Python 规则lat/lon栅格的极赤平投影

这是我上一个问题的后续问题，因为这是一个更具体的例子和数据。我有一个304×448的冰数据阵列（在极赤平投影中），可以获得其中的netcdf。每个网格框对应的lat/lon点可在该图中找到。我想将这些数据转换成一个常规的lat/lon网格（比如180x360），其中每个网格框都是一个度。有什么python方法可以做到这一点吗？Etc使用Basemap，还是使用CDO（气候数据操作员）

非常感谢。

---

James

如果首先使用，例如

ncks -A -v lat,lon NSIDC_LatLon.nc sample.nc

ncremap -i sample.nc -d 1x1.nc -o out.nc

然后，您可以使用NCO对其进行重新润滑，例如

ncks -A -v lat,lon NSIDC_LatLon.nc sample.nc

ncremap -i sample.nc -d 1x1.nc -o out.nc

不幸的是，这将需要NCO的当前快照（而不是发布的版本），因为输入文件中包含维度的顺序不同寻常，我刚刚修补了NCO以处理这些维度。重新填充的输出示例如下所示

应OP的要求，我重新归档了他的文件，然后上传了（）。我没有一个1x1数据集，所以我首先创建了一个1x1网格文件，如手册所示，然后用它重新填充（使用ncremap-g选项）：

---

通常在CDO中执行此操作的命令是

cdo remapcon,r360x180 in.nc out.nc 

您可以使用bil=双线性、nn=最近邻、con2=二阶保守重映射，而不是con=保守重映射

---

根据这篇帖子，最新版本的cdo应该能够处理极赤平投影。

非常感谢您的回复。有没有办法获取NCO的最新快照（作为tar.gz文件），以便尽早实现此解决方案？谢谢。还有，什么是1x1.nc文件？正如文档所解释的，1x1.nc是任何已经在所需1x1网格上的文件。它将被读取，但不会被写入。NCO在GitHub上。NCO主页解释了如何克隆/获取最新快照。感谢您这么做。查看输出结果，它看起来并不正确——南半球的冰值应该没有任何数据。不知道出了什么问题！我也注意到了这一点。您的特定用例需要从不精确的网格生成映射权重，即，输入数据有单元中心但没有边界。ncremap尽其所能猜测边界。然后权重生成器就可以很好地生成权重，尽管这不是完美的工作。南半球的冰层显然是重新填充的产物，默认情况下使用双线性算法。您可能会考虑通过应用保守的重排算法来检查产品，而我刚刚上载到原来的位置。