生态学报画图规范（Acta Ecologica Sinica Plotting Guide）

本技能由一套已经过《生态学报》编辑部返修验收的 Matplotlib 绘图脚本提炼而来，
覆盖论文中最常见的四类图。所有代码均遵循同一套"编辑部终版"约定，可直接复用。

一、何时使用本技能

• 画空间分布图（连续型空间变量 / 遥感栅格），需要指北针、比例尺、统一色标、去经纬度坐标
• 画预测 vs 真实散点对比图（深度学习/机器学习模型精度评估）
• 画误差分级空间图（相对误差±分级，diverging 色带）
• 画时间序列趋势折线图（SHAP 值、年际变化，带拟合线与公式标注）
• 期刊修改图要求"改图"（统一字体、去框、加注记、输出矢量/高清格式）

参考脚本见 references/：
- 空间分布图_标准范式.py —— 空间分布图（终版，去经纬度的标准范式）
- 空间分布图_经纬度版.py —— 空间分布图（带经纬度刻度版本，早期用）
- 误差分级空间图.py —— 误差分级空间图（diverging 9 级分类 + 图例）
- 误差分级空间图_统计版.py —— 误差分级图另一版（含 TXT 统计输出）
- 散点对比图_多模型.py —— 预测 vs 真实散点对比图（3×3）
- 散点对比图_R2标注版.py —— 散点对比图（带 R² 方框标注版）
- 时间序列趋势折线图.py —— 时间序列趋势/SHAP 折线图（散点+拟合线+公式）

二、全局字体与 rcParams（所有图通用，必须放在最前面）

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']   # 中文用黑体；若 SimHei 缺失可加 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号

# PDF / AI 编辑友好：嵌入 TrueType 字体，避免投稿后中文变方块
plt.rcParams['pdf.fonttype'] = 42
plt.rcParams['ps.fonttype'] = 42
plt.rcParams['svg.fonttype'] = 'none'

# 加粗（编辑部偏好的"醒目"风格）
plt.rcParams['font.weight'] = 'bold'
plt.rcParams['axes.labelweight'] = 'bold'
plt.rcParams['axes.titleweight'] = 'bold'

约定：用一个 FONT_SCALE = 1.35（地图类）或 1.5（误差类）的缩放系数统一放大字号，
例如 fontsize=int(20 * FONT_SCALE)。改图时只调这一个系数即可整体放大/缩小。

三、空间分布图（地图/栅格类，最核心）

3.1 统一约定

3.2 指北针函数（右上角）

def add_north_arrow(ax, length=0.09, xy=(0.92, 0.918), text='N', facecolor='k'):
    xy_arrow_base = (xy[0], xy[1] - length)
    ax.annotate('', xy=xy, xytext=xy_arrow_base,
                xycoords='axes fraction', textcoords='axes fraction',
                arrowprops=dict(facecolor=facecolor, edgecolor=facecolor,
                                width=4, headwidth=12, headlength=15))
    ax.text(xy[0], xy[1] + 0.01, text, transform=ax.transAxes,
            ha='center', va='bottom', fontsize=int(16 * FONT_SCALE),
            color=facecolor, fontweight='bold')

3.3 比例尺函数（右下角，自动选 20/50/100/200/300/500/800/1000/1500 km 整值）

def geodesic_km_per_degree(lat_deg):
    km_per_deg_lat = 111.32
    km_per_deg_lon = 111.32 * np.cos(np.deg2rad(lat_deg))
    return km_per_deg_lon, km_per_deg_lat

