海洋学精美色彩映射:cmocean

这个软件包包含用于常用海洋学变量的色彩映射。大多数色彩映射都源于 matplotlib 色彩映射,但现在已使用 viscm 工具 进行调整,使其 在感知上均匀

注意

这是 cmocean 的新版本,包含四个新的色彩映射!

注意

我们有一篇论文,其中包含针对您的应用选择色彩映射的指南,以及对 cmocean 色彩映射的描述

Thyng, K. M., Greene, C. A., Hetland, R. D., Zimmerle, H. M., & DiMarco, S. F. (2016). True colors of oceanography. Oceanography, 29(3), 10.

链接:http://tos.org/oceanography/assets/docs/29-3_thyng.pdf

这是我们的图库

import cmocean
cmocean.plots.plot_gallery()

(源代码, png, hires.png, pdf)

_images/index-1.png

选择这些色彩映射是为了在感知上均匀,并在顺序、发散或循环(相位色彩映射)方面反映它们所代表的数据,并使其直观。例如,algae 色彩映射是绿色的阴影,可以代表叶绿素。

这是色彩映射的亮度

import cmocean
cmocean.plots.plot_lightness()

(源代码, png, hires.png, pdf)

_images/index-2.png

最好以 cam02ucs 色彩空间来思考,其中欧几里得距离等同于人类感知的变化。使用 viscm 工具 可以看到这些色彩映射在此色彩空间中的绘图以及其他一些重要属性。

以下是 haline 色彩映射的一些属性。我们可以看到,该色彩映射可以很好地打印为灰度图,在整个色彩映射中具有一致的感知增量,并且对于患有色盲的人来说具有良好的可视性。它在其 3D 色彩空间中具有平滑的表示形式,并且图像中的细节清晰可见。

import cmocean
cmocean.plots.wrap_viscm(cmocean.cm.haline, saveplot=False)

(源代码, png, hires.png, pdf)

_images/index-3.png

使用 viscm 工具对色彩映射的所有评估都显示在页面 viscm 工具中的 cmocean 色彩映射 中。

安装

要安装:pip install cmocean

使用 Anaconda 安装:conda install -c conda-forge cmocean

如果您想使用 plots 子模块,则可以使用以下方式安装

pip install "cmocean[plots]"

这也将安装 viscmcolorspacious

功能

所有色彩映射都可以在 cmocean.cm 中找到。可以通过以下方式访问并简单地绘制它们

import cmocean
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 3))
ax = fig.add_subplot(1, 2, 1)
cmocean.plots.test(cmocean.cm.thermal, ax=ax)
ax = fig.add_subplot(1, 2, 2)
cmocean.plots.quick_plot(cmocean.cm.algae, ax=ax)

(源代码, png, hires.png, pdf)

_images/index-4.png

所有可用的色彩映射名称都可以通过 cmocean.cm.cmapnames 访问

In [1]: import cmocean

In [2]: cmocean.cm.cmapnames
Out[2]: 
['thermal',
 'haline',
 'solar',
 'ice',
 'gray',
 'oxy',
 'deep',
 'dense',
 'algae',
 'matter',
 'turbid',
 'speed',
 'amp',
 'tempo',
 'rain',
 'phase',
 'topo',
 'balance',
 'delta',
 'curl',
 'diff',
 'tarn']

色彩映射实例可以通过以下方式访问

In [3]: import cmocean

In [4]: cmaps = cmocean.cm.cmap_d;

使用 256 个 rgb 条目将所有可用的色彩映射打印到文本文件中,使用

cmaps = cmocean.cm.cmap_d

cmocean.tools.print_colormaps(cmaps)

使用以下方式输出用于定义色彩映射的字典

In [5]: import cmocean

In [6]: cmdict = cmocean.tools.get_dict(cmocean.cm.matter, N=9)

