使用xESMF处理NDVI升尺度，双线性重采样是否类加权空间平均？

结论：对于高平滑度的NDVI数据，双线性插值在降采样至1×1度分辨率时，结果会与像素面积加权平均高度近似，但二者严格来说并不完全等效。

核心原理差异 #

• 双线性插值：基于目标像素中心与周边四个精细像素中心的相对距离分配权重，属于距离驱动的局部插值算法，权重仅关联空间位置，不直接考虑像素实际面积占比。
• 像素面积加权平均：对所有落入目标像素范围内的精细像素，以其在目标像素中的实际面积占比为权重求和，属于面积驱动的全局聚合算法，完全以像素覆盖范围为权重依据。

高平滑度数据的近似性 #

当NDVI数据具有极高平滑度时，相邻精细像素的数值差异可以忽略不计。此时距离权重和面积权重带来的计算偏差会被大幅弱化，两种方法的输出结果会非常接近，在多数分析场景下可以互换使用。

xESMF中的替代方案 #

xESMF提供的conservative（守恒插值）方法，本质就是严格的面积加权聚合算法，它会保证区域内变量的总量守恒。如果你的分析需要严格遵循面积加权的逻辑，直接使用conservative方法会比双线性插值更准确——尤其是当数据存在局部异质性时，这种差异会更明显。

内容的提问来源于stack exchange，提问作者Ress