1 簡介

　　下面的這幅圖可能很多讀者朋友們都看到過，這是英國搖滾樂隊Joy Division在1979年發行的其第一張錄音室專輯Unknown Pleasures的封面，由藝術家Peter Saville基於射電脈沖星信號的數據圖創作而成，成為了一種流行文化的符號標志。

圖1

　　類似圖1的風格，在地圖制作中也存在着一種山脊地圖，基於記錄地表海拔信息的高程數據，我們可以利用水平方向上的基於實際位置海拔高度的曲線，來對某塊區域的地形進行更具藝術性的表達。

圖2

　　而今天的文章，我們就來一起基於Python，配合顏色與字體的選擇搭配，使用簡短的代碼，就可以創作出藝術海報級別的山脊地圖。

2 基於ridge_map的山脊地圖繪制

　　我們主要使用matplotlib與ridge_map來完成一幅山脊圖的創作，使用pip install ridge_map 完成對ridge_map的安裝之后，我們先一個非常簡單的例子開始：

from ridge_map import RidgeMap
import matplotlib.font_manager as fm
import matplotlib.pyplot as plt

# 從本地的字體文件中注冊字體
font_prop = fm.FontProperties(fname="fonts/UncialAntiqua-Regular.ttf")

# 基於傳入的區域左下角、右上角經緯度
# 來獲取原始高程數據並繪制成山脊地圖
# 如果你有“特殊的上網技巧”，這一步等待時間會很短
(
    RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080),
             font=font_prop)
    .plot_map(label="Hawai'i")
)

plt.savefig('圖3.png')

圖3

　　這就是ridge_map繪制山脊地圖的基本模式，利用matplotlib.font_manager注冊要使用的字體，再將繪圖區域bbox信息與字體屬性傳入RidgeMap()之后調用plot_map()方法即可進行繪制。

　　但如果你想要制作出像下面這種更多定制內容的山脊地圖，就需要了解多一些知識：

圖4

　　下面我們分部分來展開介紹：

2.1 數據准備

　　我們統一使用RidgeMap接受bbox參數確定區域范圍，格式為(左下角經度, 左下角緯度, 右上角經度, 右上角緯度)，其基於的高程數據來自NASA的SRTM數據集，分辨率為1弧秒（約30米），適用於北緯60°到南緯60°之間的區域。

　　ridge_map中數據准備的完整過程如下，其中get_elevation_data方法的num_lines參數用於控制返回數據對應的水平線數量，越大約細密，默認為80；viewpoint參數用於確定指南針所指的方向，默認為south：

# 初始化
rm = RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080),
              font=font_prop)

# 在線獲取高程數據
values = rm.get_elevation_data(num_lines=200, viewpoint='north')

　　而獲取到的values實際上是范圍內各條水平線海拔變化情況的二維numpy數組：

圖5

2.2 數據加工

　　在第一步獲取到的數據的基礎上，我們可以利用RidgeMap的preprocess方法來進行加工，從而實現一些諸如改變高度映射比例、低窪地區篩選的功能，其主要參數如下：

values：傳入上一步獲取到的二維數組數據

water_ntile：浮點數，范圍應在0到100之間，作為數據刪除的閾值，即高度低於總體water_ntile%分位數的數據會被視作水體，從而在圖像中不顯示

vertical_ratio：用於設置原始高度值在繪圖中被擴大的倍數，越大越誇張

values = rm.preprocess(values=values,
                       water_ntile=10,
                       vertical_ratio=240)

rm.plot_map(values, label="Hawai'i")

plt.savefig('圖6.png')

圖6

2.3 繪制圖像

　　做完上述數據加工之后，我們就可以調用plot_map()方法來進行山脊圖的繪制，其主要參數如下：

values：傳入之前處理好的values

label：用於設置圖像上疊加的文字標簽內容

label_x：0-1之間的浮點數，用於確立文字標簽左下角相對於繪圖區域的比例x坐標

label_y：類似label_x，調整y坐標

label_verticalalignment：調整文字標簽在豎直方向上的對齊方式，默認為'bottom'

label_size：控制文字標簽字體大小，默認為40

line_color：設置線條的色彩，默認為'black'，當傳入matplotlib中的colormap對象時即開啟了色彩映射模式

kind：設置色彩映射策略，'gradient'表示與高度無關，在畫幅豎直方向上進行色彩漸變，'elevation'則將色彩映射與高度相綁定

linewidth：設置線條粗細，默認為2

background_color：設置圖像背景色

　　其他參數都非常簡單易懂，這里來重點展示不同kind參數下結果的不同：

kind='gradient'

rm.plot_map(values, label="Hawai'i", kind='gradient', line_color=plt.get_cmap('Reds'))

圖7

　　可以看到在gradient模式下，整幅圖像上的線條色彩從上向下按照colormap進行漸變。

kind='elevation'

rm.plot_map(values, label="Hawai'i", kind='elevation', line_color=plt.get_cmap('Reds'))

plt.savefig('圖8.png')

圖8

　　可以看到這時我們的線條色彩基於的是高度信息。

2.4 結合matplotlib

　　因為ridge_map基於的是matplotlib，所以我們可以類似geopandas繪圖那樣，在調用plot_map時向ax參數傳入已經存在的Axes對象，從而結合不同類型的圖像，就像下面這個簡單的例子一樣：

圖9

　　在get到ridge_map的有趣用法之后，我們就可以對合法范圍內任意一個地方進行繪制，譬如下面我們繪制的重慶市中心城區的部分范圍：

font_prop = fm.FontProperties(fname="fonts/LongCang-Regular.ttf")

rm = RidgeMap(bbox=(106.360758,29.385385,106.74734,29.676339),
              font=font_prop)

values = rm.get_elevation_data(num_lines=250, viewpoint='south')
values = rm.preprocess(values=values,
                       water_ntile=5,
                       vertical_ratio=90)

rm.plot_map(values, label="", 
            kind='elevation', 
            line_color=plt.get_cmap('plasma'),
            label_size=100)

plt.savefig('圖10.png')

圖10

　　以上就是本文的全部內容，你可以盡情發揮創作出具有創意的山脊地圖。歡迎在評論區與我進行討論~

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。