需要比maskoceans(grid=1.25,resolution='f')更准确地检测地图的陆地/海洋点

Question

我在地图上有一个网格点，我想知道哪一个点在陆地上还是海洋里。我试过用三种方法来做这件事，但都不令人满意。在

1. 使用maskoceans，一个简单的例子是：

   from mpl_toolkits.basemap import maskoceans
   import numpy
   # my grid is given by lons and lats 1D arrays.
   Array = numpy.ma.zeros((lats.size,lons,size))
   Lons,Lats = numpy.meshgrid(lons,lats)
   MaskedArray = maskoceans(Lons,Lats,Array,resolution='f',grid=1.25)
   

现在我有了MaskedArray海洋上的位置被屏蔽了。与其它方法相比，该方法的计算速度很快，但在海岸附近的小尺度下，这种方法不准确。在下面的图中，红点表示陆地，黑点表示海洋。正如你所看到的，即使我使用了resolution='f'（完全解析）和最小屏蔽网格（grid=1.25），海洋中的腐蚀点也被标记为红色的陆地。似乎maskoceans的f分辨率与Basemap的f分辨率顺序不同。在

Image of points detected with maskoceans

1. 使用basemap.is_land()。例如：

   # Create a basemap object, this takes a while!
   MinLat = numpy.min(lats) - 0.01
   MinLon = numpy.min(lons) - 0.01
   MaxLat = numpy.max(lats) + 0.01
   MaxLon = numpy.max(lons) + 0.01
   MidLat = numpy.mean(lats)
   MidLon = numpy.mean(lons)
   from mpl_tookits.basemap import Basemap
   map = Basemap(projection='aeqd',llcrnrlat=MinLat,llcrnrlon=MinLon,urcrnrlat=MaxLat,urcrnrlon=MaxLon,area_thresh=0.01,lon_0=MidLon,lat_0=MidLat,resolution='f')
   Array = numpy.zeros((lats.size,lons.size),dtype=bool)
   for j in range(lats.size):
       for i in range(lons.size):
           x,y = map(lon[i],lat[j])
           if map.is_land(x,y):
               Array[j,i] = True
   

这是最准确的方法。如下图所示，所有点都被正确地检测到。is_land()的一个大问题是它的速度非常慢。对于大型网格，此方法需要几分钟（对于非常大的网格，以小时为单位），而maskoceans所用时间不到一秒。在

Image of points detected with Basemap.is_land

1. 使用Polygon.contains_point。请参见示例here。这对我不起作用，因为为了使用conians_point，海岸线的多边形应该闭合。因此，map对象应该用

    map = Basemap(projection='aeqd',lon_0=0,resolution='f')
   

如果地图定义在lon和lat的窗口上，则海岸线多边形不会闭合。但是加载具有全分辨率的完整地图需要很长的时间和内存，甚至检测到一个点也需要很长时间。在

有没有其他方法可以在给定的网格上识别陆地/海洋点？如果解决问题得到解决，它更愿意使用maskoceans。是否可以将maskoceans()的分辨率提高到Basemap的分辨率？在