Scipy 插值网格数据的问题答案

【问题标题】：Issues with Scipy interpolate griddataScipy 插值网格数据的问题
【发布时间】：2022-01-21 11:09:47
【问题描述】：

我有一个空间分辨率为 0.05º 的 netcdf file，我想将其重新网格化为 0.01º 的空间分辨率，例如 this other netcdf。我尝试使用 scipy.interpolate.griddata，但我并没有真正到达那里，我认为我缺少一些东西。

original_dataset = xr.open_dataset('to_regrid.nc')
target_dataset= xr.open_dataset('SSTA_L4_MED_0_1dg_2022-01-18.nc')

根据scipy.interpolate.griddata documentation，我需要构建我的插值管道如下：

grid = griddata(points, values, (grid_x_new, grid_y_new), 方法='最近的'）

所以在我的情况下，我认为它会如下：

#Saving in variables the old and new grids
grid_x_new = target_dataset['lon']
grid_y_new = target_dataset['lat']
grid_x_old = original_dataset ['lon']
grid_y_old = original_dataset ['lat']

points = (grid_x_old,grid_y_old)
values = original_dataset['analysed_sst'] #My variable in the netcdf is the sea surface temp.

现在，当我运行 griddata 时：

from scipy.interpolate import griddata
grid = griddata(points, values, (grid_x_new, grid_y_new),method='nearest')

我收到以下错误：

ValueError：形状不匹配：对象不能广播到单个形状

我认为它与 lat/lon 数组形状有关。我对 netcdf 领域很陌生，我真的不知道这里有什么问题。任何帮助将不胜感激！

【问题讨论】：

标签： python scipy grid interpolation netcdf

【解决方案1】：

在您的原始代码中，grid_x_old 和 grid_y_old 中的索引应对应于数据集中的每个唯一坐标。为了使事情正常工作，如下所示：

import xarray as xr
from scipy.interpolate import griddata
original_dataset = xr.open_dataset('to_regrid.nc')
target_dataset= xr.open_dataset('SSTA_L4_MED_0_1dg_2022-01-18.nc')
#Saving in variables the old and new grids
grid_x_old = original_dataset.to_dataframe().reset_index().loc[:,["lat", "lon"]].lon
grid_y_old = original_dataset.to_dataframe().reset_index().loc[:,["lat", "lon"]].lat

grid_x_new = target_dataset.to_dataframe().reset_index().loc[:,["lat", "lon"]].lon
grid_y_new = target_dataset.to_dataframe().reset_index().loc[:,["lat", "lon"]].lat
values = original_dataset.to_dataframe().reset_index().loc[:,["lat", "lon", "analysed_sst"]].analysed_sst
points = (grid_x_old,grid_y_old)
grid = griddata(points, values, (grid_x_new, grid_y_new),method='nearest')

【讨论】：

成功了。非常感谢@罗伯特·威尔逊！！

【解决方案2】：

我建议使用 xesm 重新网格化 xarray 数据集。下面的代码将重新排列您的数据集：

import xarray as xr
import xesmf as xe
original_dataset = xr.open_dataset('to_regrid.nc')
target_dataset= xr.open_dataset('SSTA_L4_MED_0_1dg_2022-01-18.nc')
regridder = xe.Regridder(original_dataset, target_dataset, "bilinear")
dr_out = regridder(original_dataset)

【讨论】：

感谢您的回答！ xesmf 的问题在于，正如他们所说，ESMPy conda 包目前仅适用于 Linux 和 Mac OSX，不适用于我正在使用的 windows。