[英]Regridding high resolution gridded data to low resolution coarser resolution data?
我有一个带有高分辨率栅格数据(.1 x .1度)的netcdf文件,并使用matplotlib在底图上进行绘图。 我想做的图是轮廓线。 由于特定的原因,我想以1 x 1度分辨率的间隔绘制数据。 为此,我使用了以下代码示例示例,从此处重新捕获常规的netcdf数据 。
有关实际数据的链接,请参见更新1。
为了清楚起见,以下是我尝试执行的代码以重新划分为较低的分辨率:-
from mpl_toolkits import basemap
from netCDF4 import Dataset
filename = 'path/to/netcdf/file.nc'
with Dataset(filename, mode='r') as fh:
lons = fh.variables['LON'][:]
lats = fh.variables['LAT'][:]
data = fh.variables['Data'][:].squeeze()
lons_sub, lats_sub = np.meshgrid(lons[::4], lats[::4], sparse=True)
data_coarse = basemap.interp(data, lons, lats, lons_sub, lats_sub, order=1)
该代码似乎是正确的。 但是,当我执行代码时,我在data_coarse = basemap.interp(data, lons, lats, lons_sub, lats_sub, order=3)
行中收到以下错误:-
/__init__.py", line 4897, in interp
if xin[-1]-xin[0] < 0 or yin[-1]-yin[0] < 0:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
我不知道问题出在哪里,如何解决?
任何帮助表示赞赏。
更新1
链接到实际数据https://www.dropbox.com/s/ddlpbw5vvj5kz5w/mslp.txt?dl=0
链接到经纬度https://www.dropbox.com/s/lpwjavxtwtt3r13/xlat.txt?dl=0
以及指向lons的链接https://www.dropbox.com/s/1a0q49drfcd2o9h/xlon.txt?dl=0
在您的代码段中, xin = lons
和yin = lats
。 在basemap.interp
文档中,
xin,yin:包含网格中data的x和y的等级1数组,以递增顺序排列。
意思是xin
( lons
)和yin
( lats
)必须不断增加。 从错误回溯来看,情况似乎并非如此,因为xin[-1]-xin[0] < 0
和/或yin[-1]-yin[0] < 0
。
不知道确切的lons
或lats
(因为您的代码未使用链接到的数据运行),因此很难进一步详细说明。
我认为您遇到的主要问题是纬度和经度数据的形状。 由于lons
和lats
本质上是同一数组的堆栈,因此我将它们都转换为1d数组,如下所示。
import numpy as np
from mpl_toolkits import basemap
import matplotlib.pyplot as plt
# load data
data = np.loadtxt('mslp.txt', delimiter=',')
lons = np.loadtxt('xlon.txt', delimiter=',')
lats = np.loadtxt('xlat.txt', delimiter=',')
# take 1 dimensional slice of lons and lats
longitude = lons[0] # array([31.1, 31.4, 31.7,...,119.1, 119.3, 119.6])
latitude = lats[:,0] # array([-2.3, -2.1, -1.8,...,39.4, 39.6, 39.8])
# subdivide longitude and latitude into ~1deg grid data
lons_sub, lats_sub = np.meshgrid(longitude[::4], latitude[::4])
# implement basemap.interp to interpolate along ~1deg grid data
data_course = basemap.interp(datain=data, xin=longitude, yin=latitude,
xout=lons_sub, yout=lats_sub, order=3)
m = basemap.Basemap(llcrnrlon=longitude[0], llcrnrlat=latitude[0],
urcrnrlon=longitude[-1], urcrnrlat=latitude[-1],
projection='merc', resolution='c')
fig = plt.figure()
# ax1 -- contour plot of resampled data
ax1 = fig.add_subplot(211)
m.contour(lons_sub, lats_sub, data_course, linewidths=2.5, latlon=True)
m.fillcontinents(color=[0.7, 0.9, 0.8], lake_color=[0.3, 0.7, 0.9])
m.drawmapboundary(fill_color=[0.3, 0.7, 0.9])
m.drawcoastlines()
# ax2 -- imshow plot of resampled data
ax2 = fig.add_subplot(212)
m.drawcoastlines()
m.imshow(data_course, interpolation='nearest',
extent=[lons_sub[0], lons_sub[-1], lats[0], lats[-1]])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.