In [7]: print(cmdict)
{'red': [(0.0, 0.99429361496112023, 0.99429361496112023), (0.125, 0.97669801635856757, 0.97669801635856757), (0.25, 0.94873479766923496, 0.94873479766923496), (0.375, 0.90045567698531204, 0.90045567698531204), (0.5, 0.80852468744463613, 0.80852468744463613), (0.625, 0.67108411902889908, 0.67108411902889908), (0.75, 0.51122751026810531, 0.51122751026810531), (0.875, 0.34246319725680402, 0.34246319725680402), (1.0, 0.18517171283533682, 0.18517171283533682)], 'green': [(0.0, 0.93032779532320797, 0.93032779532320797), (0.125, 0.75576791099973906, 0.75576791099973906), (0.25, 0.58413112562241909, 0.58413112562241909), (0.375, 0.41389524263548055, 0.41389524263548055), (0.5, 0.26372603126828165, 0.26372603126828165), (0.625, 0.16249519232276352, 0.16249519232276352), (0.75, 0.10922326738769267, 0.10922326738769267), (0.875, 0.089677516287552023, 0.089677516287552023), (1.0, 0.05913348735199072, 0.05913348735199072)], 'blue': [(0.0, 0.69109690224984077, 0.69109690224984077), (0.125, 0.53031307900834646, 0.53031307900834646), (0.25, 0.40291681995676154, 0.40291681995676154), (0.375, 0.32938102171259315, 0.32938102171259315), (0.5, 0.33885361881305626, 0.33885361881305626), (0.625, 0.37820659039971588, 0.37820659039971588), (0.75, 0.38729596513525039, 0.38729596513525039), (0.875, 0.33739313395770171, 0.33739313395770171), (1.0, 0.24304267442183591, 0.24304267442183591)]}

给定 rgb 输入数组,使用 cmap = cmocean.tools.cmap(rgbin, N=10) 创建色彩映射实例。

所有色彩映射的反向版本都可以通过在色彩映射名称后附加“_r”来获得,就像在 matplotlib 中一样

import cmocean
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 3))
ax = fig.add_subplot(1, 2, 1)
cmocean.plots.test(cmocean.cm.gray, ax=ax)
ax = fig.add_subplot(1, 2, 2)
cmocean.plots.test(cmocean.cm.gray_r, ax=ax)
fig.tight_layout()

(源代码, png, hires.png, pdf)

_images/index-5.png

您可以使用 cmocean.tools.lighten() 函数使用小于 1 的 alpha 值来淡化色彩映射,以便您可以叠加更容易看到的轮廓和其他线条

import cmocean
import cmocean.cm as cmo
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 3))
ax = fig.add_subplot(1, 2, 1)
Z = np.random.randn(10,10)
ax.pcolormesh(Z, cmap=cmo.matter)

ax = fig.add_subplot(1, 2, 2)
lightcmap = cmocean.tools.lighten(cmo.matter, 0.5)
ax.pcolormesh(Z, cmap=lightcmap)
fig.tight_layout()

(源代码, png, hires.png, pdf)

_images/index-6.png

cmocean 将其色彩映射注册到 matplotlib,因此您可以使用例如 “cmo.amp” 调用它们

import cmocean
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(4, 3))
ax = fig.add_subplot(111)
Z = np.random.randn(10,10)
ax.pcolormesh(Z, cmap='cmo.amp')

(源代码, png, hires.png, pdf)

_images/index-7.png

裁剪色彩映射

您可以通过要绘制的值或百分比来裁剪色彩映射的一端或两端。例如,您可以通过百分比裁剪色彩映射的两端,以减少亮度范围,并且不具有最暗的值

import cmocean
import matplotlib.pyplot as plt

cmap = cmocean.cm.tarn
fig, axes = plt.subplots(1, 2, figsize=(8,4))
A = np.random.randint(-5, 6, (10,10))
mappable = axes[0].pcolormesh(A, cmap=cmap)
axes[0].set_title('Full diverging colormap')
fig.colorbar(mappable, ax=axes[0])

newcmap = cmocean.tools.crop_by_percent(cmap, 30, which='both', N=None)
mappable = axes[1].pcolormesh(A, cmap=newcmap)
axes[1].set_title('Same colormap,\n30% removed from each end')
fig.colorbar(mappable, ax=axes[1])

(源代码, png, hires.png, pdf)

_images/index-8.png

您可以通过百分比来裁剪色彩映射的一端。例如,您可以裁剪掉 oxy 色彩映射的顶部部分,以防您不考虑过饱和条件(色彩映射的顶部 20%),您可以按照以下方式将其从色彩映射中删除

import cmocean
import matplotlib.pyplot as plt

cmap = cmocean.cm.oxy
fig, axes = plt.subplots(1, 2, figsize=(8,4))
A = np.random.randint(0, 101, (10,10))
mappable = axes[0].pcolormesh(A, vmin=0, vmax=100, cmap=cmap)
axes[0].set_title('Values go to super-saturated')
fig.colorbar(mappable, ax=axes[0])

newcmap = cmocean.tools.crop_by_percent(cmap, 20, which='max', N=None)
A[A>80] = 80
mappable = axes[1].pcolormesh(A, vmin=0, vmax=80, cmap=newcmap)
axes[1].set_title('Values are all\nbelow super-saturated')
fig.colorbar(mappable, ax=axes[1])

