Python绘制土壤类型（UNIQ变量）_土壤可视因子 python-优快云博客

土壤类型或土地利用数据的变量是UNIQ类型，不是连续值，绘制填色图时，不推荐使用等值线填色绘制，使用格点填色图（pcolormash）

注意：UNIQ是离散的，但是colbar的刻度是连续的。自动的设置colorbar刻度基本不会放在对应颜色的中间，需要设置一定的偏移量。

如果需要在colorbar中去除图中没有出现过的颜色，需要对原来的数据进行重新映射！！！

下列给出绘制的主要代码：

函数部分：

import matplotlib.pyplot as plt
import numpy as np
import cartopy.crs as ccrs
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import cartopy.io.shapereader as shpreader
import rasterio
from matplotlib.colors import ListedColormap
plt.rcParams['font.family'] = 'Times New Roman'  # 设置字体为 Times New Roman
plt.rcParams['font.size'] = 24

soil_file =  '/China.tif'

#--------------------------------------------------------

def Soil_types(uniq=None):
    """
    为地表土壤类型分类提供颜色映射和标签。
    
    参数：
        uniq (array-like, 可选): 地表类型的唯一标识符，默认是 [0, 1, 2, ..., 12]。

    返回：
        cm (ListedColormap): 地表覆盖的颜色映射。
        labels (array-like): 每个地表类型的标签。
    """
    if uniq is None:  # 默认包含所有地表类型
        uniq = np.arange(0, 13)
    inds = uniq 

    # 用户提供的颜色列表
    colors = [
        '#D3D3D3',  # 0 unclassified
        "#9370DB",  # 1 clay(heavy)
        "#DA70D6",  # 2 silty clay
        "#FFB6C1",  # 3 clay
        "#FFA07A",  # 4 silty clay loam
        "#B22222",  # 5 clay loam
        "#FFFACD",  # 6 silt
        "#FFE4B5",  # 7 silt loam
        "#90EE90",  # 8 sandy clay
        "#E1FFFF",  # 9 loam
        "#00FFFF",  # 10 sandy clay loam
        "#87CEFA",  # 11 sandy loam
        "#6495ED",  # 12 loamy sand
    ]

    # 提取指定类型的颜色
    cm = ListedColormap(np.array(colors)[inds])

    # 地表类型标签
    labels = [
        'unclassified',      # 0
        "clay(heavy)",       # 1
        "silty clay",        # 2
        "clay",              # 3
        "silty clay loam",   # 4
        "clay loam",         # 5
        "silt",              # 6
        "silt loam",         # 7
        "sandy clay",        # 8
        "loam",              # 9
        "sandy clay loam",   # 10
        "sandy loam",        # 11
        "loamy sand",        # 12
    ]
    
    return cm, np.array(labels)[inds]



def ld1(data):
    """
    处理地表覆盖分类数据并返回绘图相关的属性。

    参数：
        data: 地表覆盖数据，可以是 NumPy 数组或其他支持转换为 NumPy 数组的格式。

    返回：
        - ticks: 刻度位置，用于设置图例或色带。
        - labels: 地表覆盖类型的标签列表。
        - cm: 颜色映射 (ListedColormap)。
        - n_max: 地表覆盖类型的数量。
    """
    cm, labels = Soil_types()
    
    n_max = len(labels)-1   # 最大值是 n_max, 这里减去 1 使得最后的 ticks 是 0 到 n_max 范围
    ticks = np.linspace(0, n_max, n_max + 2) 
    #土壤类型的数值是是0~12，共13个，需要13个对应的颜色。
    #colorbar的刻度类似于数轴，将数轴分为13等分需要砍14刀（14到里有两刀在数轴的两端，所以比平时理解的多了两刀）
    #砍了两刀后，产生了14个数值，但是这14个数值位置是在颜色的分界线上，这里需要的是在每个颜色的中间，
    #所以，需要将相邻的数值求平均后，就得到了每个颜色中间的数值。
    
    new_ticks = (ticks[:-1] + ticks[1:]) / 2
    return new_ticks, labels, cm, n_max

绘图部分

fig = plt.figure(figsize=(12, 12),dpi=300)
ax = fig.add_axes([0, 0, 1, 1], projection=ccrs.PlateCarree()) 
ax.set_extent([70, 140, 0, 55])

new_ticks, labels, cm ,n_max = ld1(data)


im = ax.pcolormesh(lon, lat, data, vmin=0, vmax=12 ,
                   cmap=cm, alpha=0.8, transform=ccrs.PlateCarree())
cbar = plt.colorbar(im, ax=ax ,orientation='horizontal', pad=0.05)
cbar.set_ticks(new_ticks)
cbar.ax.set_xticklabels(labels,fontsize=15) 
for label in cbar.ax.get_xticklabels():
    label.set_rotation(30)

shapefile_path = '省界.shp'
reader = shpreader.Reader(shapefile_path)
ax.add_geometries(reader.geometries(), crs=ccrs.PlateCarree(), edgecolor='k', 
                  facecolor='none', linewidth=1.2)