Cartopy 系列：对入门教程的补充

前言

几年前曾写过 Cartopy 系列：从入门到放弃，但现在来看还是遗漏了不少细节，比如初学者可能会遇到以下问题

经度是用 [-180°, 180°] 还是 [0°, 360°] 范围？
为什么有时候设置的刻度显示不全？
怎么截取跨越地图边界的区域，画图又怎么跨越边界？

本文将会用坐标变换的思想来解答以上问题，希望能给读者一些实用的启示。本来应该把这些内容写到入门教程里的，但可能会太长，所以现在单独成篇。文中的讨论主要针对最常用的 Plate Carrée 投影，其它投影需要读者自己测试。代码基于 Cartopy 0.18.0，虽然现在已经更新到 0.20.0 了，但基本思想是一致的。

经度的循环性

经度的数值范围一般有两种表示：[-180°, 180°] 或 [0°, 360°]。前者表示以本初子午线（zero meridian）为中心，向西向东各 180°，再在对向子午线（antimeridian）处交汇；后者表示以本初子午线为起点向东 360°，又绕回了本初子午线。经度这种绕圈转的量很容易让人联想到时钟的表盘，本初子午线就对应于 0 时（实际上“子午”一词指的就是夜半和正午），[-180°, 180°] 范围对应于使用 AM 和 PM 标记的计时方式，[0°, 360°] 范围对应于二十四小时制。如下图所描绘的那样

一个小区别是：表盘的指针是顺时针旋转的，而经度的“指针”从北极往下看的话，是自西向东，也就是逆时针旋转的。

两个范围的经度在 [0°, 180°] 区间是等价的，大于 180° 的经度减去 360° 又可以换算到 [-180°, 0°] 范围内，例如 240° 就等价于 240° - 360° = -120°。在 Python 中可以通过下面的公式将 [0°, 360°] 范围的经度换算到 [-180°, 180°] 上

def convert_lon(lon):
    '''将经度换算到[-180, 180]范围内.'''
    return (lon + 180) % 360 - 180

for lon in range(-270, 450 + 90, 90):
    lon_new = convert(lon)
    print(lon, '->', lon_new)

结果为

-270 -> 90
-180 -> -180
-90 -> -90
0 -> 0
90 -> 90
180 -> -180
270 -> -90
360 -> 0
450 -> 90

有趣的是，当经度超出了 [0°, 360°] 范围时上式依旧成立，例如 450° 表示从子午线出发绕地球一圈后再绕 90°，上面的结果中也恰好换算为 90°，同理带入 -240° 后换算成 120°。注意边界值 180° 被换算成了 -180°，不过考虑到这两个值对应于同一条经线，也还可以接受。所以只要借助这个公式，任意数值的经度都可以换算到 [-180°, 180°] 的范围内。

Cartopy 正好遵循这一特性，会自动换算我们给出的任意经度值（不过具体实现可能不同于 convert_lon 函数）。例如

line_proj = ccrs.PlateCarree()
ax.plot([-60, 60], [0, 0], transform=line_proj)
ax.plot([300, 420], [0, 0], transform=line_proj)

两句 ax.plot 的画出来的效果是相同的，都画的是 [-60°, 60°] 之间的连线。但这并不意味着在 Cartopy 里经度只要换算过来合理，就可以随便设置了。例如对画图函数来说经度的大小顺序非常重要、对刻度设置来说因为存在 bug，效果也可能不同于预期。后面的小节会一一解说这些例外。

理解坐标变换

地理坐标与投影坐标

地理坐标即经纬度，能够描述地球表面任意一点的位置；而投影坐标则是将地球球体投影到平面上得到的坐标。二者的数值和单位一般不同，但可以根据投影时用到的数学公式进行换算。画图用的源数据（站点位置、卫星像元网格、再分析网格等）一般基于地理坐标，而 Cartopy 地图（即 GeoAxes）因为处于屏幕这个平面上，自然是基于投影坐标的。