(源代码, png, hires.png, pdf)

_images/index-9.png

您可以通过输入要在绘图中使用的值来删除色彩映射一端的一部分,并让该函数计算出要从色彩映射中裁剪掉多少。如果您已将地形和地形(海洋和陆地海拔)数据组合在一起以使用 topo 色彩映射进行绘制,这将特别有用,但是您希望水和陆地的最大幅度有所不同,并在色彩映射中反映出来。

import cmocean
import matplotlib.pyplot as plt

cmap = cmocean.cm.topo
fig, axes = plt.subplots(1, 2, figsize=(8,4))
A = np.random.randint(-50, 201, (10,10))
mappable = axes[0].pcolormesh(A, vmin=-200, vmax=200, cmap=cmap)
axes[0].set_title('No values<-50, but still\nshow possibility in colorbar')
fig.colorbar(mappable, ax=axes[0])

newcmap = cmocean.tools.crop(cmap, -50, 200, 0)
mappable = axes[1].pcolormesh(A, vmin=-50, vmax=200, cmap=newcmap)
axes[1].set_title('Colorbar only shows color\nrange used by data')
fig.colorbar(mappable, ax=axes[1])

(源代码, png, hires.png, pdf)

_images/index-10.png

色彩映射详细信息

thermal

thermal 色彩映射是连续的,深蓝色表示较低、较冷的值,并通过红色过渡到黄色,表示增加的较暖值。

http://gandalf.gcoos.org/data/gandalf/tamu/unit_307/2017/2017_12_18/plots/sci_water_temp.png

来自德克萨斯 A&M 大学地球化学和环境研究小组 (GERG) 的滑翔机数据。

https://media.springernature.com/m685/springer-static/image/art%3A10.1038%2Fs41598-017-16760-0/MediaObjects/41598_2017_16760_Fig5_HTML.jpg

来自出版物的数据:Kenel, C., Grolimund, D., Li, X., Panepucci, E., Samson, V. A., Sanchez, D. F., … & Leinenbach, C. (2017). In situ investigation of phase transformations in Ti-6Al-4V under additive manufacturing conditions combining laser melting and high-speed micro-X-ray diffraction. Scientific reports, 7(1), 16358.

http://www.mdpi.com/sensors/sensors-17-02679/article_deploy/html/images/sensors-17-02679-g002-550.jpg

Usamentiaga, R., Ibarra-Castanedo, C., Klein, M., Maldague, X., Peeters, J., & Sanchez-Beato, A. (2017). Nondestructive evaluation of carbon fiber bicycle frames using infrared thermography. Sensors, 17(11), 2679.

https://user-images.githubusercontent.com/3487237/42728531-d732b9ee-8781-11e8-90da-6f54007fe142.png

上层海洋 CTD 数据的温度图;由 Luz Zarate Jimenez 制作。

https://user-images.githubusercontent.com/3487237/42728546-16b3a448-8782-11e8-8971-f1e11631645d.png

完整水深瓶数据的 pH 值图,其中点表示收集瓶装水的深度;由 Luz Zarate Jimenez 制作。

https://www.tandfonline.com/na101/home/literatum/publisher/tandf/journals/content/zela20/2018/zela20.v070.i01/16000870.2018.1471911/20180605/images/large/zela_a_1471911_f0001_c.jpeg

WUNSCH, C. (2018). Towards determining uncertainties in global oceanic mean values of heat, salt, and surface elevation. Tellus A: Dynamic Meteorology and Oceanography, 70(1), 1-14.

https://pbs.twimg.com/media/Cxjs6Z8WQAAc_uX.jpg

Maarten Reyniers 展示了气象工作中的温度。

https://pbs.twimg.com/media/CxtJS8eW8AEGmIm.jpg

来自 NASA OBPG 的 MODIS 海面温度,由 Sebastian Steinke 提供。

https://data.ioos.us/gliders/status/summary/static/profiles/drudnick/sp069-20181109T1607/temperature.png

