Cartopy南极立体投影下NaN缺失值显示异常问题求助

一、NaN区域显示异常修复 #

1. 显式指定NaN渲染颜色 #

绘图前给色图设置NaN区域的专属颜色，避免被色条0值覆盖，比如设为透明或匹配陆地色：

import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import xarray as xr
import cartopy.feature as cfeature

# 加载并筛选数据
ds = xr.open_dataset('your_data.nc')
data = ds['var'].sel(lat=slice(-80, -30))

# 初始化极地投影
proj = ccrs.SouthPolarStereo()
fig, ax = plt.subplots(subplot_kw={'projection': proj})

# 配置色图，设置NaN区域样式
cmap = plt.get_cmap('viridis')
cmap.set_bad(color='gray', alpha=1)  # 与陆地颜色一致

# 绘图时明确值域范围，防止NaN被误判
data.plot(
    ax=ax,
    transform=ccrs.PlateCarree(),
    cmap=cmap,
    vmin=data.min().values,
    vmax=data.max().values,
    add_colorbar=True
)

# 添加海陆特征
ax.add_feature(cfeature.LAND, color='gray')
ax.add_feature(cfeature.OCEAN, color='lightblue')
plt.show()

2. 清理伪NaN值 #

低分辨率数据可能存在浮点精度导致的伪NaN（比如极小值被误标记），通过强制掩码过滤：

# 根据数据实际无效值阈值调整，这里假设-1e20为无效值
data_masked = data.where((data.notnull()) & (data >= -1e20))

3. 手动控制渲染方式 #

用pcolormesh替代默认绘图方法，关闭自动插值，避免Cartopy对NaN区域的错误填充：

ax.pcolormesh(
    data.lon,
    data.lat,
    data.values,
    transform=ccrs.PlateCarree(),
    cmap=cmap,
    vmin=data.min(),
    vmax=data.max()
)

二、投影耗时优化 #

1. 预投影数据 #

提前将数据转换为目标投影，避免绘图时实时计算投影转换：

from cartopy.util import add_cyclic_point

# 解决经度不连续问题
data_cyclic, lon_cyclic = add_cyclic_point(data.values, coord=data.lon)
# 转换为目标投影坐标
x, y = proj.transform_points(ccrs.PlateCarree(), lon_cyclic, data.lat).T
# 直接用转换后的坐标绘图
ax.pcolormesh(x, y, data_cyclic, cmap=cmap)

2. 限制绘图范围 #

通过set_extent缩小投影计算的区域，减少不必要的计算量：

ax.set_extent([-180, 180, -80, -30], crs=ccrs.PlateCarree())

3. 适度粗化数据 #

如果精度要求不高，绘图前对数据进行粗化处理，平衡速度与精度：

# 2倍粗化，按需求调整倍数
data_coarsened = data.coarsen(lat=2, lon=2, boundary='trim').mean()

内容的提问来源于stack exchange，提问作者Jacopo Busatto