netCDF4文件网格大小查询及100km转25km分辨率方法咨询

一、Python实现方案 #

工具依赖 #

先安装处理NetCDF和气候数据的必要库：

pip install xarray netCDF4 xesmf numpy

具体步骤 #

1. 读取原始数据

import xarray as xr

# 替换为你的tasmax文件路径
ds = xr.open_dataset("tasmax_inm-cm4-8_historical.nc")
# 确认数据结构（lat、lon维度和tasmax变量）
print(ds)

2. 构建25km分辨率目标网格
   原始100km对应lat=120、lon=180，25km是4倍分辨率，因此目标维度设为lat=480、lon=720，保持和原始数据一致的经纬度范围：

import numpy as np

lat_min, lat_max = ds.lat.min().item(), ds.lat.max().item()
lon_min, lon_max = ds.lon.min().item(), ds.lon.max().item()

# 生成高分辨率经纬度数组
target_lat = np.linspace(lat_min, lat_max, 480)
target_lon = np.linspace(lon_min, lon_max, 720)

# 创建目标数据集模板
ds_target = xr.Dataset(
    {
        "lat": (["lat"], target_lat),
        "lon": (["lon"], target_lon),
    }
)

3. 执行插值重网格化
   使用xesmf的双向线性插值（适合温度这类连续变量，平衡精度和效率）：

import xesmf as xe

# 创建重网格器
regridder = xe.Regridder(ds, ds_target, "bilinear")

# 对tasmax变量插值
ds_tasmax_highres = regridder(ds["tasmax"])

# 整合为完整数据集，保留原始时间等维度
ds_highres = ds_target.copy()
ds_highres["tasmax"] = ds_tasmax_highres

4. 保存结果

ds_highres.to_netcdf("tasmax_inm-cm4-8_25km.nc")

提示：如果需要守恒型插值（比如通量类变量），可将插值方法改为conservative，温度类变量用双向线性足够。

二、QGIS实现方案 #

具体操作步骤 #

1. 导入NetCDF数据

• 点击图层 -> 添加图层 -> 添加栅格图层，选择你的tasmax文件。
• 在对话框中选择tasmax变量，按需选择时间步（逐日数据可加载单日期或全序列），点击添加。

2. 创建25km分辨率模板

• 打开处理 -> 工具箱，搜索创建常量栅格工具：
  • 范围：复制原始tasmax图层的地理范围（从图层属性中查看）。
  • 像素大小：设为原始分辨率的1/4（比如原始100km对应_{1.875°经度，25km则设为}0.46875°；用米单位直接设25000）。
  • 输出CRS：与原始数据保持一致（一般为WGS84 EPSG:4326）。
  • 保存为临时或本地文件。

3. 执行重采样插值

• 在工具箱搜索栅格重采样（或GDAL的Warp (重投影)）：
  • 输入图层：选择导入的tasmax栅格。
  • 输出设置：选择刚创建的25km模板，或直接指定分辨率为25000米。
  • 重采样方法：选双线性插值（适合温度），追求精度可选立方卷积插值。
  • 时间序列数据需勾选处理所有波段。
• 点击运行生成高分辨率数据。

4. 导出结果

• 右键点击生成的图层，选择导出 -> 保存为，格式选NetCDF，设置路径后完成导出。

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