来自中大西洋地区协会沿海海洋观测系统 (MARACOOS) 的滑翔机数据。

https://www.tecplot.com/wp-content/gallery/geoscience/pugetsound_webimage.jpg

来自 tecplot 的海洋模型可视化。

https://ars.els-cdn.com/content/image/1-s2.0-S0967063718301638-gr2.jpg

Potter, H. (2018). The cold wake of typhoon Chaba (2010). Deep Sea Research Part I: Oceanographic Research Papers, 140, 136-141.

haline

haline 色彩映射是连续的,可能用于深蓝色表示较低的盐度或淡水,通过绿色过渡到浅黄色表示增加的盐度或咸水。此色彩映射基于 matplotlib 的 YlGnBu,但使用 viscm 工具从头开始重新创建。

http://gandalf.gcoos.org/data/gandalf/tamu/unit_307/2017/2017_12_18/plots/calc_salinity.png

来自德克萨斯 A&M 大学地球化学和环境研究小组 (GERG) 的滑翔机数据。

http://pong.tamu.edu/~kthyng/movies/txla_plots/salt/2010-07-30T00.png

来自德克萨斯 A&M 大学物理海洋学数值组 (PONG) 的墨西哥西北部海湾模型输出。

http://clarkrichards.org/figure/source/2016-04-25-making-section-plots/plot2-1.png

使用 R oce 包绘制 CTD 数据(温度和盐度),由 Clark Richards 提供

https://user-images.githubusercontent.com/3487237/42728526-cd276e68-8781-11e8-9d77-db486b479a6d.png

完整水深瓶数据的碱度图,其中点表示收集瓶装水的深度;由 Luz Zarate Jimenez 制作。

https://user-images.githubusercontent.com/3487237/42728535-df605f5e-8781-11e8-973e-0f7385daef3c.png

上层海洋 CTD 数据的盐度图;由 Luz Zarate Jimenez 制作。

https://data.ioos.us/gliders/status/summary/static/profiles/drudnick/sp069-20181109T1607/salinity.png

来自中大西洋地区协会沿海海洋观测系统 (MARACOOS) 的滑翔机数据。

solar

solar 色彩映射是连续的,从表示低值的深棕色到逐渐变亮的黄色,可能表示水中辐射的增加。

https://plot.ly/~empet/13620.png

来自 plotly 的直方图。

ice

ice 色彩映射是连续的,从非常深的蓝色(几乎为黑色)到非常浅的蓝色(几乎为白色)。其用途可以是表示海冰。

http://www.mathworks.com/matlabcentral/mlc-downloads/downloads/submissions/50126/versions/4/previews/seaice/html/SeaIceTimeSeries_20160620.gif

Chad Greene 提供了一个例子,展示了南极洲周围的海冰浓度。

https://media.giphy.com/media/26xBFRODTXDBKSmVa/giphy.gif

Nikolay Koldunov 提供的北极海冰厚度。

gray

gray 色彩映射是连续的,从黑色到白色,通过感知色彩空间均匀步进。此色彩映射是通用的,可用于任何连续数据集。

import cmocean
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 3))
ax = fig.add_subplot(1, 2, 1)
cmocean.plots.test(cmocean.cm.gray, ax=ax)
ax = fig.add_subplot(1, 2, 2)
cmocean.plots.quick_plot(cmocean.cm.gray, ax=ax)

(源代码, png, hires.png, pdf)

_images/index-11.png

oxy

oxy 色彩映射在大部分区域是连续的,代表海洋水中氧气饱和度的正常范围,并在色彩映射的 80% 处发散,以表示过饱和状态。色彩映射的底部 20% 为红色,以突出显示缺氧或低氧水域,但为了在红色色调不重要的情况下仍然可以相对无缝地打印为灰度。色彩映射的顶部 20%(发散后)为黄色,以突出显示过饱和水域。此色彩映射的最小值和最大值旨在进行控制,以便正确放置低氧和过饱和氧状态。此色彩映射是为密西西比河羽流区域开发的,该区域经常出现和监测低氧和过饱和条件。

https://cloud.githubusercontent.com/assets/3487237/16996267/85ac01ea-4e7e-11e6-9801-ee97f7e65940.png