def add_scale_bar(ax, extent, length_km=None, location=(0.90, 0.10), height=0.020, color='k'):
    minx, maxx, miny, maxy = extent
    mid_lat = 0.5 * (miny + maxy)
    km_per_deg_lon, _ = geodesic_km_per_degree(mid_lat)
    map_width_km = (maxx - minx) * km_per_deg_lon
    nice_lengths = np.array([20, 50, 100, 200, 300, 500, 800, 1000, 1500])
    if length_km is None:
        target = map_width_km / 4.5
        length_km = nice_lengths[np.argmin(np.abs(nice_lengths - target))]
    length_deg = length_km / km_per_deg_lon
    x1 = minx + location[0] * (maxx - minx)
    y0 = miny + location[1] * (maxy - miny)
    x0 = x1 - length_deg
    ax.plot([x0, x1], [y0, y0], transform=ccrs.PlateCarree(), color=color, linewidth=3.5)
    ax.plot([x0, x0], [y0, y0 + (maxy - miny) * height], transform=ccrs.PlateCarree(), color=color, linewidth=3.5)
    ax.plot([x1, x1], [y0, y0 + (maxy - miny) * height], transform=ccrs.PlateCarree(), color=color, linewidth=3.5)
    ax.text((x0 + x1) / 2, y0 - (maxy - miny) * height * 0.7, f"{int(length_km)} km",
            transform=ccrs.PlateCarree(), ha='center', va='top', fontsize=int(16 * FONT_SCALE), color=color)

3.4 终版"去经纬度坐标/刻度/外框"（编辑部硬性要求）

def remove_axes_frame_ticks(ax):
    ax.set_xticks([]); ax.set_yticks([])
    ax.set_xlabel(''); ax.set_ylabel('')
    ax.tick_params(left=False, bottom=False, right=False, top=False,
                   labelleft=False, labelbottom=False, labelright=False, labeltop=False)
    for spine in ax.spines.values():
        spine.set_visible(False)
    if hasattr(ax, 'outline_patch'):            # 兼容旧版 Cartopy
        ax.outline_patch.set_visible(False)
    if hasattr(ax, 'background_patch'):
        ax.background_patch.set_visible(False)
    try:
        ax.spines['geo'].set_visible(False)     # 兼容新版 Cartopy
    except Exception:
        pass
    ax.patch.set_visible(False)

> 注：早期版本（空间分布图_经纬度版.py）保留经纬度刻度，用 LongitudeFormatter/LatitudeFormatter +
> 自定义 funcFormatter（f'{x:.0f}°E'）。终版一律去掉，靠指北针+比例尺定位即可。

四、预测 vs 真实散点对比图（模型精度评估）

标准范式（见 散点对比图_多模型.py / 散点对比图_R2标注版.py）：

• 布局：3 行 × 3 列（3 模型 × 3 年），figsize=(24, 24)
• 单子图内容：散点（随机采样 ≤ 10000 点，alpha≈0.55, s=10）+ 回归线（红色实线，linewidth=3~4）+ 1:1 线（黑色虚线）
• R² 标注：ax.text(0.48, 0.95, f'$R^2$ = {r2:.4f}', transform=ax.transAxes, fontweight='bold')
• 终版可加黄色圆角方框 bbox=dict(boxstyle='round,pad=0.5', facecolor='yellow', alpha=0.8)
• 坐标轴：只保留 left + bottom spine（top/right 隐藏），spines 线宽 3，黑色
• 刻度：direction='in'（朝内），labelsize≈31，刻度标签加粗
• 子图不写横纵轴标题，改用 fig.supxlabel / fig.supylabel 写中英文公共轴标签：
  r'真实值 Real value / g C m$^{-2}$ a$^{-1}$'（单位用 -2 上标、a$^{-1}$ 年）
• 图例：frameon=False 或带边框、无阴影，loc='upper left'
• 输出：JPG 600dpi（主）+ 早期版另有 EPS 600dpi

五、误差分级空间图（相对误差，diverging）

标准范式（见 误差分级空间图.py）：

• 相对误差：(pred - true) / |true_safe| * 100，true_safe 防除零取 max(|true|, 1e-6)
• 极值过滤：|rel_err| > 500 置 nan
• 9 级分类（与 RdBu 色带对应）：

error_classes = [
    (-np.inf, -50, '严重低估', '#053061'),
    (-50, -25, '显著低估', '#2166AC'),
    (-25, -15, '中度低估', '#4393C3'),
    (-15, -10, '轻微低估', '#92C5DE'),
    (-10, 10,  '预测良好', '#FFFFFF'),
    (10, 15,   '轻微高估', '#F4A582'),
    (15, 25,   '中度高估', '#D6604D'),
    (25, 50,   '显著高估', '#B2182B'),
    (50, np.inf, '严重高估', '#67001F'),
]
cmap_classified = ListedColormap([c[3] for c in error_classes])

