Python+Matplotlib绘制等高线,从此地形图配色自由(附代码)

你是否厌倦了ArcGIS默认生成的、配色单调的等高线图？是否曾希望自己绘制的地形图能像专业期刊插图一样，既精确又美观，让甲方眼前一亮？

今天，我们就用Python的Matplotlib库，解锁等高线绘制的高级玩法。你将学会如何摆脱软件默认束缚，实现真正的“配色自由”，做出比传统GIS软件出图更漂亮、更具表现力的地形可视化作品。

为何你需要定制化的等高线配色？

一张图的配色，决定了它80%的视觉冲击力和专业感。

ArcGIS等专业软件功能强大，但其默认的配色方案往往保守、单一，难以满足个性化汇报、学术出版或高端项目展示的需求。自定义配色不仅能：

• 突出关键地形特征（如陡坡、河谷、山脊）。
• 匹配项目或品牌的视觉风格。
• 增强图件的可读性和艺术性，在众多报告中脱颖而出。

掌握Matplotlib绘制等高线，意味着你将数据呈现的主动权牢牢握在自己手中。

从零开始：用Matplotlib绘制等高线

1. 环境与数据准备

首先，确保你的Python环境已安装NumPy和Matplotlib。

import numpy as npimport matplotlib.pyplot as plt

加入设置中文字体及负号以免无法显示中文

# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']  # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

创建一个模拟的山地地形数据作为示例。在实际应用中，你可以将Z替换为你自己的高程数据矩阵（例如从DEM数据读取）。

# 生成模拟地形数据x = np.linspace(-5, 5, 100)y = np.linspace(-5, 5, 100)X, Y = np.meshgrid(x, y)  # 生成网格坐标Z = np.sin(np.sqrt(X**2 + Y**2)) + 0.1 * np.cos(5*X)  # 模拟高程值

2. 核心绘制步骤

绘制等高线填充图（地形）和等高线（地形线）是两步核心操作。

# 创建一个图形plt.figure(figsize=(8, 6), dpi=150) # 设置高清画布# 1. 绘制填充等高线（地形色块）# `contourf`是关键，levels控制等高线分级数，cmap控制配色方案cs = plt.contourf(X, Y, Z, levels=20, cmap='terrain', alpha=0.9)# 2. 添加等高线（地形线）# 在填充图上叠加轮廓线，使地形起伏更清晰contour_lines = plt.contour(X, Y, Z, levels=20, colors='black', linewidths=0.5, alpha=0.6)# 3. 添加颜色条plt.colorbar(cs, label='高程 (模拟单位)')# 4. 添加标题和标签plt.title('自定义配色等高线地形图', fontsize=14, pad=15)plt.xlabel('X 坐标')plt.ylabel('Y 坐标')# 5. 显示图形plt.tight_layout()plt.show()

运行这段代码，你将得到一张基础但已比默认样式美观的等高线图。

进阶核心：让你的配色“高级”起来

Matplotlib提供了海量的内置配色方案（Colormap），但如何选择和应用才是关键。

配色策略宝典

• 地形专用色系：

  plt.contourf(X, Y, Z, cmap='gist_earth')

• 'terrain': 经典地形色，从绿色（低地）到棕色（山地）再到白色（雪山）。
• 'gist_earth': 另一种逼真的地球表面配色。

• 连续渐变色系（突出高程变化）：

  plt.contourf(X, Y, Z, cmap='plasma')

• 'viridis' / 'plasma'： 现代、悦目且色盲友好的科学配色。
• 'summer' / 'wistia'： 温暖明亮的色调。

• 离散阶梯配色（清晰区分高度带）： 使用ListedColormap自定义颜色列表，适合法规图或需要明确分级的场景。

  from matplotlib.colors import ListedColormap# 自定义一个从蓝到红的分级色带custom_cmap = ListedColormap(['#2E86AB', '#A23B72', '#F18F01', '#C73E1D'])plt.contourf(X, Y, Z, levels=4, cmap=custom_cmap)

