计算两个不同地理网格大小的数组之间的值的偏差或异常

Question

我有一个技术问题，我整整一周都在努力解决这个问题。我根据沿着特定轨道的地理网格 (lat/lon) 上的空气质量测量值创建了一个 netcdf 文件。现在我想计算这些值与更大网格的偏离（或异常）（来自具有大面积平均值的计算机模型的数据）。

我的两个netcdf文件结构如下：

观察（仪器测量）：

维度：

lat: 1321, lon: 1321

数据变量：

Longitude (lon) float64 8.413 8.411 8.409 ... 4.904 4.905
Latitude (lat) float64 47.4 47.4 47.41 ... 52.37 52.37
obs_data (lat, lon) float64 ...

模型数据：

维度：

latitude: 140, level: 1, longitude: 215, time: 24

坐标：

longitude  (longitude)  float32    357.55 357.65 ... 18.85 18.95 
latitude   (latitude)   float32    55.95 55.85 55.75 ... 42.15 42.05    
level      (level)      float32    0.0
time       (time)    timedelta64[ns]    00:00:00 01:00:00 ... 23:00:00

数据变量：

model_data (time, level, latitude, longitude) float32 ...

我尝试了各种不同的方法，但每次我运行遇到某种似乎没有解决方案的错误，我最终不得不尝试不同的方法。我得到的最接近的是跟随this great tutorial，但在这里我也碰壁了。当我试图为两个数据集找到最近的纬度和经度时，

lat_idx = np.abs(model_lat - obs_lat).argmin() #subtract train lat from model lat
lon_idx = np.abs(model_lon - obs_lon).argmin() #subtract train lon from model lon

我收到以下错误

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-437-9396b00ba22f> in <module>
     18 
     19 # Find the nearest latitude and longitude for the train data
---> 20 lat_idx = np.abs(model_lat - obs_lat).argmin()
     21 lon_idx = np.abs(model_lon - obs_lon).argmin()
     22 

~/opt/anaconda3/lib/python3.7/site-packages/numpy/ma/core.py in __sub__(self, other)
   4115         if self._delegate_binop(other):
   4116             return NotImplemented
-> 4117         return subtract(self, other)
   4118 
   4119     def __rsub__(self, other):

~/opt/anaconda3/lib/python3.7/site-packages/numpy/ma/core.py in __call__(self, a, b, *args, **kwargs)
   1024         with np.errstate():
   1025             np.seterr(divide='ignore', invalid='ignore')
-> 1026             result = self.f(da, db, *args, **kwargs)
   1027         # Get the mask for the result
   1028         (ma, mb) = (getmask(a), getmask(b))

ValueError: operands could not be broadcast together with shapes (140,) (1321,)

有没有简单计算的方法：

anomaly = model_data[lat, lon] - obs_data[lat, lon]

?

我最新的希望是 xarray，但我真的很难阅读他们的文档，我花了几天时间寻找前进的方向。

你们中有人找到解决这个问题的办法了吗？非常感谢任何提示。

编辑：

应 V. Ayrat 的要求：

In: type(model_data)
Out: xarray.core.dataset.Dataset

obs_data是同类型

如果两个 obs_data 值落入同一个 model_data 单元格，则应从同一个 model_data 单元格中减去 obs_data。

Answer 1

不完全清楚您要做什么或使用什么数据结构。如果稍后有更多信息，我将编辑 post。但是，我认为这可以解决问题：

如果您想要 obs_lat 中最接近 model_lat 的 lat/lon，请使用：

lat_idx = np.abs(model_lat - obs_lat[:,None]).argmin(axis=0)
lon_idx = np.abs(model_lon - obs_lon[:,None]).argmin(axis=0)

如果您想要 model_lat 中最接近 obs_lat 的 lat/lon，请使用：

lat_idx = np.abs(model_lat - obs_lat[:,None]).argmin(axis=1)
lon_idx = np.abs(model_lon - obs_lon[:,None]).argmin(axis=1)

计算两个不同地理网格大小的数组之间的值的偏差或异常

Calculate departure or anomaly of a value between two arrays of different geographic grid sizes

arrays

numpy

netcdf

python-3.x

python-xarray