Python 3.x 使用Python中的pyresample重新采样二维空间数据（不同的原点和分辨率）后出现错误的空间信息

我需要定期对网格化（lon-lat）数据进行重采样，以获得分辨率较低、原点不同的新网格。我想我会用的

问题：在重新采样后，我得到的结果的空间位置明显错误。 在下面的示例中，我构造了一个简单的二维数组，其中包含一些空间网格（在

sourcegrid

中定义，它是一个

sample AreaDefinition

对象）和一些掩码，以便将其重采样到另一个

targetgrid

。空间信息在这个过程中丢失了，我不知道在哪里。。。有什么想法吗

import numpy as np
from pyresample.geometry import AreaDefinition
from pyresample.kd_tree import resample_nearest
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
from PIL import Image, ImageDraw

# Source data
lonmin = -10; lonmax = 10.; latmin=40.; latmax=60.; nlon = 300; nlat = 250
lon = np.linspace(lonmin, lonmax, nlon); lat = np.linspace(latmin, latmax, nlat)
dlon = lon[1] - lon[0]; dlat = lat[1] - lat[0]
lon2d, lat2d = np.meshgrid(lon, lat)
sourcedata = np.cos(np.deg2rad(lat2d)*100) + np.sin(np.deg2rad(lon2d)*100)

# Introduce a polygon as mask
xpol = [frac*(nlon-1) for frac in (0, 0.5, 0.4, 0.6, 0.9, 0., 0)]
ypol = [frac*(nlat-1) for frac in (0, 0.4, 0.6, 0.5, 1., 1., 0)]
polygon = [xy for xy in zip(xpol, ypol)]
img = Image.new('L', (nlon, nlat), 0)
ImageDraw.Draw(img).polygon(polygon, outline=1, fill=1)
mask = np.array(img)
xpol = [lon[int(x)] for x in xpol]; ypol = [lat[int(y)] for y in ypol] # translate in lon-lat for plot
sourcedata = np.ma.masked_where(mask, sourcedata)


# Define source and target areas
sourceextent = [lonmin-dlon/2, latmin-dlat/2, lonmax+dlon/2, latmax+dlat/2] # [xmin, ymin, xmax, ymax]
sourceextentforplot = [sourceextent[i] for i in (0,2,1,3)] # [xmin, xmax, ymin, ymax]
targetextent =  [lonmin-dlon/2 + 0.12*(lonmax-lonmin), latmin-dlat/2 + 0.24*(latmax-latmin),
                 lonmin-dlon/2 + 0.78*(lonmax-lonmin), latmin-dlat/2 + 0.91*(latmax-latmin)]
targetextentforplot = [targetextent[i] for i in (0,2,1,3)] 

sourcegrid = AreaDefinition(area_id='Grd1', description='Source Grid', proj_id='proj_id_blabla',
                            projection='EPSG:4326', width=nlon, height=nlat, area_extent=sourceextent)
# Lower resolution, different origin
targetgrid = AreaDefinition(area_id='Grd2', description='Target Grid', proj_id='proj_id_blabla',
                            projection='EPSG:4326', width=123, height=97, area_extent=targetextent)

# Resample sourcedata to newdata
newdata = resample_nearest(sourcegrid, sourcedata, targetgrid, fill_value=None, radius_of_influence=50000)

# Plot
def doplt(ax, data, extent):
    ax.coastlines(resolution='50m', color='gray', alpha=1., linewidth=2.)
    ax.gridlines(draw_labels=True)
    ax.imshow(data, origin='lower', transform=ccrs.PlateCarree(), extent=extent)
    ax.plot(xpol, ypol, 'k--', transform=ccrs.PlateCarree())
    ax.plot([targetextentforplot[x] for x in (0, 1, 1, 0, 0)], [targetextentforplot[y] for y in (2, 2, 3, 3, 2)],
            'r--', lw=3, transform=ccrs.PlateCarree())
    ax.set_extent([-12, 12, 38, 62])

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(5,10), subplot_kw={'projection': ccrs.PlateCarree()})

doplt(ax1, sourcedata, extent=sourceextentforplot)
ax1.set_title('Source data, target area in red')
doplt(ax2, newdata, extent=targetextentforplot)
ax2.set_title('New data, with wrong spatial ref (or plotting?)')

plt.show()

---

注意：除了

pyresample

之外，还可以使用其他建议来执行重采样操作，最好使用示例。

因此，问题在于您假设第0行是图像的底部，但如中所示，pyresample使用第0行作为顶部。我修改了您的示例以调整多边形纬度，并使用

origin='upper'

使用

imshow

进行绘图：

import numpy as np
from pyresample.geometry import AreaDefinition
from pyresample.kd_tree import resample_nearest
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
from PIL import Image, ImageDraw

# Source data
lonmin = -10; lonmax = 10.; latmin=40.; latmax=60.; nlon = 300; nlat = 250
lon = np.linspace(lonmin, lonmax, nlon); lat = np.linspace(latmin, latmax, nlat)
dlon = lon[1] - lon[0]; dlat = lat[1] - lat[0]
lon2d, lat2d = np.meshgrid(lon, lat)
sourcedata = np.hypot(lon2d, lat2d - 50) * (np.cos(np.deg2rad(lat2d)*100) + np.sin(np.deg2rad(lon2d)*100))