• 绘图：ax.imshow(classified_masked, cmap=cmap_classified, vmin=0, vmax=8, alpha=0.9, interpolation='nearest')
• 图例：用 matplotlib.patches.Patch 生成色块图例，分两排（legend_elements[:5] 一排、[5:] 一排，ncol=5 / ncol=4），加边框
• 同样去经纬度坐标（remove_axes_frame_ticks）+ 指北针 + 比例尺
• 输出 JPG 600 + PDF + TIFF

六、时间序列趋势 / SHAP 折线图（见 时间序列趋势折线图.py）

• 单图 figsize=(13.5, 8.5), dpi=200
• 散点：marker='o'/'s'/'^'（圆/方/三角区分变量），edgecolor='black', linewidth=1.5, s≈115~130
• 拟合线：全部实线 linestyle='-'，linewidth≈3.2
• 公式标注（右上角自上而下排列）：
  f"{name} = {slope:.5f}x {intercept:+.2f} ($R^2$ = {r2:.3f})"
• 轴标签中英双行："平均 |SHAP|值\nMean |SHAP| value"
• 去网格：ax.grid(False)
• 保留四条外框（spine 全可见，linewidth=1.5，黑色）
• 刻度：direction='out', labelsize≈22, 刻度标签加粗
• 横坐标按 2 年步进 np.arange(2001, 2020, 2)；纵坐标 FormatStrFormatter("%.2f")
• 输出：JPG 600dpi + PDF（AI 可编辑）

七、常用配色方案

连续型变量绿系（10 色，由浅到深）

colors = ['#F7F4F0', '#E8E0D2', '#DFC27D', '#BFAE72', '#A6A663',
          '#80B774', '#5AAE61', '#1B7837', '#00682A', '#00441B']

误差分级（diverging RdBu，9 色，见第五节）
#053061 → #2166AC → #4393C3 → #92C5DE → #FFFFFF → #FDDBC7 → #F4A582 → #D6604D → #B2182B → #67001F

变量散点配色（趋势图）
SKT: #ef6a63 / #e74c3c、SSR: #5dade2 / #3498db、DEM: #58d68d / #2ecc71

八、输出格式与 dpi（投稿要求）

保存示例：

plt.savefig('空间分布图_600dpi.jpg', dpi=600, format='jpg',
            bbox_inches='tight', pil_kwargs={'quality': 95})
plt.savefig('空间分布图_AI可编辑.pdf', dpi=600, format='pdf', bbox_inches='tight')
plt.savefig('空间分布图.tif', dpi=600, format='tiff', bbox_inches='tight')

九、返修改图 checklist（编辑部常见要求）

1. ✅ 中文字体为 SimHei / Microsoft YaHei，axes.unicode_minus=False
2. ✅ PDF 输出设 pdf.fonttype=42（否则 AI 打开中文乱码）
3. ✅ 地图类图去掉经纬度坐标、刻度、外框（用 remove_axes_frame_ticks）
4. ✅ 地图类图保留指北针（右上）+ 比例尺（右下）
5. ✅ 多子图统一色标范围（合并 1–99 分位），底部用公共水平 colorbar
6. ✅ 子图标题用 模型（年份） 格式，不带 (a)(b) 角标（终版）
7. ✅ 单位书写规范：g C m$^{-2}$ a$^{-1}$（负指数用 $^{-1}$ 上标）
8. ✅ 主图送 JPG 600dpi，另存 PDF（AI 可编辑） + TIFF
9. ✅ 线宽加粗（spine 1.5~3）、字体加粗，整体醒目
10. ✅ 预测散点图显示 R²，含回归线 + 1:1 线，只留 left/bottom 框