Cartopy 将坐标系称为“坐标参考系统”（coordinate reference system，CRS），并在 cartopy.crs 模块中定义了一系列表示 CRS 的类，其中也包括各种地图投影，比如 PlateCarree、Mercator、Mollweide、LambertConformal 类等。在创建 Axes 时将 CRS 对象传给 projection 参数，即可将 Axes 转为这个 CRS 代表的投影的 GeoAxes。例如下面这段代码分别创建了等经纬度投影和麦卡托投影的地图

import matplotlib.pyplot as plt
import cartopy.crs as ccrs

proj1 = ccrs.PlateCarree()
proj2 = ccrs.Mercator()
fig = plt.figure()
ax1 = fig.add_subplot(211, projection=proj1)
ax2 = fig.add_subplot(212, projection=proj2)

下面以最常用的 PlateCarree 类为例讲解地理坐标和投影坐标的关系。PlateCarree 类有一个初始化参数 central_longitude，能够指定画全球地图（通过 ax.set_global 方法）时正中间的经度，默认值为 0，即全球地图默认会把本初子午线放在画面中心。若指定 central_longitude = 180，则全球地图会以对向子午线为中心，图这里就不放了。除这个功能以外，central_longitude 还会影响到 PlateCarree 坐标与地理坐标间的关系。PlateCarree 是一个标准的笛卡尔坐标系，其横坐标 x 与经度 lon 满足关系

x = convert_lon(lon - central_longitude)

即经度减去 central_longitude 后再换算到 [-180°, 180°] 范围即可，显然 x 可以视作关于中央经度的相对经度。继续沿用上一节的表盘比喻，将二者的关系形象地表示为下图

rotate

图中黑色表盘为经度 lon，将其逆时针旋转 central_longitude 度后即得到代表 x 的蓝色表盘。PlateCarree 的纵坐标 y 则与纬度 lat 直接对应，纬度是多少纵坐标就是多少。很容易注意到，当 central_longitude = 0 时，横坐标与经度直接对应，纵坐标与经度直接对应，即 PlateCarree 坐标正好等价于地理坐标。我们后面还会频繁用到这一点。

举个例子，对投影 proj = ccrs.PlateCarree(central_longitude=180) 来说，地理坐标 (-160, 30) 对应于投影坐标 (20, 30)。这可以通过 Matplotlib 的 plt.show 函数创建的交互式界面得到直观验证

plt_show

Matplotlib 里若把鼠标指针放在 Axes 的图像上，窗口右上角就会显示指针位置的坐标。Cartopy 的 GeoAxes 增强了这一功能，还会在坐标后面的括号里显示对应的地理坐标。如上图所示，投影坐标 (20.32, 30.05) 对应的地理坐标为 (159.677419, 30.048387)。注意图中是纬度在前经度在后，且两种坐标对小数部分的显示有所不同，所以看起来像是有误差。探索一番还能发现，全球地图里 x 的范围为 [-180°, 180°]，y 的范围为 [-90°, 90°]，地图中央，也就是 central_longitude 所在位置的 x 总为 0°。Matplotlib 的这一功能对日常 debug 来说非常实用。

此外 CRS 对象的 transform_points 方法能直接进行不同坐标系统间的坐标换算。例如

import numpy as np

proj1 = ccrs.PlateCarree(central_longitude=0)
proj2 = ccrs.PlateCarree(central_longitude=180)

npt = 5
lon1 = np.linspace(-180, 180, npt)
lat1 = np.linspace(-90, 90, npt)

pos2 = proj2.transform_points(proj1, lon1, lat1)
lon2 = pos2[:, 0]
lat2 = pos2[:, 1]
for i in range(npt):
    print(f'({lon1[i]}, {lat1[i]})', '->', f'({lon2[i]}, {lat2[i]})')

其中 proj1 的中央经度为 0，如前所述，其投影坐标 lon1 和 lat1 正好代表经纬度。利用 proj1.transform_points 方法即可将 lon1 和 lat1 换算为 proj2 里的坐标 lon2 和 lat2。结果为

(-180.0, -90.0) -> (0.0, -90.0)
(-90.0, -45.0) -> (90.0, -45.0)
(0.0, 0.0) -> (-180.0, 0.0)
(90.0, 45.0) -> (-90.0, 45.0)
(180.0, 90.0) -> (0.0, 90.0)

