期刊图片复现|Python绘制遥感影像空间分布图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport matplotlib.colors as mcolorsimport matplotlib.patches as mpatchesimport rasterioimport numpy as np

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#00A08A', '#9BD8C9', '#FDFDF5', '#FFB3B9', '#FF6B7A'],}SCHEME_ID = 1  #要使用的配色方案hex_colors = COLOR_SCHEMES.get(SCHEME_ID, COLOR_SCHEMES[1])  #提取配色方案

# =========================================================================================# ======================================4.绘图函数======================================# =========================================================================================def plot_exposure_map(data, extent, gdf, bounds, title_text):    cmap = mcolors.ListedColormap(hex_colors)  #创建离散的颜色映射器    norm = mcolors.BoundaryNorm(bounds, cmap.N)  #基于数据阈值列表创建一个归一化对象，用于将数值映射到相应的离散颜色块    #创建画布    fig, ax = plt.subplots(figsize=(10, 8), dpi=300)    # 在坐标轴上绘制传入的二维栅格数组图像    im = ax.imshow(data,  #数据                   cmap=cmap,  #颜色映射                   norm=norm,  #颜色归一化规则                   extent=extent,  #空间范围左, 右, 下, 上                   interpolation='nearest')  #使用最近邻插值，保证像素边缘清晰且不改变原有数值    #绘制矢量多边形边界    gdf.boundary.plot(ax=ax,  #坐标轴                      edgecolor='gray',  #边界线颜色                      linewidth=1,  #边界线宽度                      alpha=1)  #边界线透明度

    ax.set_aspect('equal')  #X轴与Y轴的比例设置    ax.set_xlim(extent[0], extent[1])  #X轴的显示范围，使其与栅格数据的左右边界对齐    ax.set_ylim(extent[2], extent[3])  #Y轴的显示范围，使其与栅格数据的上下边界对齐    # 移除X轴的刻度与经纬度标注    ax.set_xticks([])    ax.set_yticks([])    # 设置边框线    for spine in ax.spines.values():        spine.set_linewidth(1.2)        spine.set_color('black')

    box_width = 0.97  # 标题背景框的相对宽度    box_height = 0.06  #标题背景框的相对高度    # 创建矩形背景框    title_box = mpatches.FancyBboxPatch(        (0.02, 1.03),  #左下角的相对起始坐标        box_width,  #宽度        box_height,  #高度        boxstyle="round,pad=0.01,rounding_size=0.03",  #圆角        edgecolor="black",  #背景框边线的颜色        facecolor="#FFFDF0",  #背景框内部的填充颜色        linewidth=1,  #边界宽度        linestyle="--",  #边线型        transform=ax.transAxes,  # 坐标系        clip_on=False,  #允许该背景框在坐标轴范围外被绘制而不被裁切        zorder=10  #层级    )

     #图例文本    labels = ['Low exposure', 'Relatively low exposure', 'Moderate exposure', 'Relatively high exposure',              'High exposure']    # 调用并生成图例，传入前面构建好的图例元素列表    legend = ax.legend(handles=legend_elements,  #图例元素列表                       loc='lower right',  #位置                       bbox_to_anchor=(0.97, 0.03),  #位置                       title="Legend",  #标题                       fontsize=12,  #字体大小                       title_fontsize=12,  #图例标题文字的字体大小                       labelspacing=0.5,  #图例标签之间的垂直间距                       borderpad=0.6,  #图例框边框与内部元素之间的空白内边距                       handlelength=1.5,  #图例色块的长度比例                       handleheight=1.0,  #图例色块的高度比例                       frameon=True,  #外边框                       edgecolor='gray',  #边框线颜色                       facecolor='white')  #图例框内部填充色    legend.get_title().set_fontweight('bold')  #获取图例标题对象并设置字体为加粗样式

    nx, ny = 0.06, 0.24  #指北针图形起点的相对X、Y坐标    w, h = 0.025, 0.16  #指北针箭头形状的横向半宽和垂直总高度    tail_indent = 0.045  #指北针尾部向内凹陷的垂直深度参数    left_polygon = np.array([[nx, ny], [nx - w, ny - h], [nx, ny - h + tail_indent]])  #指北针左半侧多边形的3个顶点坐标    right_polygon = np.array([[nx, ny], [nx + w, ny - h], [nx, ny - h + tail_indent]])  #指北针右半侧多边形的3个顶点坐标    # 定位在指北针顶端的X坐标    ax.text(nx,  #X            ny + 0.01,  #Y            'N',  #文本            ha='center',  #水平            va='bottom',  #垂直            fontsize=16,  #字体大小            transform=ax.transAxes,  #坐标系            zorder=10)  #层级

target_scale_degrees = 0.5181  #设置目标比例尺公里对应的经度跨度map_real_width_degrees = extent[1] - extent[0]  #经度差scale_fraction = target_scale_degrees / map_real_width_degrees  #计算50公里比例尺在整幅地图宽度中所占的相对比例scale_x, scale_y = 0.03, 0.9  #设置比例尺左侧起点的X、Y相对坐标#添加比例尺文本ax.text(scale_x,  #X        text_y,  #Y        '0',  #文本        ha='center',  #水平        va='top',  #垂        fontsize=font_sz,  #字体大小        transform=ax.transAxes)  #坐标系ax.text(scale_x + frac_25, text_y, '12.5', ha='center', va='top', fontsize=font_sz,transform=ax.transAxes)ax.text(scale_x + frac_50, text_y, '25', ha='center', va='top', fontsize=font_sz, transform=ax.transAxes)ax.text(scale_x + frac_100, text_y, '50', ha='center', va='top', fontsize=font_sz,transform=ax.transAxes)ax.text(scale_x + frac_100 + 0.01, scale_y + step_h / 2, 'KM', ha='left', va='center', fontsize=font_sz,transform=ax.transAxes)

# =========================================================================================# ======================================4.绘图函数======================================# =========================================================================================if __name__ == "__main__":    tif_path = r'2.tif'  #栅格数据的路径    shp_path = r'州.shp'  #矢量数据的路径    title_str = "(a) Children"  #主标题    if gdf.crs != raster_crs:  #判断矢量数据的坐标系与栅格的坐标系是否一致        gdf = gdf.to_crs(raster_crs)  #若不一致，则将矢量重投影转换到和栅格一样的坐标系下以保证正常叠加    #调用绘图函数    plot_exposure_map(        data=data,  #栅格数据数组        extent=extent,  #边界四至范围        gdf=gdf,  # 矢量边界        bounds=bounds,  #分级阈值列表        title_text=title_str,  # 标题    )

SCHEME_ID = 1  #要使用的配色方案

2.设置图例的文本：

labels = ['Low exposure', 'Relatively low exposure', 'Moderate exposure', 'Relatively high exposure',          'High exposure']

labels = ['Low exposure', 'Relatively low exposure', 'Moderate exposure', 'Relatively high exposure',          'High exposure']

4.设置绘图结果的保存地址：

plt.savefig( fr'Final{SCHEME_ID}.png', dpi=300, bbox_inches='tight',pad_inches=0.3)

5.设置栅格数据的保存路径：

tif_path = r'杭州.tif'  #栅格数据的路径

6.设置矢量数据的保存路径：

shp_path = r'杭州.shp'  #矢量数据的路

7.设置主图的标题：

title_str = "(a) Children"  #主标题