如何将旋转极坐标NetCDF气候数据转换为常规网格？

数据疑惑解释 #

你的数据中虽然包含lat和lon变量，但它们是二维数组（随rlat/rlon网格点变化），仅代表旋转极网格每个点对应的真实经纬度，并非规则的经纬度网格（如固定间隔的1°×1°网格）。如果需要按固定经纬度范围调用、与其他规则网格数据对比或做标准化绘图，就需要将数据插值到常规经纬度网格上。

方法一：使用CDO（气候数据操作工具） #

CDO可自动识别文件中的rotated_pole投影信息，无需手动指定旋转极参数，直接通过插值命令完成转换：

1. 定义目标规则网格

你可以先创建一个文本文件（比如target_grid.txt）描述目标网格，以1°分辨率全球网格为例：

gridtype = lonlat
xsize = 360
ysize = 180
xfirst = -180
xinc = 1
yfirst = -90
yinc = 1

或者直接在命令中用字符串定义网格，省去文件步骤。

2. 执行插值转换

• 双线性插值（适合降水这类连续变量）：

# 使用网格文件
cdo remapbil,target_grid.txt input.nc output.nc

# 直接用字符串定义网格（1°分辨率）
cdo remapbil,"lonlat,360,180,-180,1,-90,1" input.nc output.nc

• 保守插值（适合需要保持总量的通量类变量）：

cdo remapcon,target_grid.txt input.nc output.nc

3. 可选：先裁剪区域再插值

如果只需要特定经纬度范围的数据，可先裁剪再插值，减少计算量：

# 裁剪东经70-140°、北纬15-55°区域
cdo sellonlatbox,70,140,15,55 input.nc cropped.nc
# 插值到目标网格
cdo remapbil,target_grid.txt cropped.nc output_cropped.nc

方法二：使用Python（xarray + xesmf） #

如果需要更灵活的自定义操作，用Python的xarray和xesmf库实现：

import xarray as xr
import xesmf as xe
import numpy as np

# 1. 读取原始旋转极坐标数据
ds = xr.open_dataset('input.nc')

# 2. 创建目标常规经纬度网格（示例为1°分辨率）
target_ds = xr.Dataset({
    'lon': (['lon'], np.arange(-180, 180, 1)),
    'lat': (['lat'], np.arange(-90, 90, 1)),
})

# 3. 创建重映射器，选择插值方法
# 双线性插值：'bilinear'；保守插值：'conservative'
regridder = xe.Regridder(ds, target_ds, 'bilinear', extrap_method='nearest_s2d')

# 4. 对TOT_PREC变量执行重映射
ds_remapped = regridder(ds['TOT_PREC'])

# 5. 保存转换后的文件
ds_remapped.to_netcdf('output_python.nc')

补充说明 #

• 若仅需绘图，也可直接利用原始数据中的二维lat/lon变量，用matplotlib.pyplot.pcolormesh或cartopy绘制，但这种方式无法实现规则网格的批量操作或数据对比。
• 插值方法选择：双线性插值计算快、结果平滑；保守插值能保持变量总量，适合降水、通量等需要守恒的变量。

内容的提问来源于stack exchange，提问作者tryingnottodiewhilecoding