确的位置.

所以在你的情况下,plt.imshow应该有一个transform = ccrs.Mercator()关键字参数(你可能需要一个更具体的参数化墨卡托实例).如果您的范围是大地测量(拉特和长子),则必须将边界框转换为墨卡托坐标,但除此之外,其他所有区域都应按预期工作.

注意:我将去更新example以包含变换参数;-)(PR:https://github.com/SciTools/cartopy/pull/343)

HTH

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


我最近重新拾起了计算机视觉,借助Python的opencv还有face_recognition库写了个简单的图像识别demo,额外定制了一些内容,原本想打包成exe然后发给朋友,不过在这当中遇到了许多小问题,都解决了,记录一下踩过的坑。 1、Pyinstaller打包过程当中出现warning,跟d
说到Pooling,相信学习过CNN的朋友们都不会感到陌生。Pooling在中文当中的意思是“池化”,在神经网络当中非常常见,通常用的比较多的一种是Max Pooling,具体操作如下图: 结合图像理解,相信你也会大概明白其中的本意。不过Pooling并不是只可以选取2x2的窗口大小,即便是3x3,
记得大一学Python的时候,有一个题目是判断一个数是否是复数。当时觉得比较复杂不好写,就琢磨了一个偷懒的好办法,用异常处理的手段便可以大大程度帮助你简短代码(偷懒)。以下是判断整数和复数的两段小代码: 相信看到这里,你也有所顿悟,能拓展出更多有意思的方法~
文章目录 3 直方图Histogramplot1. 基本直方图的绘制 Basic histogram2. 数据分布与密度信息显示 Control rug and density on seaborn histogram3. 带箱形图的直方图 Histogram with a boxplot on t
文章目录 5 小提琴图Violinplot1. 基础小提琴图绘制 Basic violinplot2. 小提琴图样式自定义 Custom seaborn violinplot3. 小提琴图颜色自定义 Control color of seaborn violinplot4. 分组小提琴图 Group
文章目录 4 核密度图Densityplot1. 基础核密度图绘制 Basic density plot2. 核密度图的区间控制 Control bandwidth of density plot3. 多个变量的核密度图绘制 Density plot of several variables4. 边
首先 import tensorflow as tf tf.argmax(tenso,n)函数会返回tensor中参数指定的维度中的最大值的索引或者向量。当tensor为矩阵返回向量,tensor为向量返回索引号。其中n表示具体参数的维度。 以实际例子为说明: import tensorflow a
seaborn学习笔记章节 seaborn是一个基于matplotlib的Python数据可视化库。seaborn是matplotlib的高级封装,可以绘制有吸引力且信息丰富的统计图形。相对于matplotlib,seaborn语法更简洁,两者关系类似于numpy和pandas之间的关系,seabo
Python ConfigParser教程显示了如何使用ConfigParser在Python中使用配置文件。 文章目录 1 介绍1.1 Python ConfigParser读取文件1.2 Python ConfigParser中的节1.3 Python ConfigParser从字符串中读取数据
1. 处理Excel 电子表格笔记(第12章)(代码下载) 本文主要介绍openpyxl 的2.5.12版处理excel电子表格,原书是2.1.4 版,OpenPyXL 团队会经常发布新版本。不过不用担心,新版本应该在相当长的时间内向后兼容。如果你有新版本,想看看它提供了什么新功能,可以查看Open