使用 Basemap 在两个 xarray 数据集之间进行插值
Interpolation between two xarray datasets with Basemap
我有两个不同的 xarray 数据集，它们具有不同的 latitude/longitude 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 and yout must have same shape!
截图：
basemap.interp() 是否要求 xout 和 yout 的形状相同？那么 var2 必须是正方形吗？我的任何数据集几乎都不会出现这种情况！我怎样才能将 var1 重新设置为与 var2 相同的分辨率？
注意：重新网格化后，我想在给定与 var2 相关的某些条件下对 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损失。
basemap.interp 仅当 xout 和 youn 的数量相同或输出 nlons 和 nlats 的数量相同时才有效，
为什么不生成相同长度的输出 nlats 和 nlons 并稍后对其进行子集化。
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 xarray 的另一个很酷的技巧。
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')
如果您想要加权平均重新网格化，通过在 groupby 对象上使用权重和求和函数，很容易将其扩展为面积平均重新网格化。
我有两个不同的 xarray 数据集，它们具有不同的 latitude/longitude 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 and yout must have same shape!
截图：
basemap.interp() 是否要求 xout 和 yout 的形状相同？那么 var2 必须是正方形吗？我的任何数据集几乎都不会出现这种情况！我怎样才能将 var1 重新设置为与 var2 相同的分辨率？
注意：重新网格化后，我想在给定与 var2 相关的某些条件下对 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损失。
basemap.interp 仅当 xout 和 youn 的数量相同或输出 nlons 和 nlats 的数量相同时才有效，
为什么不生成相同长度的输出 nlats 和 nlons 并稍后对其进行子集化。
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 xarray 的另一个很酷的技巧。
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')
如果您想要加权平均重新网格化，通过在 groupby 对象上使用权重和求和函数，很容易将其扩展为面积平均重新网格化。