matplotlib 的默认选项pcolormesh（对于 VisIt 也是如此，我认为对于 Matlab 也是如此）是允许颜色条的最大值和最小值变化。在我的情况下看起来像：
我认为这种默认行为是有道理的，并且在美学上也更令人愉悦。
但是，我的顾问希望我在整个绘图中将颜色条保持在某个固定的最大值。初始图的结果与最终图的结果相同：
示踪剂浓度完全消失了！
他给出的保持颜色条固定的原因是，否则它是欺骗性的；乍一看，示踪剂的浓度似乎比以前多，但由于已经扩散，应该会少一些。此外，他认为强烈的颜色会分散注意力，很难找到漩涡移动的位置。
我觉得应该假设读者有足够的能力查看颜色条。另外，我认为颜色可以帮助读者看到漩涡在哪里。
我的问题是：对于科学图是否存在默认/共识位置，即（i）图应该有可变颜色条或（ii）图应该有固定颜色条？
如果不是，应该由哪些因素来指导制作具有最科学价值的图（带颜色条）？
我说的是“科学价值”而不是“审美价值”，但如果您认为美学应该是一个重要因素，请证明自己的合理性或提供参考来支持自己。
颜色图的选择应基于您的数据集和受众，例如，您不想为一群人使用具有某种文化背景的颜色图。此外，如果要打印图像（灰度），您应该考虑使用在颜色转换后保留顺序的颜色图。
然后，您应该考虑到，在使用/设计颜色图时，您正在执行从数据集中的值到颜色空间的映射。该空间可以在分量中定义，但存在其他更直观的颜色空间，例如 (Hue, Saturation, Value) 和 (Hue ，饱和度，亮度）。基于此，我们可以认为一个（单变量）色标等价于色彩空间中的一条路径。彩虹色图改变了色相。从matplotlib 文档：
Sequential:
These colormaps are approximately monochromatic colormaps varying smoothly
between two color tones---usually from low saturation (e.g. white) to high
saturation (e.g. a bright blue). Sequential colormaps are ideal for
representing most scientific data since they show a clear progression from
low-to-high values.
Diverging:
These colormaps have a median value (usually light in color) and vary
smoothly to two different color tones at high and low values. Diverging
colormaps are ideal when your data has a median value that is significant
(e.g. 0, such that positive and negative values are represented by
different colors of the colormap).
Qualitative:
These colormaps vary rapidly in color. Qualitative colormaps are useful for
choosing a set of discrete colors. For example::
color_list = plt.cm.Set3(np.linspace(0, 1, 12))
gives a list of RGB colors that are good for plotting a series of lines on
a dark background.
您还可以使用冗余颜色图，一次使用多个参数，彩虹颜色图的示例。这篇SciPy 2014 上的演讲，讨论了 matplotlib 中颜色图的一些主题，非常有启发性，幻灯片可以在这里找到。
使用颜色图的一些原因是：
这就是为什么有些量表更擅长定性判断[2]（相对形状和大小）。并且，其他色标更适合定量判断（查值），就是你现在感兴趣的应用。
Trumbo 的原则提出了一些在设计/使用颜色图时要考虑的指导方针 [1]：
彩虹色图目前对颜色信息的排序不好，这就是为什么有人建议避免使用它的原因[3]。尽管有一些版本的 raibow 颜色图是冗余的并且呈现了 ordering 属性。颜色图的一些示例
[1] Bruce E. Trumbo (1981)，二元统计图着色理论，美国统计学家，卷。35，没有。4，第 220-226 页。网址。
[2] Ware, C., (1988)。单变量地图的颜色序列：理论、实验和原理。IEEE 计算机图形学和应用程序。8（5），41-49。网址。
[3] Borland、David 和 Russell M. Taylor II。“彩虹色图（仍然）被认为是有害的。” IEEE 计算机图形学和应用程序 27.2 (2007): 14-17。网址
[4] Kovesi Peter (2015) 糟糕的彩色地图隐藏了大特征并创建了虚假异常。ASEG 扩展摘要 2015，1-4。网址
[5] Rougier、Nicolas P.、Michael Droettboom 和 Philip E. Bourne。“获得更好数字的十个简单规则。” PLoS 计算生物学 10.9（2014）：e1003833。网址
我同意使用相同的色标通常是一种很好的做法。不这样做是令人困惑的。现在，正如您所注意到的，在某些情况下，这不会在每张图片中留下太多信息。在这种情况下，您至少应该在标题中明确说明您对图形的不同面板使用不同的色标。