通过使用不同的中心经度更改Map投影，可以更改坐标的含义（物理位置）。当中心经度为lon=0°时，该坐标位于Greenwhich子午线，而当中心经度为180°时，相同的值（lon=0°）位于国际日期变更线。
当然，这样修改Map投影是可以的，但是你还必须修改你提供的数据的坐标（它仍然具有中心经度=0的定义）。或者当使用Matplotlib/Cartopy时，提供正确的转换需要在运行中完成（使用transform=...）。
如果你特别需要Matplotlib的contourf，它需要单调递增的坐标，在这种特定情况下最简单的方法可能是修改数据数组，将其滚动一半宽度，如：

data = np.roll(data, lon.size//2, axis=1)

字符串
上面的方法有点棘手，但在这种情况下有效，因为两个投影之间的差异只是沿着水平轴的偏移。
请注意，同时使用xi、yi和extent=是多余的，它可以是其中一个。当像这样提供x/y坐标时，它们可以保持1D（不需要手动使用np.meshgrid）。所以我会直接传递lon/lat数组。
举例来说：

map_proj = ccrs.PlateCarree(central_longitude=180)

fig, ax = plt.subplots(
    figsize=(10, 5), layout="compressed", facecolor="w", dpi=100,
    subplot_kw=dict(projection=map_proj),
)

ax.coastlines(resolution='110m', color='k', lw=.5, alpha=.5)
ax.add_feature(cartopy.feature.BORDERS, ec='k', lw=.5, alpha=.5)

im = ax.contourf(
    lon, lat, data, origin='upper', cmap="RdBu_r", 
    levels=np.arange(-3,3.1,0.5), extend="both",
    transform=map_proj,
)

cb = fig.colorbar(im, shrink=.5)

型
结果：x1c 0d1x
如果你不是特别需要contourf，你也可以考虑pcolormesh，它给出了一个非常相似的结果。使用下面的设置，它会产生连续的颜色渐变，但您可以为类似的离散颜色提供BoundaryNorm，作为contourf方法。
pcolormesh方法可以使用原始数据（没有np.roll），只要您还提供原始投影，Cartopy将正确处理动态转换。
使用pcolormesh在输入数据方面更加灵活，例如，它不需要假设规则的网格。所以在这种情况下，它也可以用于调试。这种灵活性确实需要更复杂的插值，因此在像这样的大型网格上会有明显的性能损失。

map_proj = ccrs.PlateCarree(central_longitude=180)

fig, ax = plt.subplots(
    figsize=(10, 5), layout="compressed", facecolor="w", dpi=100,
    subplot_kw=dict(projection=map_proj),
)

ax.coastlines(resolution='110m', color='k', lw=.5, alpha=.5)
ax.add_feature(cartopy.feature.BORDERS, ec='k', lw=.5, alpha=.5)

im = ax.pcolormesh(

    lon, lat, data, transform=ccrs.PlateCarree(), 
    vmin=-3, vmax=3, cmap="RdBu_r",
)
cb = fig.colorbar(im, shrink=.5, extend="both")

型

的
最后一个示例现在可以例如通过将Map投影改变为例如来快速改变为使用等面积投影：

map_proj = ccrs.EqualEarth(central_longitude=180)

型

的
最后一个例子的动态重投影会更慢，但它非常简单/方便。通过使用gdalwarp之类的东西预先进行重投影，可能会获得更好的性能。与最终图像相比，数据可能具有更高的分辨率（7200 x3600），在使用Matplotlib绘制之前减小尺寸也会加快速度。