来自德克萨斯农工大学 (Texas A&M) 物理海洋数值组 (PONG) 的墨西哥湾西北部模型输出。使用简单的底部氧气利用参数化对底部氧气的模拟揭示了底部氧气的复杂结构。虽然受缺氧影响的区域沿陆架延伸近 400 公里,但在小得多的尺度(低至几公里)上也存在变异性。密西西比河/阿查法拉亚河羽流的位置以及羽流中存在的不稳定性决定了缺氧底层水域的范围和结构。由德克萨斯农工大学的 Veronica Ruiz 完成。

https://user-images.githubusercontent.com/3487237/42728540-0d24e28e-8782-11e8-8874-82e65d76ef34.png

上层海洋 CTD 数据的氧气图;由 Luz Zarate Jimenez 制作。

深海

deep 色彩映射从浅黄色开始连续变化,可能代表较浅的水域,经过淡绿色,到越来越深的蓝色和紫色,代表深度增加。

https://cloud.githubusercontent.com/assets/3487237/16900541/4af66c4c-4bf5-11e6-92a9-82eaa39cb18b.png

测深图,由 Iury Sousa 制作

https://user-images.githubusercontent.com/3487237/42728981-de0d3ee4-878e-11e8-89ca-b124c49d5d0e.png

索莫夫海测深图,由 Josué Martinez Moreno 在 blender 中制作

https://media.springernature.com/lw900/springer-static/image/art%3A10.1038%2Fs41467-018-05618-2/MediaObjects/41467_2018_5618_Fig1_HTML.png

Gwyther, D. E., O’Kane, T. J., Galton-Fenzi, B. K., Monselesan, D. P., & Greenbaum, J. S. (2018). 固有过程驱动托滕冰川冰架底部融化的变化。自然通讯, 9(1), 3141.

密度

dense 色彩映射是连续的,低值使用淡蓝色,随着值的增加而增加紫色,这可用于表示水密度的增加。下面显示了来自德克萨斯农工大学滑翔机的此色彩映射的两个示例。此色彩映射基于 matplotlib 的 Purples,但使用 viscm 工具从头开始重新创建。

http://gandalf.gcoos.org/data/gandalf/tamu/unit_307/2017/2017_12_18/plots/calc_density.png
https://user-images.githubusercontent.com/3487237/42728541-11ed4d7e-8782-11e8-945c-1e2dcdb61ace.png

上层海洋 CTD 数据的潜在密度图;由 Luz Zarate Jimenez 制作。

http://www.sfestuary.org/wp-content/uploads/2012/09/nut-500model_nh4-landsatgray.jpg

Rusty Holleman 估计的旧金山湾中的铵含量。

藻类

algae 色彩映射是连续的,低值使用淡绿色,随着值的增加而增加绿色,这可用于表示水中叶绿素的增加。下面显示了来自德克萨斯农工大学滑翔机的此色彩映射的两个示例。此色彩映射基于 matplotlib 的 Greens,但使用 viscm 工具从头开始重新创建。

http://gandalf.gcoos.org/data/gandalf/tamu/unit_307/2017/2017_12_18/plots/sci_flbbcd_chlor_units.png
https://rbr-global.com/wp-content/uploads/2016/09/WireWalker_data_wide_zoom.png

来自 RBR 的 Del Mar Oceanographic (DMO) Wirewalker 的示例数据,这是一种波浪驱动的剖面系统。

https://pbs.twimg.com/media/Cs_3GXbXgAAPwFQ.png

Frankie Pavia 制作的带有站点指示的卫星衍生的叶绿素-a。

物质

matter 色彩映射是连续的,低值使用淡黄色,随着值的增加而增加粉色,可用于表示水中物质的增加。下面显示了来自德克萨斯农工大学滑翔机的此色彩映射的两个示例。

http://gandalf.gcoos.org/data/gandalf/tamu/unit_307/2017/2017_12_18/plots/sci_flbbcd_cdom_units.png
http://www.sfestuary.org/wp-content/uploads/2012/09/Nut-model_din-landsatgray-500.jpg

Rusty Holleman 估计的旧金山湾中的溶解氮含量。

浑浊

turbid 色彩映射从浅棕色到深棕色连续变化,可用于表示水中沉积物的增加。

https://user-images.githubusercontent.com/3487237/42729003-c604db6c-878f-11e8-97e8-978d6c172f3e.png

