使用xarray更改坐標系以便進行切片操作

Question

我剛來這地方。 首先，我非常感謝您的時間和考慮。 關於在python中管理2個不同的netcdf文件，我有2個問題。 我搜索了很多但不幸的是我找不到解決方案。

1-我有一個netcdf文件，其坐標如下：

time     datetime64[ns] 2016-08-16T22:00:00
* y        (y) int32 220000  ...  620000
* x        (x) int32 20000  ...  720000
 lat      (y, x) float64 dask.array<shape=(401, 701), 
 lon      (y, x) float64 dask.array<shape=(401, 701),

我需要將coords更改為lon / lat，以便我可以根據特定的lon / lat坐標切片區域（通過使用xarray）。 但我不知道如何將x和y改為lon lat。 我的代碼：

import xarray as xr
import matplotlib.pyplot as plt
p = "R_201608.nc"
ds = xr.open_mfdataset(p)
q=ds.RR.sel(time='2016-08-16T21:00:00')

2-與1類似，我有另一個netcdf文件，其坐標如下：

   * X           (X) float32 557600.0 .. 579400.0
   * Y           (Y) float32 5190600 ... 5205400.0
   * time        (time) datetime64[ns] 2007-01I

如何將x和y轉換為lon / lat系統，以便我可以在lon / lat系統中繪制它？

編輯與@Ryan相關： 1-是。 這個文件可以在很大范圍內降雨。 我想將它切割成更小的區域 - 與q2-相關的文件的相似區域，並使用偏差，RMSE等比較它們。這里是與此文件相關的完整信息：

 <xarray.Dataset>
  Dimensions:                  (time: 2976, x: 701, y: 401)
  Coordinates:
  * time             (time) datetime64[ns] 2016-08-31T23:45:00
  * y          (y) int32 220000 221000  ... 619000 620000
  * x          (x) int32 20000 21000  ... 719000 720000
  lat        (y, x) float64 dask.array<shape=(401, 701),chunksize=(401, 701)>
  lon        (y, x) float64 dask.array<shape=(401, 701), chunksize=(401, 701)

 Data variables:
    RR       (time, y, x) float32 dask.array<shape=(2976, 401, 701),    chunksize=(2976, 401, 701)>
    lambert_conformal_conic  int32 ...

    Conventions:  CF-1.5

與@Ryan相關的編輯：2-這里是關於第二個文件（較小區域）的完整信息：

   <xarray.DataArray 'Precip' (time: 8928, Y: 75, X: 110)>
   dask.array<shape=(8928, 75, 110), dtype=float32, chunksize=(288, 75, 110)>
   Coordinates:

      sensor_height_precip  float32 1.5
      sensor_height_P       float32 1.5
      * X                     (X) float32 557600.0 557800.0 ... 579200.0 579400.0
      * Y                     (Y) float32 5190600.0 5190800.0 ... 5205400.0
      * time                  (time) datetime64[ns]  2007-01-31T23:55:00
   Attributes:
      grid_mapping:         UTM33N
      ancillary_variables:  QFlag_Precip QGrid_Precip
      long_name:            Precipitation Amount
      standard_name:        precipitation_amount
      cell_methods:         time:sum
      units:                mm

Answer 1

在問題1）中，不可能將lon和lat轉換為維度坐標，因為它們是二維的（都具有維度x，y）。 用於切片的尺寸坐標只能是一維的。 如果您可以更加具體地了解切片后您想要做什么，我們可以提供更多有關如何進行的建議。 是否要選擇特定的緯度/經度范圍，然后計算一些統計數據（例如均值/方差）？

問題2）看起來你有一個地圖投影。 如果沒有關於投影的更多信息，則無法轉換為緯度/經度坐標或在地圖上繪圖。 您的數據集中是否包含有關所使用的地圖投影的更多信息？ 你能發布print(ds)的完整輸出嗎？

Answer 2

我幫你解決了問題。 非常感謝。 我可以使用PYPROJ將兩個數據集的坐標更改為lon / lat，如@Bart所述。 從原始坐標和投影坐標創建meshgid是關鍵點。

from pyproj import Proj
nxv,  nyv = np.meshgrid(nx, ny)       
unausp = Proj('+proj=lcc +lat_1=49 +lat_2=46 +lat_0=47.5   +lon_0=13.33333333333333 +x_0=400000 +y_0=400000 +ellps=bessel    +towgs84=577.326,90.129,463.919,5.137,1.474,5.297,2.4232 +units=m +no_defs ')   
nlons, nlats = unausp(nxv, nyv, inverse=True)                                 
upLon,  upLat = np.meshgrid(nlons,nlats)

由於我想比較具有不同空間分辨率（不同網格大小）的兩個降雨數據集，我必須使用xarray插值來升級其中一個：

upnew_lon = np.linspace(w.X[0], w.X[-1], w.dims['X'] // 5) 
upnew_lat = np.linspace(w.Y[0], w.Y[-1], w.dims['Y'] //5) 
uppds = w.interp(Y=upnew_lat, X=upnew_lon)  

據我所知，這種插值是基於線性插值的。 我將放大的數據集與原始數據集進行了比較。 升級后降雨量平均減少約0.03毫米/天。 我只是想知道你認為這種小時降雨的升級方法是否可靠？