明显 lon2 相当于 lon1 减去了 180°，而 lat2 和 lat1 完全一致。在需要手动变换坐标的场合这个方法会派上用场。

总结一下：PlateCarree 投影将地球投影到了平面笛卡尔坐标系里，横坐标相当于经度向右位移（逆时针旋转）了 central_longitude 度，纵坐标依然对应于纬度。PlateCarree 坐标与地理坐标的关系非常简单，但如果对于兰伯特、UTM 那种复杂的投影，坐标间的关系就不会这么直观了，甚至 x 和 y 的单位都不会是度，读者可以用前面提到的 Matplotlib 的交互式界面自行探索。

crs 和 transform 参数

由上一节的解说，Cartopy 官方文档里着重强调的 crs 和 transform 参数就很好理解了。

GeoAxes 不仅工作在投影坐标系，其设置刻度的 set_xticks 和 set_yticks 方法、截取区域的 set_extent 方法，乃至各种绘图的 plot、contourf、pcolormesh 等方法等，都默认我们给出的数据也是基于投影坐标系的。所以需要提前把数据的地理坐标换算为地图的投影坐标，再把数据添加到地图上。例如下面这段代码

map_proj = ccrs.PlateCarree(central_longitude=180)
fig = plt.figure()
ax = fig.add_subplot(111, projection=map_proj)
ax.set_xticks([0, 90])

set_xticks 方法会在地图 x = 0 和 x = 90 的位置画出刻度——注意是 x 而不是经度！如果我们需要的是 lon = 0 和 lon = 90 处的刻度，就需要手动换算一下（根据上一节 x 和 lon 的关系式）

ax.set_xticks([-180, -90])

PlateCarree 这样简单的投影还比较容易手动换算，如果是更复杂的兰伯特投影之类的，就需要利用 CRS 对象的 transform_points 方法了。但 Cartopy 能够通过 crs 和 transform 参数省略掉这一换算过程：通过将 CRS 对象传给设置刻度时的 crs 参数，或绘制图像时的 transform 参数，能够告知 Cartopy 你的数据基于这个 CRS 坐标系，之后 Cartopy 在内部会根据这一信息将你的数据换算到 GeoAxes 所处的坐标系中。因为我们的数据一般都基于地理坐标，所以我们常把等价于地理坐标系的 ccrs.PlateCarree() 对象传给 crs 和 transform 参数。例如上面在 lon = 0 处和 lon = 90 处标出刻度的写法可以改为

tick_proj = ccrs.PlateCarree()
ax.set_xticks([0, 90], crs=tick_proj)

类似地，画出地理坐标 (0, 30) 和 (90, 30) 间的连线

line_proj = ccrs.PlateCarree()
ax.plot([0, 90], [30, 30], transform=line_proj)

所以只要用好 crs 参数和 transform 参数，就可以忽略坐标转换的细节，统一使用地理坐标来描述和操作地图了。可能有人会指出，当地图投影 map_proj = ccrs.PlateCarree() 时 crs 和 transform 参数都可以省去，这确实没错，不过正如 Python 之禅说的，“显式胜于隐式”，显式地指定这些参数有助于明确坐标间的关系。

Geodetic 坐标

前面说 ccrs.PlateCarree() 等价于地理坐标系是不严谨的，因为真正的地理坐标系定义在球面上，两点间的最短连线（测地线）是过这两点的大圆的劣弧；而 PlateCarree 坐标系定义在平面上，两点间的最短连线是过两点的直线。cartopy.crs 模块里的 Geodetic 类便能表示真正的地理坐标系，用于指定单点位置时其效果与 PlateCarree 无异，但在画两点间连线时将 Geodetic 对象传给 transform 参数，便能让连线变成球面上的测地线。例如

x = [116, 286]
y = [39, 40]
ax.plot(x, y, 'o-', transform=ccrs.PlateCarree(), label='PlateCarree')
ax.plot(x, y, 'o-', transform=ccrs.Geodetic(), label='Geodetic')
ax.legend()

geodetic

虽然乍一看橙线比蓝线长，但投影回球面后，橙线才是两点间的最短连线。Geodetic 是一种 CRS，但不属于地图投影，所以不能用于 GeoAxes 的创建。平时画图时除非对测地线或大圆有需求，一般使用 PlateCarree 坐标即可，实际上，目前 Geodetic 对象还不能用作 contourf、pcolormesh 等画图函数的 transform 参数，可能是 Matplotlib 还无法实现曲线网格的填色吧。