Emilia P. (@mathinpython) 制作的昆士兰州数据。

速度

speed 色彩映射从代表低值的浅绿黄色到代表大值的深黄绿色连续变化。此色彩映射是 delta 色彩映射的正半部分。此色彩映射的一个示例来自德克萨斯州和路易斯安那州陆架的数值模拟。

http://pong.tamu.edu/~kthyng/movies/txla_plots/speed/2010-07-30T00.png

振幅

amp 色彩映射从淡白色到深红色连续变化,可用于表示波高值的增加。此色彩映射是 balance 色彩映射的正半部分。

https://cloud.githubusercontent.com/assets/3487237/16920916/840d91d4-4cdd-11e6-8db5-f93cd61b78c2.png

Natalie Accardo 使用 GMT 制作的地震震级图。

https://media.springernature.com/lw900/springer-static/image/art%3A10.1038%2Fs41598-018-35936-w/MediaObjects/41598_2018_35936_Fig2_HTML.png

Baumgartner, B. L., O’Laughlin, R., Jin, M., Tsimring, L. S., Hao, N., & Hasty, J. (2018). 基于黄素的代谢周期是单个酵母细胞生长和分裂的组成部分。科学报告, 8(1), 18045.

https://www.frontiersin.org/files/Articles/422317/fmars-05-00447-HTML/image_m/fmars-05-00447-g004.jpg

Lenhart, H. J., & Große, F. (2018). 在 OSPAR 框架内使用跨界营养物建模评估 WFD 营养物减少的影响。海洋科学前沿, 5, 447.

https://ars.els-cdn.com/content/image/1-s2.0-S0380133018301321-gr4_lrg.jpg

Grunert, B. K., Brunner, S. L., Hamidi, S. A., Bravo, H. R., & Klump, J. V. (2018). 量化冷水入侵在浅水沿海系统中跨越对比年份的影响:密歇根湖的绿湾。大湖研究杂志, 44(5), 851-863.

时间

tempo 色彩映射从淡白色到深青色连续变化,可用于表示波周期值的增加。此色彩映射是 curl 色彩映射的负半部分。

http://www.sfestuary.org/wp-content/uploads/2012/09/nut500-model_no3-landsatgray.png

Rusty Holleman 估计的旧金山湾中的硝酸盐含量。

降雨

rain 色彩映射从浅色、干燥颜色到蓝色、湿润颜色连续变化,可用于绘制降雨量。

https://user-images.githubusercontent.com/3487237/51001559-092d8800-14f6-11e9-93d4-57379b4c7701.png

Chad Greene 制作的降雨图。

相位

phase 色彩映射是循环的,在设定的亮度值下跨越所有色调。此映射旨在用于波相位和潮汐相位等属性,这些属性从 0° 到 360° 再到 0° 回绕,应在色彩映射中没有主要的感知跳跃的情况下表示。

https://user-images.githubusercontent.com/3487237/42728991-41ed6e0c-878f-11e8-80ad-4623b26de2cc.png

Kristen Thyng 制作的北大西洋潮汐相位图。

地形

topo 色彩映射有两个不同的部分:一个是代表水深的蓝色和黄色阴影(这是 deep 色彩映射),另一个是代表陆地海拔的棕色和绿色阴影。

https://user-images.githubusercontent.com/3487237/51001557-0894f180-14f6-11e9-9f8e-94fc0ffcfe11.png

Chad Greene 制作的测深图和地形图。

平衡

balance 色彩映射是发散的,深蓝色到近白色到深红色表示负值到零值到正值;这可用于表示海平面高度,海平面高度的偏差是偏离中性近白色的颜色阴影。在这种情况下,已选择红色阴影来表示高于参考值(通常是平均海平面)的海平面高度,以便与通常与自由表面增加相关的较温暖的水相联系,例如墨西哥湾的环流。此色彩映射的一个示例来自德克萨斯州和路易斯安那州陆架的数值模拟。此色彩映射基于 matplotlib 的 RdBu,但使用 viscm 工具从头开始重新创建。

http://pong.tamu.edu/~kthyng/movies/txla_plots/ssh/2010-07-30T00.png
https://pbs.twimg.com/media/CsWzox7UsAAeKwS.jpg

时空海洋查询系统 (STOQS)

