Python | Skyborn | 弯曲箭头绘制

Curly Vector

之前无聊逛Github，看到有人想将NCL中的Curly Vector函数弄进Python。

主要是matplotlib库的quiver函数绘制的箭头太直了，画出来的图也不太好看。

大部分从NCL转到Python的用户还是很喜欢NCL的箭头风格。

不过NCL绘制出来的矢量箭头确实是挺好看的。

之前的解决方案

之前的解决方案，均依赖于kieranmrhunt写的modplot.py

如：skyborn |手把手教你用 Skyborn 画出专业的大气风场流线图（弯曲箭头3.0）

但是这个方案本质上沿用了matplotlib里 streamplot/streamline 一类的流线积分思路，先积分出一条短流线，再在上面挂一个箭头。

所以，使用modplot绘制的弯曲曲线，整体上仍需要满足这类流线算法对网格和积分过程的约束。

正因如此，先前的解决方案在垂直剖面、非均匀坐标轴等场景下往往难以稳定绘制，或者最终效果不够理想。

可以看出图中红色圈圈出来歪歪扭扭的箭头，我称它是 “蚯蚓线”，这蚯蚓线，一直让人心里很不舒服。

为了画图更美观，需要有新的解决方案。

新的解决方案

这次Skyborn库更新，带来了新的Curly Vector。

系统要求：

• Python版本：3.9 - 3.14
• 操作系统：Windows (x64)、macOS (Intel/Apple Silicon)、Linux (x86_64)

安装命令：

# 标准安装pip install skyborn# 或使用国内镜像加速pip install -i https://pypi.tuna.tsinghua.edu.cn/simple skyborn# 升级到最新版本pip install --upgrade skyborn

这样使用：

下面只展示核心调用，完整脚本里还需要你自己准备 lon/lat/u/v、投影对象，以及对应的画布。

from skyborn.plot import curly_vector, curly_vector_keyvector = curly_vector(        lon2d,        lat2d,        u,        v,        transform=proj,        density=density,        color=color_code,        cmap=cmap,        norm=norm,        linewidth=linewidth,        arrowstyle="->",        arrowsize=arrowsize,        integration_direction=direction,        ref_magnitude=reference_speed,        ref_length=0.08,    )curly_vector_key(        ax=ax,        curly_vector_set=vector,        U=reference_speed,        units="m/s",        x=0.76,        y=1.02,        label="10 m/s",        labelpos="E",        show_description=False,    )

常用参数：

• lon2d, lat2d风场所在的经纬度坐标。可以是 1D 规则网格，也可以像这里这样直接传 2D 网格。

• u, v风场的两个分量。u 是东西向，v 是南北向。

• transform=proj告诉 curly_vector：输入坐标属于哪个地图坐标系。用 Cartopy 绘图时基本都要传。

• density=density控制弯曲矢量的疏密程度。值越大，图上矢量越密，计算也越慢。

• color=color_code控制每个矢量的颜色。既可以是单一颜色，也可以像这里一样传一个和 u/v 同形状的二维场，用来分类着色。

• cmap=cmap当 color 是二维数值场时，用这个色表把数值映射成颜色。

• norm=norm配合 cmap 使用，定义数值到颜色的分级/归一化规则。比如把 0/1 映射成黑色/绿色。

• linewidth=linewidth控制弯曲尾迹的线宽。可以是单个数，也可以是二维场。

• arrowstyle="->"控制箭头头部样式。这里是开放式箭头头，更接近 NCL 里常见的线性箭头感觉。

• arrowsize=arrowsize控制箭头头部尺寸。它主要影响箭头头，不直接决定尾巴长短。

• ref_magnitude=reference_speed参考风速。定义“多大的风速对应一根标准长度的矢量”。

• ref_length=0.08参考长度。定义这个参考风速在图上画多长。0.08 的意思是：参考矢量长度约等于坐标轴宽度的 8%。 这两个参数是 curly_vector 自己的缩放参数，不是 Matplotlib quiver 的原生参数。

• x, y（curly_vector_key） 控制参考矢量图例放在坐标轴中的位置，和 ax.quiverkey(...) 里传 x/y 的思路是一致的。

• label / labelpos / show_description（curly_vector_key） 分别控制图例文字内容、文字放在箭头哪一侧，以及是否显示额外的 Reference Vector 说明文字。

