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(fā)行的其第一張錄音室專輯「Unknown Pleasures」的封面，由藝術(shù)家「Peter Saville」基于射電脈沖星信號的數(shù)據(jù)圖創(chuàng)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(fēng)格，在地圖制作中也存在著一種「山脊地圖」，基于記錄地表海拔信息的「高程數(shù)據(jù)」，我們可以利用水平方向上的基于實際位置海拔高度的曲線，來對某塊區(qū)域的地形進行更具藝術(shù)性的表達。

圖2

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

2 基于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(chuàng)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")

#?基于傳入的區(qū)域左下角、右上角經(jīng)緯度
#?來獲取原始高程數(shù)據(jù)并繪制成山脊地圖
#?如果你有“特殊的上網(wǎng)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(qū)域bbox信息與字體屬性傳入RidgeMap()之后調(diào)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(nèi)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(shù)據(jù)準備

我們統(tǒng)一使用RidgeMap接受bbox參數(shù)確定區(qū)域范圍，格式為(左下角經(jīng)度, 左下角緯度, 右上角經(jīng)度, 右上角緯度)，其基于的高程數(shù)據(jù)來自「NASA」的SRTM數(shù)據(jù)集，分辨率為1弧秒（約30米），適用于北緯60°到南緯60°之間的區(qū)域。

ridge_map中數(shù)據(jù)準備的完整過程如下，其中get_elevation_data方法的num_lines參數(shù)用于控制返回數(shù)據(jù)對應(yīng)的水平線數(shù)量，越大約細密，默認為80；viewpoint參數(shù)用于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(shù)據(jù)
values?=?rm.get_elevation_data(num_lines=200,?viewpoint='north')

而獲取到的values實際上是范圍內(nèi)各條水平線海拔變化情況的二維numpy數(shù)組：

圖5

2.2 數(shù)據(jù)加工

在第一步獲取到的數(shù)據(jù)的基礎(chǔ)上，我們可以利用RidgeMap的preprocess方法來進行加工，從而實現(xiàn)一些諸如改變高度映射比例、低洼地區(qū)篩選的功能，其主要參數(shù)如下：

?
「values」：傳入上一步獲取到的二維數(shù)組數(shù)據(jù)
「water_ntile」：浮點數(shù)，范圍應(yīng)在0到100之間，作為數(shù)據(jù)刪除的閾值，即高度低于總體**water_ntile%**分位數(shù)的數(shù)據(jù)會被視作水體，從而在圖像中不顯示
「vertical_ratio」：用于設(shè)置原始高度值在繪圖中被擴大的倍數(shù)，越大越夸張
?

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(shù)據(jù)加工之后，我們就可以調(diào)用plot_map()方法來進行山脊圖的繪制，其主要參數(shù)如下：

?
「values」：傳入之前處理好的values
「label」：用于設(shè)置圖像上疊加的文字標簽內(nèi)容
「label_x」：0-1之間的浮點數(shù)，用于確立文字標簽左下角相對于繪圖區(qū)域的比例x坐標
「label_y」：類似「label_x」，調(diào)整y坐標
「label_verticalalignment」：調(diào)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(shè)置線條的色彩，默認為'black'，當(dāng)傳入matplotlib中的colormap對象時即開啟了色彩映射模式
「kind」：設(shè)置色彩映射策略，'gradient'表示與高度無關(guān)，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(shè)置線條粗細，默認為2
「background_color」：設(shè)置圖像背景色
?

其他參數(shù)都非常簡單易懂，這里來重點展示不同kind參數(shù)下結(jié)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于的是高度信息。

2.4 結(jié)合matplotlib

因為ridge_map基于的是matplotlib，所以我們可以類似geopandas繪圖那樣，在調(diào)用plot_map時向ax參數(shù)傳入已經(jīng)存在的Axes對象，從而結(jié)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(nèi)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(qū)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')