如何用CDO或Python实现IGBP数据重格网与森林覆盖占比计算

步骤1：生成目标分辨率网格模板 #

赤道附近100km对应约0.8333°经纬度（1°≈111km），用CDO生成该分辨率的全球网格文件：

cdo gengrid,lon=0.8333/lon=-180/lon=180,lat=0.8333/lat=-90/lat=90 target_100km_grid.nc

步骤2：保守重映射计算林地占比 #

原数据是0（非林地）、1（林地）的二进制值，保守重映射（remapcon）会自动按面积比例统计新网格内的林地占比，直接运行：

# 若原数据未包含网格面积变量，先添加
cdo setgridarea input_igbp.nc input_with_area.nc
# 执行重映射
cdo remapcon,target_100km_grid.nc input_with_area.nc forest_cover_fraction.nc

重映射后的结果变量值即为对应100km网格的林地覆盖占比（范围0-1）。

基于xarray库处理规则经纬度网格数据，步骤如下：

import xarray as xr

# 读取原始IGBP数据集
ds = xr.open_dataset("input_igbp.nc")
landuse_data = ds["your_variable_name"]  # 替换为数据集中的土地利用变量名

# 方法1：按倍数 coarsen 重采样（适合已知原分辨率是1km，对应~0.008333°）
# 100km是1km的100倍，所以coarsen倍数设为100
fraction_coarsen = landuse_data.coarsen(
    lon=100, lat=100, boundary="trim"
).mean(skipna=True)

# 方法2：按指定经纬度间隔 resample 重采样
fraction_resample = landuse_data.resample(
    lon="0.8333deg", lat="0.8333deg"
).mean(skipna=True)

# 保存结果为NetCDF文件
fraction_coarsen.to_netcdf("forest_cover_fraction_100km.nc")

说明： #

• 若原数据存在缺失值，skipna=True会忽略缺失值计算有效网格的占比
• 如果是不规则网格，可改用pyresample库进行重映射，核心逻辑仍是统计新网格内1的数量占总有效网格的比例

内容的提问来源于stack exchange，提问作者Freek