关于刻度设置

LongitudeFormatter 和 LatitudeFormatter

单纯使用 set_xticks 设置刻度后，刻度会以 x 的值作为刻度标签（ticklabel），而 x 的值很可能与经度不相等。这时就需要使用 Cartopy 提供的经纬度专用的 Formatter，将刻度标签表现为正确的地理坐标的形式。例如

import cartopy.feature as cfeature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter

# 分别指定`GeoAxes`所处的投影和刻度所处的投影.
map_proj = ccrs.PlateCarree(central_longitude=180)
tick_proj = ccrs.PlateCarree(central_longitude=0)

fig, axes = plt.subplots(
    nrows=2, ncols=1, figsize=(6, 8),
    subplot_kw={'projection': map_proj}
)

# 两个ax设置相同的刻度.
for ax in axes:
    ax.set_global()
    ax.add_feature(cfeature.LAND)
    ax.add_feature(cfeature.OCEAN)
    ax.set_xticks(np.linspace(-180, 180, 7), crs=tick_proj)
    ax.set_yticks(np.linspace(-90, 90, 5), crs=tick_proj)

axes[0].set_title('Ticks Added')
axes[1].set_title('Formatter Added')

# 为第二个ax使用Formatter.
axes[1].xaxis.set_major_formatter(LongitudeFormatter())
axes[1].yaxis.set_major_formatter(LatitudeFormatter())

plt.show()

ticks_and_formatter

可以看到上图中的刻度标签显示的是 x 的值，下图中 Formatter 通过读取 GeoAxes 的投影信息，将刻度值换算为经纬度，并追加了度数和方向的符号。LongitudeFormatter 和 LatitudeFormatter 还提供丰富的参数来修改刻度的显示效果，不过一般来说默认设置就够用了。另外这两个 Formatter 还可以用于普通的 Axes，会将 Axes 的坐标视为地理坐标。

set_xticks 和 gridlines 的 bug

set_xticks 方法存在 bug：当省略 crs 参数，或提供的 CRS 对象与 GeoAxes 的投影等价（源码里通过 == 判断）时，会跳过坐标变换的环节，直接使用你提供的刻度。例如

map_proj = ccrs.PlateCarree()
fig = plt.figure()
ax = fig.add_subplot(111, projection=map_proj)
ax.set_global()

ax.set_xticks(np.linspace(0, 360, 7), crs=map_proj)
ax.set_yticks(np.linspace(-90, 90, 5), crs=map_proj)
ax.xaxis.set_major_formatter(LongitudeFormatter())
ax.yaxis.set_major_formatter(LatitudeFormatter())

ticks_bug_1

本来 set_xticks 里大于 180° 的刻度需要先换算到 [-180°, 180°] 范围内，现在这一环节被跳过了，大于 180° 的刻度直接标在了地图外面。弥补方法是，刻度改用 np.linspace(-180, 180, 7) 即可，或者当 crs 参数与 map_proj 不同时，错误也会自动消失。

画网格的 gridlines 方法存在类似的问题：超出 [-180°, 180°] 范围的经度刻度直接画不出来，就算 crs 参数不同于 map_proj 也没用。例如

map_proj = ccrs.PlateCarree(central_longitude=180)
tick_proj = ccrs.PlateCarree()
fig = plt.figure()
ax = fig.add_subplot(111, projection=map_proj)
ax.set_global()

ax.gridlines(
    crs=tick_proj, draw_labels=True,
    xlocs=np.linspace(0, 360, 7),
    ylocs=np.linspace(-90, 90, 5),
    color='k', linestyle='--'
)

ticks_bug_2

可以看到西半球的经度网格线没画出来，并且调用 fig.savefig 保存图片时若 dpi 不为默认的 150，连纬度的标签也会莫名其妙消失（另见 issues 1794）。Bug 具体原因我也不清楚，感兴趣的读者可以自己探究一下。弥补方法是一样的，xlocs 改用 np.linspace(-180, 180, 7) 即可。

跨越边界的 plot

本节探讨通过 plot 方法绘制两点间连线时，在什么情况下会跨越边界相连。测试程序如下

map_proj = ccrs.PlateCarree()
tick_proj = ccrs.PlateCarree()
fig, axes = plt.subplots(
    nrows=2, ncols=2, figsize=(10, 6),
    subplot_kw={'projection': map_proj}
)
fig.subplots_adjust(wspace=0.3)

