gpt4 book ai didi

python - 如何使用 python 对常规经纬度数据进行面积加权重新网格化

转载 作者:行者123 更新时间:2023-11-30 23:43:43 25 4
gpt4 key购买 nike

我希望能够在 python 中对规则间隔的二维经纬度数据执行面积加权重新网格化,例如例如,从 0.5x0.5 网格到 2.5x3.75 网格。该数据是以 kg/m^2/s 为单位的排放量,因此我需要保留质量以及空间分布。

我知道有许多 scipy 插值例程,但我不确定哪一个(如果有的话)是在这种情况下使用的最佳例程。如果可能的话,我不想安装太多额外的 python 包,除非绝对需要(即我安装了 scipy+numpy,但不想安装一个专业的 python 包,它将做我需要的事情,也需要我将数据存储在特定的类结构等中。但是,如果需要,我会这样做!)。

这对我来说也是一个学习练习,让我了解如何在 python 中做这些事情,以及能够做到这一点。

最佳答案

这是一个相当复杂的问题,答案相当复杂,而且有很多出错的机会。正如您在评论中所说,您有这样的经度、纬度向量:

'0.5x0.5'
np.arange(-89.75,90.25,0.5) #[-89.75,-89.25,...,89.25,89.75], latitudes
np.arange(0.25,360.25,0.5) #[0.25,0.75,...,359.25,359.75], longitudes

或者这个:

'1x1'
np.arange(-90.0,91.0,1.0) #[-90.0,-89.0,...,89.0,90.0], latitudes
np.arange(-180.0,180.0,1.0) #[-180.0,-179.0,...178.0,179.0], longitudes

并且您需要将关联的数据集转换为以下格式:

'73x96 (or N48)'
np.arange(-90.0,92.5,2.5) #[-90.0,-87.5,...,87.5,90.0] latitudes
np.arange(0.0,360.00,3.75) #[0.0,3.75,...,352.5,356.25] longitudes

或者这个:

'1.25x1.875 (or N96)'
np.array(-90.0,91.25,1.25) #[-90.0,-88.75,...,90.00] latitudes
np.array(0.0,360.00,1.875) #[0.0,1.875,...,358.125] longitudes

所有条目均针对网格单元中心。

部分好消息是您不需要进行任何插值。我们可以upsample (纵向和横向)只需重复条目,即如果我们有 1*1间隔数据集我们可以将其更改为 0.5*0.5间隔数据集,通过重复每一列和行,即使我们使用球形网格数据,这对您的数据也是有效的!考虑将一个初始单元分成更小的单元 - 每个新单元的密度与原始单元的密度相同。我们可以这样做:

data_up = np.repeat(data, 2, axis=0)
data_up = np.repeat(data_up, 2, axis=1)

这是一个很好的方法,因为我们不做任何假设,也不会丢失任何数据。我们稍后会需要这个。

我们可以downsample当我们纵向增加单元的宽度时,通过将单元加在一起并平均单元的数量。这是因为纵向相邻(水平)单元的面积相等。如果我们是downsampling到一个不是原始间距整数倍的网格间距,那么首先我们必须 upsample ,如上所述(这是对您的要求..)。

最棘手的事情是按纬度进行下采样。这是因为这里我们有不同的密度,并且与这些密度相关的实际区域也不同。处理这个问题的方法是:

  1. 上采样到新的纬度网格间距,该间距是初始纬度网格和所需纬度网格的倍数(如上所述)。
  2. 计算每个细胞的细胞表面积 ( this is the formula we need )。
  3. 将这两个数组相乘即可得到上采样数据数组中每个数据单元的总排放量。
  4. 将构成新单元的所有总排放单元相加(在整个数组上执行此操作)
  5. 除以该新单元格的总面积(子单元格所有面积的总和),对所有新单元格执行此操作。
  6. 就是这样。

需要注意的坏事:

  1. 某些数据集之间存在纵向相位差,这可能会很繁琐,以确保您正确地重新定位数据以实现这一点。

  2. 极电池,其中 latitude = 90 or -90 。这些单元存在问题,因为它们的纬度高度只有所有其他单元的一半。必须仔细考虑这一点:确保为这些像元计算的面积是正确的,并且当/如果进行上采样时,pole条目应该只重复一半以反射(reflect)这一点。

关于python - 如何使用 python 对常规经纬度数据进行面积加权重新网格化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10633773/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com