# Introduce a polygon as mask
xpol = [frac*(nlon-1) for frac in (0, 0.5, 0.4, 0.6, 0.9, 0., 0)]
ypol = [frac*(nlat-1) for frac in (0, 0.4, 0.6, 0.5, 1., 1., 0)]
polygon = [xy for xy in zip(xpol, ypol)]
img = Image.new('L', (nlon, nlat), 0)
ImageDraw.Draw(img).polygon(polygon, outline=1, fill=1)
mask = np.array(img)
xpol = [lon[int(x)] for x in xpol]; ypol = [lat[nlat - 1 - int(y)] for y in ypol] # translate in lon-lat for plot
sourcedata = np.ma.masked_where(mask, sourcedata)


# Define source and target areas
sourceextent = [lonmin-dlon/2, latmin-dlat/2, lonmax+dlon/2, latmax+dlat/2] # [xmin, ymin, xmax, ymax]
sourceextentforplot = [sourceextent[i] for i in (0,2,1,3)] # [xmin, xmax, ymin, ymax]
targetextent =  [lonmin-dlon/2 + 0.12*(lonmax-lonmin), latmin-dlat/2 + 0.24*(latmax-latmin),
                 lonmin-dlon/2 + 0.78*(lonmax-lonmin), latmin-dlat/2 + 0.91*(latmax-latmin)]
targetextentforplot = [targetextent[i] for i in (0,2,1,3)] 

sourcegrid = AreaDefinition(area_id='Grd1', description='Source Grid', proj_id='proj_id_blabla',
                            projection='EPSG:4326', width=nlon, height=nlat, area_extent=sourceextent)
# Lower resolution, different origin
targetgrid = AreaDefinition(area_id='Grd2', description='Target Grid', proj_id='proj_id_blabla',
                            projection='EPSG:4326', width=123, height=97, area_extent=targetextent)

# Resample sourcedata to newdata
newdata = resample_nearest(sourcegrid, sourcedata, targetgrid, fill_value=None, radius_of_influence=50000)

# Plot
def doplt(ax, data, extent):
    ax.coastlines(resolution='50m', color='gray', alpha=1., linewidth=2.)
    ax.gridlines(draw_labels=True)
    ax.imshow(data, transform=ccrs.PlateCarree(), extent=extent, norm=plt.Normalize(0, 20), origin='upper')
    ax.plot(xpol, ypol, 'k--', transform=ccrs.PlateCarree())
    ax.plot([targetextentforplot[x] for x in (0, 1, 1, 0, 0)], [targetextentforplot[y] for y in (2, 2, 3, 3, 2)],
            'r--', lw=3, transform=ccrs.PlateCarree())
    ax.set_extent([-12, 12, 38, 62])

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(5,10), subplot_kw={'projection': ccrs.PlateCarree()})

doplt(ax1, sourcedata, extent=sourceextentforplot)
ax1.set_title('Source data, target area in red')
doplt(ax2, newdata, extent=targetextentforplot)
ax2.set_title('New data, with wrong spatial ref (or plotting?)');

这就产生了：

---

我发现使用变化较大的图像有助于更好地与源数据对齐。

我发现使用

SwathDefinition

而不是

AreaDefinition

（请参阅）解决了这个问题

在原始代码中按如下方式定义

sourcegrid

和

targetgrid

，可获得良好的结果：

sourcegrid = SwathDefinition(lons=lon2d, lats=lat2d)
lon2dtarget, lat2dtarget = np.meshgrid(np.linspace(targetextent[0], targetextent[2], 123),
                                       np.linspace(targetextent[1], targetextent[3], 97))
targetgrid = SwathDefinition(lons=lon2dtarget, lats=lat2dtarget)

---

谢谢！我查一下。但是假设示例数据是空间数据，这里的结果将是错误的（空间信息仍然丢失）。那么，在这种情况下，我们是否应该在

pyresample

中执行任何操作之前，将它们在Lat维度上移动，然后再次转换它们？！你能否修改你的答案，使其与问题中的空间信息完全匹配（就好像它是一张地图，这里的国家是错误的）？我不确定你所说的“空间信息仍然丢失”是什么意思。我所做的唯一更改是，第0行是高纬度。这种排列方式与原始示例中的排列方式完全相同：它也是为

ImageDraw

指定的：实际上，这里的问题是如何从多边形坐标（以图像的分数表示）计算纬度，0的分数需要映射到

latmax

，不

latmin

。谢谢-对不起，我说得不清楚。我的意思是，如果我的原始数组是实际的空间数据，那么您的操作意味着“垂直翻转”（即，继续像您的解决方案那样覆盖大部分法国，而不是北海），但这只是一个翻转操作，至少

重采样

操作有效，您发现了问题-谢谢！[同时，我发现使用

SwathDefinition

立即解决了问题…]