如何将Xarray数据集重采样至更高空间分辨率？

针对你遇到的Xarray插值后边界出现NaN的问题，核心原因是新网格的边缘点超出了原数据的有效覆盖范围，无论是最近邻还是线性插值都无法获取足够的计算依据。以下是几种直接可行的解决方法：

1. 扩展原数据边界后插值 #

先给原数据的经纬度范围加一层边缘填充，用原边缘的数值填充扩展区域，确保新网格的所有点都落在扩展后的范围内：

import xarray as xr
import numpy as np

# 假设原数据集为ds，包含lat、lon维度和目标变量
# 扩展经纬度：在原范围两端各添加一个等于边缘值的坐标点
extended_lat = np.concatenate([[ds.lat.min() - 0.5], ds.lat.values, [ds.lat.max() + 0.5]])
extended_lon = np.concatenate([[ds.lon.min() - 0.5], ds.lon.values, [ds.lon.max() + 0.5]])

# 插值扩展数据集，用最近邻填充新增的边缘点
ds_extended = ds.interp(lat=extended_lat, lon=extended_lon, method='nearest')

# 再对扩展后的数据集进行高分辨率插值
new_lon = np.arange(ds.lon.min(), ds.lon.max() + 0.1, 0.1)
new_lat = np.arange(ds.lat.min(), ds.lat.max() + 0.1, 0.1)
ds_resampled = ds_extended.interp(lon=new_lon, lat=new_lat, method='linear')

2. 用Scipy插值指定填充值 #

借助scipy.interpolate.griddata，可以直接为超出原范围的点设置填充值（比如边缘均值、固定值等）：

from scipy.interpolate import griddata

# 提取原数据的坐标点和对应数值
points = np.column_stack((ds.lon.values.ravel(), ds.lat.values.ravel()))
values = ds['your_variable'].values.ravel()

# 生成高分辨率网格
new_lon_high = np.arange(ds.lon.min(), ds.lon.max() + 0.1, 0.1)
new_lat_high = np.arange(ds.lat.min(), ds.lat.max() + 0.1, 0.1)
lon_grid, lat_grid = np.meshgrid(new_lon_high, new_lat_high)

# 插值，fill_value设为原数据边缘的均值（也可改为固定值）
interp_vals = griddata(points, values, (lon_grid, lat_grid), method='linear', fill_value=np.nanmean(values))

# 转换回Xarray数据集
ds_high = xr.Dataset(
    {'your_variable': (['lat', 'lon'], interp_vals)},
    coords={'lat': new_lat_high, 'lon': new_lon_high}
)

3. 启用Xarray插值的外推功能（Xarray 0.17+） #

如果你的Xarray版本在0.17及以上，直接在interp方法中设置extrapolate=True，即可对超出原范围的点进行外推计算：

# 生成高分辨率坐标
new_lon = np.arange(ds.lon.min(), ds.lon.max() + 0.1, 0.1)
new_lat = np.arange(ds.lat.min(), ds.lat.max() + 0.1, 0.1)

# 插值并启用外推
ds_resampled = ds.interp(lon=new_lon, lat=new_lat, method='linear', extrapolate=True)

4. 周期性边界处理（全球数据专属） #

如果是全球经纬度数据（经度范围-180_180或0360），可以将数据在经度方向拼接自身片段，消除东/西边界的插值盲区：

# 假设原数据经度为-180~180，拼接循环片段
ds_cyclic = xr.concat([ds.assign_coords(lon=ds.lon + 360), ds, ds.assign_coords(lon=ds.lon - 360)], dim='lon')

# 插值到新网格后筛选回原经度范围
new_lon = np.arange(-180, 180.1, 0.1)
ds_resampled = ds_cyclic.interp(lon=new_lon, lat=new_lat, method='linear').sel(lon=new_lon)

内容的提问来源于stack exchange，提问作者Rob