MetPy interpolate_to_grid限制数据域后返回异常nan值问题咨询

问题原因 #

这是interpolate_to_grid使用Cressman插值时的预期行为，既不是程序bug，也不是你的使用方法错误，核心原因有两点：

1. Cressman插值属于距离权重类插值，对每一个目标网格点，只会搜索指定搜索半径范围内的观测站点，如果范围内没有有效站点，就会直接返回NaN。
2. 你裁剪北美区域时用的是经纬度矩形框选，但兰伯特正形投影属于锥形投影，经纬度的矩形边界投影后会变成斜向的不规则边界，插值函数默认生成的网格是覆盖所有投影后站点坐标的最小矩形，这个矩形的边角区域会落在实际站点分布范围之外，没有足够观测站支撑插值，就会产生NaN。
   虽然你画图的目标区域是美国中部，看起来离你设置的北美经纬度边界很远，但投影后的站点分布边界和网格边界的偏差，刚好会覆盖到你绘图区域的边缘，因此出现了等值线断裂问题。

解决办法 #

以下方案都不需要使用全量数据集，不会明显降低运行效率：

• 扩大裁剪范围：把经纬度裁剪的边界向外多扩10-15个经纬度，保证投影后的站点范围能完整包裹插值网格的所有区域，避免出现无站点覆盖的边角网格
• 显式指定插值范围：调用interpolate_to_grid时添加bounds参数，手动指定插值网格的坐标范围，仅覆盖你实际需要的绘图区域加少量缓冲即可，避免生成多余的边角网格
• 调整Cressman搜索半径：添加search_radius参数，默认搜索半径为3倍hres（即60km），可适当调大到80-100km，覆盖更多边缘网格点，注意不要调太大避免插值结果失真
• 更换插值方法：如果业务允许，可将interp_type改为linear或nearest，这两种插值方式不会产生空白区域，其中线性插值的平滑效果和Cressman接近

参考修改示例：

# 方案1：扩大经纬度裁剪范围
q = df0.loc[(df0['latitude'].values>=10) & (df0['latitude'].values<=80) &
(df0['longitude'].values>=-160) & (df0['longitude'].values<=-50)]
df = q

# 方案2：手动指定插值范围，参数为投影后的坐标边界，可根据实际绘图区域调整
Tgridx2, Tgridy2, Temp2 = interpolate_to_grid(xm2, ym2, tmp2, hres = 20000, interp_type='cressman',
                                              bounds=[-1.2e6, 0.2e6, -3e5, 7e5])

内容的提问来源于stack exchange，提问作者gdlewen