使用xarray改变坐标系以便Slice操作

Question

我是新来的。首先，我非常感谢您的时间和考虑。关于在 python 中管理 2 个不同的 netcdf 文件，我有 2 个问题。我搜索了很多，但不幸的是我找不到解决方案。

1- 我有一个 netcdf 文件，其坐标如下：

time     datetime64[ns] 2016-08-16T22:00:00
* y        (y) int32 220000  ...  620000
* x        (x) int32 20000  ...  720000
 lat      (y, x) float64 dask.array<shape=(401, 701), 
 lon      (y, x) float64 dask.array<shape=(401, 701),

我需要将坐标更改为 lon/lat，以便我可以根据特定的 lon/lat 坐标（通过使用 xarray）对区域进行切片。但我不知道如何将 x 和 y 更改为 lon lat。这是我的代码：

import xarray as xr
import matplotlib.pyplot as plt
p = "R_201608.nc"
ds = xr.open_mfdataset(p)
q=ds.RR.sel(time='2016-08-16T21:00:00')

2- 与 1 类似，我有另一个 netcdf 文件，其坐标如下：

   * X           (X) float32 557600.0 .. 579400.0
   * Y           (Y) float32 5190600 ... 5205400.0
   * time        (time) datetime64[ns] 2007-01I

如何将 x 和 y 转换为 lon/lat 系统，以便我可以在 lon/lat 系统中绘制它？

与@Ryan 相关的编辑： 1- 是的。此文件显示大面积降雨。我想把它切成更小的区域——与 q2 相关的文件的类似区域——并使用偏差、RMSE 等对它们进行比较。这里是与该文件相关的完整信息：

 <xarray.Dataset>
  Dimensions:                  (time: 2976, x: 701, y: 401)
  Coordinates:
  * time             (time) datetime64[ns] 2016-08-31T23:45:00
  * y          (y) int32 220000 221000  ... 619000 620000
  * x          (x) int32 20000 21000  ... 719000 720000
  lat        (y, x) float64 dask.array<shape=(401, 701),chunksize=(401, 701)>
  lon        (y, x) float64 dask.array<shape=(401, 701), chunksize=(401, 701)

 Data variables:
    RR       (time, y, x) float32 dask.array<shape=(2976, 401, 701),    chunksize=(2976, 401, 701)>
    lambert_conformal_conic  int32 ...

    Conventions:  CF-1.5

与@Ryan 相关的编辑：2- 这里是关于第二个文件（较小区域）的完整信息：

   <xarray.DataArray 'Precip' (time: 8928, Y: 75, X: 110)>
   dask.array<shape=(8928, 75, 110), dtype=float32, chunksize=(288, 75, 110)>
   Coordinates:

      sensor_height_precip  float32 1.5
      sensor_height_P       float32 1.5
      * X                     (X) float32 557600.0 557800.0 ... 579200.0 579400.0
      * Y                     (Y) float32 5190600.0 5190800.0 ... 5205400.0
      * time                  (time) datetime64[ns]  2007-01-31T23:55:00
   Attributes:
      grid_mapping:         UTM33N
      ancillary_variables:  QFlag_Precip QGrid_Precip
      long_name:            Precipitation Amount
      standard_name:        precipitation_amount
      cell_methods:         time:sum
      units:                mm

Answer 1

问题1）中，lon和lat是二维的（都有x,y维度），无法将lon和lat转换为维度坐标。维度坐标，用于切片，只能是一维的。如果您可以更具体地说明切片后要做什么，我们可以提供更多有关如何进行的建议。您是否要 select 特定的纬度/经度范围，然后计算一些统计数据（例如均值/方差）？

在问题 2) 中，您似乎有地图投影。没有关于投影的更多信息，就不可能转换为纬度/经度坐标或在地图上绘制。您的数据集中是否包含有关所用地图投影的更多信息？你能 post print(ds) 的完整输出吗？

Answer 2

在你的帮助下我已经解决了我的问题。非常感谢。如@Bart 所述，我可以使用 PYPROJ 将两个数据集的坐标更改为 lon/lat。从原始坐标和投影坐标创建 meshgid 是关键点。

from pyproj import Proj
nxv,  nyv = np.meshgrid(nx, ny)       
unausp = Proj('+proj=lcc +lat_1=49 +lat_2=46 +lat_0=47.5   +lon_0=13.33333333333333 +x_0=400000 +y_0=400000 +ellps=bessel    +towgs84=577.326,90.129,463.919,5.137,1.474,5.297,2.4232 +units=m +no_defs ')   
nlons, nlats = unausp(nxv, nyv, inverse=True)                                 
upLon,  upLat = np.meshgrid(nlons,nlats)

由于我想比较两个具有不同空间分辨率（不同网格大小）的降雨数据集，我必须使用 xarray 插值对其中一个进行放大：

upnew_lon = np.linspace(w.X[0], w.X[-1], w.dims['X'] // 5) 
upnew_lat = np.linspace(w.Y[0], w.Y[-1], w.dims['Y'] //5) 
uppds = w.interp(Y=upnew_lat, X=upnew_lon)

据我所知，这个插值是基于线性插值的。我将放大的数据集与原始数据集进行了比较。升级后平均降雨量减少约 0.03 毫米/天。我只想知道你认为这种sub-hourly降雨量的放大方法可靠吗？

使用xarray改变坐标系以便Slice操作

Using xarray to change coordinate system in order to Slice operation

netcdf

coordinate-transformation

python-3.x

python-xarray

netcdf4