使用 Basemap 在两个 xarray 数据集之间进行插值答案

【问题标题】：Interpolation between two xarray datasets with Basemap使用 Basemap 在两个 xarray 数据集之间进行插值
【发布时间】：2016-12-13 12:37:59
【问题描述】：

我有两个不同的 xarray 数据集，它们具有不同的纬度/经度网格分辨率。我想将分辨率较低的一个 xarray 重新网格化为与分辨率较高的一个 xarray 相同的分辨率。我找到了一些示例（例如，http://earthpy.org/interpolation_between_grids_with_basemap.html），但它对我不起作用。这是我为测试而制作的一个示例：

import numpy as np
import xarray as xray
import mpl_toolkits.basemap

var1=xray.DataArray(np.random.randn(len(np.linspace(40.5,49.5,10)),len(np.linspace(-39.5,-20.5,20))),coords=[np.linspace(40.5,49.5,10), np.linspace(-39.5,-20.5,20)],dims=['lat','lon'])

(xlon, xlat)=np.meshgrid(np.linspace(-39.875,-20.125,80),np.linspace(40.125,49.875,40))
var2=xray.DataArray(-xlon**2+xlat**2,coords=[np.linspace(40.125,49.875,40),np.linspace(-39.875,-20.125,80)],dims=['lat','lon'])

mpl_toolkits.basemap.interp(var1,var1.lon,var1.lat,var2.lon,var2.lat,checkbounds=False,masked=False,order=0)

我收到以下错误：

ValueError: xout 和 yout 必须具有相同的形状！

截图：

basemap.interp() 是否要求 xout 和 yout 形状相同？那么 var2 需要是正方形吗？我的任何数据集几乎都不是这种情况！如何将 var1 重新网格为与 var2 相同的分辨率？

注意：在重新网格化后，我想在给定与 var2 相关的一些条件下对 var1 进行子采样。例如：

var1_subset = var1.where(var2>1000)

所以我想在插值过程中尽量减少网格点的任何损失。

【问题讨论】：

标签： python-2.7 matplotlib matplotlib-basemap python-xarray

【解决方案1】：

basemap.interp 只有在 xout 和 yout 的数量相同或输出 nlon 和 nlats 的数量相同时才会起作用，

为什么不生成相同长度的输出 nlats 和 nlons 并在以后对其进行子集化。

例如：

import numpy as np
import xarray as xray 
import mpl_toolkits.basemap
var1=xray.DataArray(np.random.randn(len(np.linspace(40.5,49.5,10)),len(np.linspace(-39.5,-20.5,20))),coords=[np.linspace(40.5,49.5,10), np.linspace(-39.5,-20.5,20)],dims=['lat','lon'])

(xlon,xlat)=np.meshgrid(np.linspace(-39.875,20.125,80),np.linspace(40.125,49.875,80))
var2=xray.DataArray(-xlon**2+xlat**2,coords[np.linspace(40.125,49.875,80),np.linspace(-39.875,-20.125,80)],dims=['lat','lon'])
mpl_toolkits.basemap.interp(var1,var1.lon,var1.lat,var2.lon,var2.lat,checkbounds=False,masked=False,order=0)

这是另一个很酷的 xarray 技巧。

lonreg=var1.groupby_bins('lon',np.linspace(-39.875,20.125,80)).mean(dim='lon')

regridded=lonreg.groupby_bins('lat',np.linspace(-39.5,20.5,20)).mean(dim='lat')

如果你想要加权平均重新网格化，很容易通过在 groupby 对象上使用权重和求和函数来扩展面积平均重新网格化。

【讨论】：