极稀疏网格插值在乡村热图生成中的应用

Question

我有一个随时间推移的每个国家的事件数据集，我想在事件发生的同一时间段内创建一个变化的热图。到目前为止，我已经：

        ax2 = plt.axes(projection=ccrs.Miller())
        ax2.set_global()
        ax2.coastlines()
        ax2.add_feature(cfeature.OCEAN, zorder=0)
        ax2.add_feature(cfeature.BORDERS, linewidth=0.6)
        ax2.set_title('Second axis plot')

        grid_z0 = griddata(points, values, (x2d, y2d), method='cubic', fill_value=0)
        print grid_z0

        cnt = ax2.pcolormesh(lons_new, lats_new, grid_z0,
         transform=ccrs.PlateCarree(), cmap = cmap, alpha = 0.5)

        plt.show()

在哪里

• 点/值是通过指定 事件数量的国家（因此对于第一次迭代）： 阿根廷具有“1”的所有价值观，英国具有“1”的所有价值。在

• x2d，y2d是：

     lats_new = np.linspace(-90, 90, 91)
     lons_new = np.linspace(-180, 180, 91)
     x2d, y2d = np.meshgrid(lons_new, lats_new)
  

这将产生： first incident

我要实现的是：基于距离的插值（即我所附的图中的两个国家应该是分开的红色的，在边界处逐渐消失）。我尝试过scipy的一些插值方法，但似乎都做得不好（2d，以及griddata中的所有方法）。在

Answer 1

修正了使用高斯滤波器插值矩阵前轮廓：

图像作为事件值的二元矩阵（英国中的一个事件） 一个在阿根廷）。此处显示为彩色网格：

Color mesh before Guassian filter

1. 对世界各地的掩模矩阵应用高斯滤波器：

       sigma_y = 3.0
       sigma_x = 3.0
   
       sigma = [sigma_y, sigma_x]
   
       y = sp.ndimage.filters.gaussian_filter(grid_new, sigma, mode='constant')
   

其中grid_new是事件值的二维矩阵。使用guassian过滤器后的彩色网格： Matrix after guassian filter seen as a pcolormesh

1. 将.contourf函数应用于guassian过滤矩阵： Contourf of gaussian filtered matrix