差值

delta 色彩映射从较深的蓝色发散到略微偏白的颜色,再到黄绿色的阴影,可用于表示关键值(通常为零)附近的散度速度值。此色彩映射的灵感来自 Francesca Samsel 的类似色彩映射,但使用 viscm 工具从头开始生成。

https://pbs.twimg.com/media/CkIWDFRWkAEdArC.jpg

来自 plotly。

http://pong.tamu.edu/~kthyng/movies/txla_plots/u/2010-07-30T00.png

来自德克萨斯 A&M 大学物理海洋学数值组 (PONG) 的墨西哥西北部海湾模型输出。

旋度

curl 色彩映射从较深的青色发散到略微偏白的颜色,再到品红色的阴影,可用于表示关键值(通常为零)附近的散度涡度值。

http://pong.tamu.edu/~kthyng/movies/txla_plots/vort/2010-07-30T00.png

此色彩映射的一个示例来自德克萨斯州和路易斯安那州陆架的数值模拟。

https://pbs.twimg.com/media/CuqlwdJWIAA1wT1.jpg

差异

diff 色彩映射是发散的,一侧是蓝色阴影,另一侧是棕色阴影。

https://user-images.githubusercontent.com/3487237/51001561-092d8800-14f6-11e9-868b-009e947ed5eb.png

Chad Greene 制作的 2017 年 12 月地表压力异常图。

湖泊

tarn 色彩映射是发散的,一侧是干燥的棕色阴影,另一侧是绿色和蓝色的范围。色彩映射的正端旨在反映 rain 中的颜色,因此是 rain 降雨异常(在 0 或其他一些临界值附近)的补充色彩映射。

https://user-images.githubusercontent.com/3487237/51001558-0894f180-14f6-11e9-91e1-3ef9e28fcc81.png

Chad Greene 制作的降雨异常图。

资源

以下是一些我最喜欢的资源。

cmocean 在其他地方可用!

  • colormap
  • julia
  • 时空海洋查询系统 (STOQS) 是一种地理空间数据库软件包,旨在提供对原位海洋测量数据的有效访问。

精美可视化示例:

  • 地球风/洋流/温度/一切 可视化:这是一个关于全球风和海洋动力学及属性的绝佳可视化。它也非常适合教学,并且似乎在不断开发中,并增加了新的绘图选项。
  • 这个 秋叶地图 易于使用、清晰且引人注目。这是我们所有人都渴望达到的目标!
  • 《纽约时报》The Upshot 制作的关于政治倾向如何受出生年份影响的巧妙 可视化。 这是使用从红色到蓝色的发散型色图的完美示例。

为什么 jet 是一种糟糕的色图,以及如何选择更好的色图:

  • 这篇文章开启了我对这个问题的研究:为什么工程师和科学家应该担心颜色?
  • Matteo Niccoli 关于 jet 和如何选择色图的优秀系列文章,将真正教会您需要了解的内容。
  • Jake Vanderplas 对反对使用 jet 的论点的精彩总结。
  • 美国气象学会公报 (BAMS) 中一篇关于可视化研究的良好 总结,并介绍了用于选择良好色图的工具,该工具主要针对大气研究,但也具有广泛的适用性。
  • 这个工具 可以将您的(小文件大小的)图像转换为色盲患者看到的样子,以便您可以更好地决定使用的颜色。
  • 来自 matplotlib 绘图软件包网站的文档,用于选择色图。
  • 选择良好科学色图的技巧
  • 彩虹的末日,呼吁停止使用 jet。
  • 研究表明,jet 对您的健康不利!
  • 对先前研究的重新审查似乎显示,视觉证据表明,锋面实际上只是 jet 色图的伪影

在 2014 年和 2015 年的 SciPy 会议上有一系列关于色图的演讲

  • Damon McDougall 介绍了使用 jet 表示数据的问题。
  • Kristen Thyng 进一步介绍了如何选择更好的色图,包括使用感知均匀的色图以及考虑所表示的信息在本质上是连续的还是发散的。
  • Nathaniel Smith 和 Stéfan van der Walt 详细解释了 jet 色图的弊端,甚至对您的健康有害!他们在此基础上提出了一种用于 Python 绘图库 matplotlib 的新色图。
  • Kristen Thyng 基于 Nathaniel 和 Stéfan 所做的工作,提出了一种用于绘制典型海洋学量的色图(这导致了 cmocean!)。

制作优秀图表的其他技巧:

制作精美图表的工具:

  • Seaborn 将帮助您制作非常美观的统计图表。

联系方式

Kristen Thyng 是 cmocean 的主要开发人员。如有问题、意见和想法,请发送电子邮件。我正在收集 cmocean 色图在实际应用中的示例(见上文)以及色图的用户,所以如果您正在使用 cmocean,我很乐意收到您的来信。kthyng 在 gmail.com 或在 twitter 上 @thyngkm。