Python：将1D数组（具有等面积坐标系）转换为2D数组（具有地理坐标系）

Question

我有一个一维数据数组（例如降水[precip]）。此外，我还有1D纬度（最小-90度，最大+90度）和1D经度（最小0度，最大360度）数组，表示此数据的坐标。坐标系为“等面积”。这是一个全球数据集

我的问题是如何将该一维阵列转换为具有1×1度空间分辨率的地理坐标参考系（即等距栅格、平行线和子午线）的二维阵列，以便获得180*360阵列（最好使用pyproj/xarray）

谢谢

以下是数据集的信息：

xarray.Dataset

尺寸：（eqcell:41252）

不带坐标的尺寸：eqcell

数据变量：

lat                (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

lon                (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

precip              (eqcell) float32 dask.array chunksize=(41252,), meta=np.ndarray

Answer 1

看起来你想要scipy.interpolate.griddata。以下是文档中的示例：

---

假设我们要插值二维函数

>>> def func(x, y):
...     return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

在[0,1]x[0,1]中的网格上

>>> grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]

但我们只知道1000个数据点的值：

>>> points = np.random.rand(1000, 2)
>>> values = func(points[:,0], points[:,1])

这可以通过griddata完成–下面我们尝试所有插值方法：

>>> from scipy.interpolate import griddata
>>> grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')
>>> grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')
>>> grid_z2 = griddata(points, values, (grid_x, grid_y), method='cubic')

可以看出，所有方法都在一定程度上再现了精确结果，但对于该平滑函数，分段三次插值给出了最佳结果：

>>> import matplotlib.pyplot as plt
>>> plt.subplot(221)
>>> plt.imshow(func(grid_x, grid_y).T, extent=(0,1,0,1), origin='lower')
>>> plt.plot(points[:,0], points[:,1], 'k.', ms=1)
>>> plt.title('Original')
>>> plt.subplot(222)
>>> plt.imshow(grid_z0.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Nearest')
>>> plt.subplot(223)
>>> plt.imshow(grid_z1.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Linear')
>>> plt.subplot(224)
>>> plt.imshow(grid_z2.T, extent=(0,1,0,1), origin='lower')
>>> plt.title('Cubic')
>>> plt.gcf().set_size_inches(6, 6)
>>> plt.show()