# 填色和设置刻度.
for ax in axes.flat:
    ax.set_global()
    ax.add_feature(cfeature.LAND)
    ax.add_feature(cfeature.OCEAN)
    ax.set_xticks(np.linspace(-180, 180, 7), crs=tick_proj)
    ax.set_yticks(np.linspace(-90, 90, 5), crs=tick_proj)
    ax.xaxis.set_major_formatter(LongitudeFormatter())
    ax.yaxis.set_major_formatter(LatitudeFormatter())

def draw_line(ax, p1, p2):
    '''画出点p1和p2之间的连线,并标注在标题上.'''
    x0, y0 = p1
    x1, y1 = p2
    line_proj = ccrs.PlateCarree()
    ax.plot([x0, x1], [y0, y1], 'o-', c='C3', transform=line_proj)
    ax.text(
        x0, y0 + 15, 'start', ha='center', va='center',
        transform=line_proj
    )
    ax.text(
        x1, y1 + 15, 'end', ha='center', va='center',
        transform=line_proj
    )
    ax.set_title(f'From {p1} to {p2}')

draw_line(axes[0, 0], (120, 60), (240, -60))
draw_line(axes[0, 1], (240, -60), (120, 60))
draw_line(axes[1, 0], (120, 60), (-120, -60))
draw_line(axes[1, 1], (-120, -60), (120, 60))

plt.show()

plot

从测试结果可以归纳出：设起点的坐标为 (x0, y0)，终点的坐标为 (x1, y1)，接着比较 x0 和 x1 的绝对大小，当 x0 < x1 时，会从起点出发自西向东绘制；当 x0 > x1 时，会从起点出发自东向西绘制。例如左上角的图中，起点的经度数值小于终点，所以向东绘制，且中途穿越了地图边界；右上角的图将起点和终点颠倒后，变为从起点出发向西绘制；左下角和右下角的图同理，但不穿越地图边界。借助这一特性，我们可以预测并控制两点间的连线是走“内圈”（不穿越边界），还是走“外圈”（穿越边界）。

这点不仅限于 plot 方法，contourf、pcolormesh、imshow 等其它绘图方法，乃至截取区域用的 set_extent 方法均遵循这一特性。

跨越边界的 set_extent

上一节提到 set_extent 方法会根据 x0 和 x1 的大小关系决定绕圈方向，但实际上想要成功截取还需要范围不能跨过边界。例如

from matplotlib.patches import Rectangle

clon1 = 0
clon2 = 180
map_proj1 = ccrs.PlateCarree(central_longitude=clon1)
map_proj2 = ccrs.PlateCarree(central_longitude=clon2)
data_proj = ccrs.PlateCarree()
extent = [120, 240, 20, 80]
lonmin, lonmax, latmin, latmax = extent

# 第一行和第二行子图的central_longitude不同.
fig = plt.figure(figsize=(12, 8))
ax1 = fig.add_subplot(221, projection=map_proj1)
ax2 = fig.add_subplot(222, projection=map_proj1)
ax3 = fig.add_subplot(223, projection=map_proj2)
ax4 = fig.add_subplot(224, projection=map_proj2)
fig.subplots_adjust(hspace=-0.1)

for ax in [ax1, ax3]:
    ax.set_global()
    ax.set_xticks(np.linspace(-180, 180, 7), crs=data_proj)
    ax.set_yticks(np.linspace(-90, 90, 5), crs=data_proj)
    # 用patch标出extent范围.
    patch = Rectangle(
        (lonmin, latmin), lonmax - lonmin, latmax - latmin,
        fc='C3', alpha=0.4, transform=data_proj
    )
    ax.add_patch(patch)

for ax in [ax2, ax4]:
    ax.set_xticks(np.linspace(lonmin, lonmax, 7), crs=data_proj)
    ax.set_yticks(np.linspace(latmin, latmax, 4), crs=data_proj)
    # 截取区域
    ax.set_extent(extent, crs=data_proj)

# 填色和添加formatter.
for ax in [ax1, ax2, ax3, ax4]:
    ax.add_feature(cfeature.LAND)
    ax.add_feature(cfeature.OCEAN)
    ax.xaxis.set_major_formatter(LongitudeFormatter())
    ax.yaxis.set_major_formatter(LatitudeFormatter())

