Jupyter Notebook使用MetPy绘图时内核反复崩溃问题求助

• 后端渲染冲突：MetPy依赖Matplotlib作为绘图底层，Jupyter默认的Matplotlib后端（比如默认的inline后端，或者系统安装的Qt/GTK后端）和MetPy的Cartopy地图渲染依赖存在版本兼容性问题时，会触发内核底层的段错误，直接导致内核崩溃。这类问题在非计算类操作不触发后端调用时不会暴露，因此运行纯计算类MetPy函数不会出现异常。
• 内存溢出：MetPy绘图如果涉及高分辨率栅格数据、大范围投影地图渲染时，会一次性申请大量连续内存，设备物理内存不足、或者swap分区（虚拟内存）未开启时，系统会直接终止Jupyter内核进程，不会抛出Python层面的可捕获异常。
• 硬件加速异常：如果Matplotlib开启了OpenGL硬件加速、或者设备显卡驱动存在兼容性bug，调用MetPy的矢量/填充渲染接口时会触发显卡驱动崩溃，连带导致Jupyter内核终止，你最初猜测的硬件原因大多属于这一类场景。
• 依赖版本不匹配：MetPy、Cartopy、Matplotlib、Proj这几个核心依赖的跨大版本混用（比如用Matplotlib 3.8搭配MetPy 1.3，或者Proj 9.x搭配旧版Cartopy）会存在未修复的内存泄漏bug，绘图触发内存泄漏达到阈值后内核自动崩溃。

• 切换Matplotlib渲染后端：在Jupyter notebook的第一个代码块先运行如下代码，强制使用无硬件依赖的Agg后端做渲染：

import matplotlib
matplotlib.use('Agg')
%matplotlib inline

如果切换后可以正常绘图，即可确认是原后端的兼容性问题。

• 排查依赖版本兼容性：卸载现有核心依赖后，通过conda统一安装匹配版本，执行命令：
  conda install -c conda-forge metpy cartopy matplotlib proj
  conda会自动匹配所有依赖的兼容版本，避免跨版本冲突。
• 降低渲染分辨率减少内存占用：调用MetPy绘图接口时添加参数降低分辨率，比如使用resolution='50m'替换默认的10m地图分辨率，同时减少绘制的要素层数，避免一次性申请过高内存。
• 关闭硬件加速：如果确认是显卡驱动问题，在Matplotlib配置中关闭硬件加速，添加配置项：
  matplotlib.rcParams['agg.path.chunksize'] = 10000
  该配置会将大路径渲染拆分为多个块，避免触发显卡的单任务渲染上限。
• 排查硬件状态：检查设备显卡驱动是否为官方稳定版，物理内存占用是否在绘图时达到阈值，开启系统虚拟内存/swap分区避免内存不足导致的进程被强制终止。

内容的提问来源于stack exchange，提问作者Stephen Madorin