1

我有一个技术问题，我试图解决整个一周。我从沿特定轨道的地理网格（纬度/经度）上的空气质量测量值的观测中创建了一个 netcdf 文件。现在我想从更大的网格（来自具有大面积平均值的计算机模型的数据）计算这些值的偏离（或异常）。

我的两个 netcdf 文件结构如下：

观察结果（仪器测量）：

方面：

lat: 1321, lon: 1321

数据变量：

Longitude (lon) float64 8.413 8.411 8.409 ... 4.904 4.905
Latitude (lat) float64 47.4 47.4 47.41 ... 52.37 52.37
obs_data (lat, lon) float64 ...

模型数据：

方面：

latitude: 140, level: 1, longitude: 215, time: 24

坐标：

longitude  (longitude)  float32    357.55 357.65 ... 18.85 18.95 
latitude   (latitude)   float32    55.95 55.85 55.75 ... 42.15 42.05    
level      (level)      float32    0.0
time       (time)    timedelta64[ns]    00:00:00 01:00:00 ... 23:00:00

数据变量：

model_data (time, level, latitude, longitude) float32 ...

我尝试了各种不同的方法，但每次遇到某种似乎没有解决方案的错误时，我最终不得不尝试不同的方法。我得到的最接近的是遵循这个伟大的教程，但在这里我也碰壁了。当我尝试为这两个数据集找到最近的纬度和经度时，通过

lat_idx = np.abs(model_lat - obs_lat).argmin() #subtract train lat from model lat
lon_idx = np.abs(model_lon - obs_lon).argmin() #subtract train lon from model lon

我收到以下错误

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-437-9396b00ba22f> in <module>
     18 
     19 # Find the nearest latitude and longitude for the train data
---> 20 lat_idx = np.abs(model_lat - obs_lat).argmin()
     21 lon_idx = np.abs(model_lon - obs_lon).argmin()
     22 

~/opt/anaconda3/lib/python3.7/site-packages/numpy/ma/core.py in __sub__(self, other)
   4115         if self._delegate_binop(other):
   4116             return NotImplemented
-> 4117         return subtract(self, other)
   4118 
   4119     def __rsub__(self, other):

~/opt/anaconda3/lib/python3.7/site-packages/numpy/ma/core.py in __call__(self, a, b, *args, **kwargs)
   1024         with np.errstate():
   1025             np.seterr(divide='ignore', invalid='ignore')
-> 1026             result = self.f(da, db, *args, **kwargs)
   1027         # Get the mask for the result
   1028         (ma, mb) = (getmask(a), getmask(b))

ValueError: operands could not be broadcast together with shapes (140,) (1321,)

有没有办法简单地计算：

anomaly = model_data[lat, lon] - obs_data[lat, lon]

?

我最新的希望是xarray，但我真的很纠结他们的文档，而且我花了几天时间寻找前进的方向。

你们有没有人找到解决这个问题的方法？任何提示都非常感谢。

编辑：

根据 V. Ayrat 的要求：

In: type(model_data)
Out: xarray.core.dataset.Dataset

obs_data是同一类型。

如果两个obs_data值落入同一个model_data单元格，obs_data则应从同一个model_data单元格中减去 。

4

1 回答 1

1

您正在尝试做什么或使用什么数据结构并不完全清楚。如果稍后有更多信息，我将编辑帖子。但是，我认为这可以解决问题：

如果您想使用最接近的纬度/obs_lat经度model_lat：

lat_idx = np.abs(model_lat - obs_lat[:,None]).argmin(axis=0)
lon_idx = np.abs(model_lon - obs_lon[:,None]).argmin(axis=0)

如果您想使用最接近的纬度/model_lat经度obs_lat：

lat_idx = np.abs(model_lat - obs_lat[:,None]).argmin(axis=1)
lon_idx = np.abs(model_lon - obs_lon[:,None]).argmin(axis=1)
于 2020-06-08T03:06:05.563 回答