Python：将一维数组（具有等面积坐标系）转换为二维数组（具有地理坐标参考系）

Question

我有一个一维数据数组（例如降水 [沉淀]）。此外，我有 1D 纬度（最小 -90 度，最大 +90 度）和 1D 经度（最小 0，最大 360 度）数组表示该数据的坐标。坐标系是“等面积”。它是一个全局数据集。

我的问题是如何将此一维数组转换为具有地理坐标参考系（即等距网格、平行线和经线）的二维数组，空间分辨率为 1 x 1 度，以便我会有一个 180*360 的数组（最好使用 pyproj / xarray）？

谢谢！

以下是数据集的信息：

xarray.Dataset

尺寸：（eqcell：41252）

没有坐标的维度：eqcell

数据变量：

lat                (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

lon                (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

precip              (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

Answer 1

看起来你想要scipy.interpolate.griddata。这是文档中的示例：

---

假设我们要对二维函数进行插值

>>> def func(x, y):
...     return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

在 [0, 1]x[0, 1] 的网格上

>>> grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]

但我们只知道它在 1000 个数据点处的值：

>>> points = np.random.rand(1000, 2)
>>> values = func(points[:,0], points[:,1])

这可以通过 griddata 来完成——下面我们尝试所有的插值方法：

>>> from scipy.interpolate import griddata
>>> grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')
>>> grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')
>>> grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')

可以看出，所有方法都在一定程度上重现了确切的结果，但是对于这个平滑函数，分段三次插值法给出了最好的结果：

>>> import matplotlib.pyplot as plt
>>> plt.subplot(221)
>>> plt.imshow(func(grid_x, grid_y).T, extent=(0,1,0,1), origin='lower')
>>> plt.plot(points[:,0], points[:,1], 'k.', ms=1)
>>> plt.title('Original')
>>> plt.subplot(222)
>>> plt.imshow(grid_z0.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Nearest')
>>> plt.subplot(223)
>>> plt.imshow(grid_z1.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Linear')
>>> plt.subplot(224)
>>> plt.imshow(grid_z2.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Cubic')
>>> plt.gcf().set_size_inches(6, 6)
>>> plt.show()