WRF实战

这里使用一个WRFOUT数据来展示如何使用：

from skyborn.plot import curly_vector, curly_vector_keyimport matplotlib.pyplot as pltimport cartopy.crs as ccrsimport numpy as npimport xarray as xrfrom matplotlib.colors import BoundaryNorm, ListedColormapwrf_path = "wrfout.nc"target_pressure_hpa = 500.0density = 0.8linewidth = 0.85arrowsize = 1.8reference_speed = 10.0ds = xr.open_dataset(wrf_path)p = (ds["P"].isel(Time=0) + ds["PB"].isel(Time=0)) / 100.0mean_profile = p.mean(dim=("south_north", "west_east")).valueslevel_index = int(np.argmin(np.abs(mean_profile - target_pressure_hpa)))level_pressure = float(mean_profile[level_index])u_stag = ds["U"].isel(Time=0, bottom_top=level_index).valuesv_stag = ds["V"].isel(Time=0, bottom_top=level_index).valuesu = 0.5 * (u_stag[:, :-1] + u_stag[:, 1:])v = 0.5 * (v_stag[:-1, :] + v_stag[1:, :])lon2d = ds["XLONG"].isel(Time=0).valueslat2d = ds["XLAT"].isel(Time=0).valuesspeed = np.hypot(u, v)valid_speed = speed[np.isfinite(speed)]threshold = float(np.nanpercentile(valid_speed, 85.0))sig_mask = speed >= thresholdcolor_code = np.where(sig_mask, 1.0, 0.0)cmap = ListedColormap(["black", "#1b9e3c"])norm = BoundaryNorm([-0.5, 0.5, 1.5], cmap.N)proj = ccrs.PlateCarree()fig, axes = plt.subplots(1,3,    figsize=(18, 5.8),    subplot_kw={"projection": proj},    constrained_layout=True,)extent = [    float(np.nanmin(lon2d)),    float(np.nanmax(lon2d)),    float(np.nanmin(lat2d)),    float(np.nanmax(lat2d)),]plotset_for_key = Nonefor ax, direction in zip(axes, ["forward", "backward", "both"]):    ax.set_extent(extent, crs=proj)    ax.set_title(f"integration_direction='{direction}'", fontsize=12)    ax.set_xlabel("Longitude")    ax.set_ylabel("Latitude")    ax.coastlines(linewidth=0.7, color="0.25")    ax.gridlines(        draw_labels=False,        linewidth=0.35,        color="0.75",        alpha=0.8,        linestyle="--",    )    plt.sca(ax)    plotset = curly_vector(        lon2d,        lat2d,        u,        v,        transform=proj,        density=density,        color=color_code,        cmap=cmap,        norm=norm,        linewidth=linewidth,        arrowstyle="->",        arrowsize=arrowsize,        integration_direction=direction,        ref_magnitude=reference_speed,        ref_length=0.08,    )if plotset_for_key isNone:        plotset_for_key = plotsetif plotset_for_key isnotNone:    curly_vector_key(        ax=axes[2],        curly_vector_set=plotset_for_key,        U=reference_speed,        units="m/s",        x=0.76,        y=1.02,        label=f"{reference_speed:g} m/s",        labelpos="E",        show_description=False,    )fig.suptitle(    ("WRF 500 hPa curly vector comparison | "f"density={density} | ref={reference_speed:g} m/s | "f"mean pressure={level_pressure:.1f} hPa"    ),    fontsize=13,)plt.show()

绘图结果：

绿色表示，风速前15%高的区域。

当然，curly_vector 也支持垂直剖面风场的绘制：

fig, ax = plt.subplots(figsize=(8, 5.5))curly_vector(    lat,    pressure,    v,    -omega * 100.0,    color="black",    linewidth=1.2,    arrowsize=1.2,    arrowstyle="->",    density=0.9,)ax.invert_yaxis()ax.set_xlabel("Latitude")ax.set_ylabel("Pressure (hPa)")

如果 x/y 本身就是这种纬度-气压的剖面坐标轴，当前版本一般会自动走更保守的剖面处理，不需要你再额外手动指定 ncl_preset="profile"。

支持不同投影：

对于极地投影，也不用担心：

在很多高分辨率场景下，使用 curly_vector 往往不再需要像 plt.quiver 那样手动做 lat[::n], lon[::n] 抽样，curly_vector 依然可以渲染出来。

总结

如果你喜欢 NCL 那种尾巴自然、箭头更灵动的风场风格，那么现在在 Python 里已经可以直接用 Skyborn 的 curly_vector 来实现，而且整体调用方式仍然和 Matplotlib/Cartopy 的绘图生态兼容。

相比早期依赖 modplot 的方案，新的实现不再被旧的流线逻辑强绑定，在经纬度平面、垂直剖面、多种地图投影下都能保持更稳定、更接近 NCL 的视觉效果。

实际使用时，你主要只需要关心几个参数：density 控制疏密，arrowsize 控制箭头头部大小，ref_magnitude 和 ref_length 控制参考风速与矢量长度的对应关系；把这几个参数调顺以后，基本就能快速画出一张观感很不错的弯曲矢量图。

References

• https://github.com/QianyeSu/Skyborn
• https://github.com/matplotlib/matplotlib/issues/20038
• https://github.com/kieranmrhunt/curved-quivers
• https://github.com/Deltares/dfm_tools/issues/483
• https://github.com/NCAR/geocat-viz/issues/4
• https://docs.xarray.dev/en/stable/generated/xarray.Dataset.plot.streamplot.html#xarray.Dataset.plot.streamplot
• https://doi.org/10.1038/s41586-025-08956-6

往期回顾

• Python | 数据压缩 | 八面体高斯网格规则化
• Python | 压缩近3倍netcdf文件大小
• Python | 球面谐波 | 流函数 | 势函数
• Python | Skyborn | 对流层顶高度的计算
• Python | Skyborn | 地转风 | 地转平
• Python | Skyborn | 缺测值填充
• Python | Skyborn | 空间趋势 | 快速计算
• Python | Skyborn | 涌现约束法
• Python | 计算台风与海岸线距离