将网格数据插值到地理位置答案

【问题标题】：Interpolation gridded data to geographical point location将网格数据插值到地理位置
【发布时间】：2020-11-25 03:30:03
【问题描述】：

我是 MetPy 的忠实粉丝，并查看了它们的插值函数 (https://unidata.github.io/MetPy/latest/api/generated/metpy.interpolate.html)，但找不到我要找的东西。

我正在寻找一种函数，可以将网格化 2D（经度和纬度）或 3D（经度、纬度和垂直水平）气候数据字段插入到特定地理位置 (lat/lon)。

该函数将采用 5 个参数：一个 2D/3D 数据变量和相关的纬度和经度变量，以及两个所需的纬度和经度坐标值。返回的是单个值（对于 2D 字段）或垂直轮廓（对于 3D 字段）。

我基本上是在寻找与旧 Basemap 函数 bm.interp() 等效的函数。 Cartopy 没有等价物。 CDO（气候数据运算符）运算符 'remapbil,lon=/lat=' 做同样的事情，但直接从命令行处理 netCDF 文件，我正在寻找 Python 解决方案。

我认为这样的功能将是对 MetPy 库的有用补充，因为它允许将网格数据（例如模型或卫星数据）与来自气象站或无线电探空仪剖面（仅视为垂直剖面）的点观测数据进行比较在这里）。

你能指出我正确的方向吗？

【问题讨论】：

标签： python metpy

【解决方案1】：

我认为您正在寻找的东西已经存在于scipy.interpolate 中（scipy 是 MetPy 的依赖项之一）。这里我们可以使用interpn进行n维线性插值：

import numpy as np
from scipy.interpolate import interpn

# Array of synthetic grid to interpolate--ordered z,y,x
a = np.arange(24).reshape(2, 3, 4)

# Locations of grid points along each dimension
z = np.array([1.5, 2.5])
y = np.array([-1., 0., 1.])
x = np.array([-3.5, -1, 1, 3.5])

interpn((z, y, x), a, (2., 0.5, 2.))

【讨论】：

【解决方案2】：

这可以通过我的 nctoolkit 包 (https://nctoolkit.readthedocs.io/en/latest/) 轻松完成。它使用 CDO 作为后端，默认为双线性插值。以下会将 .nc 文件重新网格化为单个网格点，然后将其转换为 xarray 数据集。

import nctoolkit as nc
import pandas as pd
data = nc.open_data("example.nc")
grid = pd.DataFrame({"lon":[0], "lat":[50]})
data.regrid(grid)
ds = data.to_xarray()

【讨论】：

【解决方案3】：

要添加更多解决方案，如果您已经在使用多维 netCDF 文件并想要 Python 解决方案：请查看 xarray 的 interpolation tools。它们支持多维、基于标签的插值，其用法类似于 xarray 的索引接口。这些构建在相同的 scipy.interpolate 之上，另外提到了，xarray 也是一个 MetPy 依赖项。

【讨论】：