理解 pyresample 将不规则网格数据重新网格化为规则网格答案

【问题标题】：understanding pyresample to regrid irregular grid data to a regular grid理解 pyresample 将不规则网格数据重新网格化为规则网格
【发布时间】：2017-01-21 08:22:03
【问题描述】：

我需要将不规则网格（朗伯圆锥形）上的数据重新网格化为规则网格。我认为 pyresample 是我最好的选择。事实上，我原来的 lat,lon 不是 1D（似乎需要使用 basemap.interp 或 scipy.interpolate.griddata）。

我发现this SO's answer 很有帮助。但是我得到空的插值数据。我认为这与我的影响半径的选择以及我的数据被包装的事实有关 (??)。

这是我的代码：

import numpy as np
from matplotlib import pyplot as plt
import netCDF4
%matplotlib inline
url = "http://www.esrl.noaa.gov/psd/thredds/dodsC/Datasets/NARR/Dailies/monolevel/hlcy.2009.nc"
SRHtemp = netCDF4.Dataset(url).variables['hlcy'][0,::]
Y_n     = netCDF4.Dataset(url).variables['y'][:]
X_n     = netCDF4.Dataset(url).variables['x'][:]
T_n     = netCDF4.Dataset(url).variables['time'][:]

lat_n     = netCDF4.Dataset(url).variables['lat'][:]
lon_n     = netCDF4.Dataset(url).variables['lon'][:]

lat_n和lon_n不规则，经纬度对应投影坐标x,y。

由于lon_n的方式，我补充说：

lon_n[lon_n<0] = lon_n[lon_n<0]+360

所以现在如果我将它们绘制出来，它们看起来不错：

然后我创建一组新的常规坐标：

XI = np.arange(148,360)
YI = np.arange(0,87)
XI, YI = np.meshgrid(XI,YI)

按照上面的答案，我编写了以下代码：

从 pyresample.geometry 导入 SwathDefinition 从 pyresample.kd_tree 导入 resample_nearest

def_a = SwathDefinition(lons=XI, lats=YI)
def_b = SwathDefinition(lons=lon_n, lats=lat_n)
interp_dat = resample_nearest(def_b,SRHtemp,def_a,radius_of_influence = 70000,fill_value = -9.96921e+36)

数据的分辨率大概是30km，所以我放了70km，我放的fill_value就是数据中的那个，当然我也可以放0或者nan。

但是我得到一个空数组。

我做错了什么？另外-如果有另一种方法，我有兴趣知道它。 Pyresample 文档有点薄，我需要更多帮助。

我确实发现 this answer 建议使用另一个 griddata 函数：

import matplotlib.mlab as ml
resampled_data = ml.griddata(lon_n.ravel(), lat_n.ravel(),SRHtemp.ravel(),XI,YI,interp = "linear")

似乎还可以：

但我想更多地了解 pyresample，因为它看起来很强大。

【问题讨论】：

标签： python netcdf netcdf4 pyresample

【解决方案1】：

问题在于 XI 和 XI 是整数，而不是浮点数。你可以通过简单地解决这个问题

XI = np.arange(148,360.)
YI = np.arange(0,87.)
XI, YI = np.meshgrid(XI,YI)

无法处理整数数据类型是 pyresample 中未记录、不直观且可能存在错误的行为。

关于您的编码风格的更多说明：

没有必要覆盖 XI 和 YI 变量，这样做不会有太大收获
您应该只加载一次 netCDF 数据集，然后通过该对象访问变量

【讨论】：