# 设置标题.
ax1.set_title(f'central_longitude={clon1}°')
ax3.set_title(f'central_longitude={clon2}°')
ax2.set_title('set_extent failed')
ax4.set_title('set_extent success')

plt.show()

set_extent

截取范围为经度 [120°, 240°]，纬度 [20°, 80°]。第一排图片 central_longitude = 0，红色方块标识出了截取范围，可以看到这张图中截取范围跨越了地图边界（180°），然后右边对纬度的截取成功了，但对经度的截取失败了——经度范围仍然是 [-180°, 180°]，所以地图变成了长条状。第二排图片 central_longitude = 180，此时地图边界变为 0°，截取范围因此没有跨越边界，然后右边得到了正确的截取结果。

由此引出了 central_longitude 的又一作用：控制地图边界，以保证 set_extent 生效。额外再提一点，使用 set_extent 截取完后，若再调用 set_xticks 和 set_yticks 画超出截取范围的刻度时，会强制拓宽当前地图的范围。所以建议先设置刻度，再进行截取（这点对 set_global 也是一样的）。

GeoAxes 的大小

Matplotlib 中 Axes 横纵坐标单位长度的比例称作 aspect_ratio，通常会自动根据 figsize、rect、xlim、ylim 等参数动态变化。也可以利用 set_aspect 方法设定固定的值，例如 ax.set_aspect(1) 会使图片上一个单位的 x 和一个单位的 y 代表的物理长度（英寸或像素）相等。

之所以要提这一点，是因为所有投影的 GeoAxes 的 aspect_ratio 都固定为 1。试想一下，如果地图的 aspect_ratio 会随其它参数发生变化，或者可以任意赋值，那么就相当于地图的投影被改变了。例如等经纬度投影的地图单位经度和单位纬度必须等长，否则就会名不副实。

不过固定的 aspect_ratio 也会带来一个问题：使用 fig.add_axes 创建 GeoAxes 时，虽然 rect 参数已经指定了 GeoAxes 的边界形状，但 GeoAxes 为了满足 aspect_ratio = 1 的条件，其形状很可能会发生变动，导致其大小不合我们的预期。下面用代码进行演示

from matplotlib.transforms import Bbox

proj = ccrs.PlateCarree()
fig = plt.figure()
rect = [0.2, 0.2, 0.6, 0.6]
axpos1 = Bbox.from_bounds(*rect)
ax = fig.add_axes(rect, projection=proj)
ax.set_global()
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.OCEAN)
axpos2 = ax.get_position()

# 画出rect的方框.
patch = mpatch.Rectangle(
    (axpos1.x0, axpos1.y0), axpos1.width, axpos1.height,
    ec='C3', fc='none', transform=fig.transFigure
)
fig.patches.append(patch)
fig.text(
    axpos1.x0, axpos1.y0 + axpos1.height, 'Expected Box',
    c='C3', va='bottom'
)

# 画出地图的方框.
patch = mpatch.Rectangle(
    (axpos2.x0, axpos2.y0), axpos2.width, axpos2.height,
    ec='C0', fc='none', transform=fig.transFigure
)
fig.patches.append(patch)
fig.text(
    axpos2.x0 + axpos2.width, axpos2.y0 + axpos2.height,
    'Actual Box', c='C0', ha='right', va='bottom'
)

print('Expected Box:', axpos1)
print('Actual Box:', axpos2)
plt.show()

打印结果为

Expected Box: Bbox(x0=0.2, y0=0.2, x1=0.8, y1=0.8)
Actual Box: Bbox(x0=0.2, y0=0.30000000000000004, x1=0.8, y1=0.7000000000000002)

box_1

可以看到地图的实际方框维持中心位置和宽度不变，但对恒定比例的要求使其高度缩短了。实际上，若通过 set_extent 方法截取区域，还可能出现实际方框高度不变、宽度缩短的情况，这里就不放图片了。总之是想说明，PlateCarree 投影的 GeoAxes 常常出现会出现高度或宽度短于预期的情况。其实际大小位置可以通过 get_position 方法获取，之后可以用于绘制等高或等宽的 colorbar 等（例子可见 Python 绘制 CALIPSO L2 VFM 产品）。

强行把地图填到 rect 指示的空间里也不是不行，只需要设置