• 色盲友好原则： 避免同时使用红-绿对比。优先选择'viridis', 'plasma', 'cividis'等经过设计的色盲友好配色。

一个完整的漂亮示例

让我们将所学组合，生成一张可直接用于展示的“王牌”地形图。

import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import LinearSegmentedColormap# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']  # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False# 用来正常显示负号# 1. 生成更自然、复杂的地形数据np.random.seed(42)  # 固定随机种子，使结果可重现# 提高分辨率使等高线更圆滑x = np.linspace(-3, 3, 500)  # 增加点数y = np.linspace(-3, 3, 500)X, Y = np.meshgrid(x, y)# 创建复杂地形：多个高斯峰的组合 + 噪声 + 山脉结构# 使用更平滑的函数组合Z = (# 主峰2.5 * np.exp(-((X-1.2)**2 + (Y-0.8)**2)/0.6) +# 次峰2.0 * np.exp(-((X+1.5)**2 + (Y+1.2)**2)/1.0) +1.8 * np.exp(-((X+0.5)**2 + (Y-1.8)**2)/0.8) +# 山脊线1.5 * np.exp(-((X+1.8)**2 + (Y-1.0)**2)/1.2) +1.2 * np.exp(-((X-1.8)**2 + (Y+1.3)**2)/1.1) +# 山谷和起伏0.6 * np.sin(X*2.5) * np.cos(Y*2.0) * np.exp(-(X**2+Y**2)/6) +# 添加一些线状结构0.7 * np.exp(-((X*0.7 + Y*0.7 - 1.2)**2)/0.2) +0.6 * np.exp(-((X*0.6 - Y*0.8 + 1.3)**2)/0.25) +0.5 * np.exp(-((X*0.9 - Y*0.4 - 1.5)**2)/0.3))# 添加一个断裂结构fault = 1.0 / (1 + np.exp(-(X - Y*0.4 + 1.2)*6))Z = Z * (1 + 0.25*fault)# 手动实现简单的平滑处理（使等高线更圆滑）def smooth_terrain(Z, iterations=2):"""简单的平滑处理"""    Z_smooth = Z.copy()for _ in range(iterations):        Z_temp = Z_smooth.copy()# 四点平均（上下左右）        Z_smooth[1:-1, 1:-1] = (            Z_temp[1:-1, 1:-1] * 0.4 +  # 中心点权重            (Z_temp[:-2, 1:-1] + Z_temp[2:, 1:-1] +              Z_temp[1:-1, :-2] + Z_temp[1:-1, 2:]) * 0.15# 邻居点权重        )return Z_smooth# 应用平滑Z = smooth_terrain(Z, iterations=2)# 2. 创建自定义渐变配色colors = ["#2c7bb6",  # 深蓝（低海拔）"#abd9e9",  # 浅蓝"#ffffbf",  # 浅黄"#fdae61",  # 橙黄"#d7191c",  # 红色（高海拔）]my_cmap = LinearSegmentedColormap.from_list("RealTerrain", colors, N=100)# 3. 绘图fig, ax = plt.subplots(figsize=(12, 10), dpi=150)# 填充地形 - 增加填充级别数使过渡更平滑levels_filled = np.linspace(Z.min(), Z.max(), 50)cf = ax.contourf(X, Y, Z, levels=levels_filled, cmap=my_cmap, extend='both', antialiased=True)# 叠加等高线 - 增加等高线数量使地形更精细levels_contour = np.linspace(Z.min() + 0.2, Z.max() - 0.2, 20)cl = ax.contour(X, Y, Z, levels=levels_contour, colors='black', linewidths=0.5, alpha=0.5, antialiased=True)# 等高线标注（选择有代表性的进行标注）# 自动选择一些位置进行标注ax.clabel(cl, inline=True, fontsize=8, fmt='%1.1f', inline_spacing=3)# 添加山脊线或特殊地形标注ax.text(1.0, 0.5, '主峰', fontsize=10, color='white', weight='bold',         bbox=dict(facecolor='black', alpha=0.6, boxstyle='round,pad=0.3'))ax.text(-1.8, -1.2, '山谷', fontsize=10, color='white', weight='bold',        bbox=dict(facecolor='black', alpha=0.6, boxstyle='round,pad=0.3'))# 颜色条cbar = fig.colorbar(cf, ax=ax, shrink=0.8, pad=0.02, extend='both')cbar.set_label('海拔高度 (m)', rotation=270, labelpad=20, fontsize=11)# 美化ax.set_title('真实地形等高线图 - 非对称山脉系统', fontsize=16, weight='bold', pad=20)ax.set_xlabel('东向坐标 (km)', fontsize=11)ax.set_ylabel('北向坐标 (km)', fontsize=11)ax.set_aspect('equal')# 添加比例尺ax.plot([-2.5, -1.5], [-2.5, -2.5], 'k-', linewidth=3)ax.text(-2, -2.6, '1 km', ha='center', fontsize=10, color='black')# 设置坐标轴范围ax.set_xlim(-3, 3)ax.set_ylim(-3, 3)# 添加浅色网格ax.grid(True, linestyle='--', alpha=0.2, color='gray', linewidth=0.5)# 添加指北针ax.annotate('N', xy=(2.7, 2.7), xytext=(2.8, 2.8),            arrowprops=dict(arrowstyle='->', color='black', lw=2),            fontsize=12, weight='bold')# 添加地形特征标注ax.scatter([1.2, -1.5, -0.5], [0.8, -1.2, 1.8], c='white', s=30, edgecolors='black', linewidths=1, zorder=5)plt.tight_layout()plt.savefig('realistic_terrain_contour.png', dpi=300, bbox_inches='tight', facecolor='white')plt.show()# 打印地形信息print(f"地形统计信息:")print(f"最低点: {Z.min():.2f}")print(f"最高点: {Z.max():.2f}")print(f"高差: {Z.max() - Z.min():.2f}")print(f"数据点数量: {Z.shape[0]} x {Z.shape[1]}")

运行结果：

下一步：应用到你的数据

理论再好，不如亲手一试。将上面的代码模板中的X, Y, Z替换为你自己的数据（例如，使用np.loadtxt加载CSV高程数据），并尝试更换不同的cmap参数。

你的行动步骤：

1. 准备数据：将你的地形数据整理成网格化的二维数组Z。
2. 选择配色：根据你的数据范围和展示目的，从上述策略中挑选一个配色方案。
3. 调试与优化：调整levels（分级数）、alpha（透明度）和等高线linewidths（线宽），直到效果满意。
4. 输出与分享：使用plt.savefig()保存高清图片，惊艳你的观众。

把上面的配色策略应用到你自己的地形数据中，收藏本教程便于快速查找。

从此，告别千篇一律的默认出图，用代码绘制出既有科学深度又有视觉美感的专业地形图。你的下一个项目展示，就从这张与众不同的等高线图开始吧！

#Python实战 #绘图技巧 #干货分享 #GIS替代方案 #科研绘图 #可视化教程 #地形制图

以往文章合集：

1.HouanSoftware套件介绍

2.HouanSoftware套件之AutoCAD插件使用说明

3.HouanSoftware套件之应用程序使用说明

4.python与测绘