Xarray 重采样：将 ERA5 数据从 0.25° 降采样到 0.5°

使用 Xarray 将 ERA5 数据从 0.25° 降采样到 0.5°

本文将介绍如何使用 Xarray 库将 ERA5 数据集从 0.25° 的经纬度分辨率降采样到 0.5°。

步骤：

导入库:

import xarray as xr
import numpy as np

读取数据:

path = '/home/yaodianwen/tp_era5_3hrsum_mekong_mm_defined_invalid_pr.nc'
data = xr.open_dataset(path)

获取经纬度变量名:

lon_var, lat_var = list(data.coords.keys())[:2]

确定新的经纬度范围和间隔:

new_lon = np.arange(data[lon_var].min().data, data[lon_var].max().data, 0.5)
new_lat = np.arange(data[lat_var].max().data, data[lat_var].min().data, -0.5)

插值:

data_resampled = data.interp(coords={lon_var: new_lon, lat_var: new_lat}, method='linear')

保存结果:

new_path = '/home/yaodianwen/tp_era5_3hrsum_mekong_mm_defined_invalid_pr_interp.nc'
data_resampled.to_netcdf(new_path)

代码示例:

import xarray as xr
import numpy as np

# 读取数据
path = '/home/yaodianwen/tp_era5_3hrsum_mekong_mm_defined_invalid_pr.nc'
data = xr.open_dataset(path)

# 获取经纬度变量名
lon_var, lat_var = list(data.coords.keys())[:2]

# 确定新的经纬度范围和间隔
new_lon = np.arange(data[lon_var].min().data, data[lon_var].max().data, 0.5)
new_lat = np.arange(data[lat_var].max().data, data[lat_var].min().data, -0.5)

# 插值
data_resampled = data.interp(coords={lon_var: new_lon, lat_var: new_lat}, method='linear')

# 保存结果
new_path = '/home/yaodianwen/tp_era5_3hrsum_mekong_mm_defined_invalid_pr_interp.nc'
data_resampled.to_netcdf(new_path)

注意:

请确保您已安装 xarray 和 numpy 库。
确保文件路径和文件名正确。
此代码使用线性插值法进行重采样。您可以根据需要更改插值方法。
重采样后的数据将以 0.5° 的经纬度分辨率保存到新的 NetCDF 文件中。