单位球面赤道坐标指定矩形区域随机采样点生成方法咨询

你提到的拒绝采样方案在采样区域占比极小时效率会非常低，这里给出直接在目标区域生成均匀采样点的实现，效率比拒绝采样高几个数量级。

实现原理 #

球面上的均匀采样需要满足两个角度维度的分布特性：

• 赤经（RA）属于方位角，直接在目标区间内均匀采样即可
• 赤纬（Dec）属于极角，采样概率需要和cos(Dec)成正比，避免高纬度区域过采样，我们可以通过对sin(Dec)做均匀采样实现该分布

代码实现 #

首先导入依赖，注意所有角度计算默认先转成弧度，最终输出和原sample_spherical接口一致，返回shape为(3, npoints)的笛卡尔坐标数组：

import numpy as np

def sample_spherical_rect(ra0, dec0, ra_l, dec_l, npoints):
    """
    赤道坐标系下球面矩形区域均匀采样
    参数:
        ra0: 中心赤经，单位度
        dec0: 中心赤纬，单位度
        ra_l: 赤经方向边长，单位度
        dec_l: 赤纬方向边长，单位度
        npoints: 采样点数量
    返回:
        采样点(x,y,z)坐标，shape为(3, npoints)
    """
    # 角度转弧度，计算采样边界
    ra0_rad = np.deg2rad(ra0)
    dec0_rad = np.deg2rad(dec0)
    ra_l_rad = np.deg2rad(ra_l)
    dec_l_rad = np.deg2rad(dec_l)
    
    ra_min = ra0_rad - ra_l_rad / 2
    ra_max = ra0_rad + ra_l_rad / 2
    dec_min = dec0_rad - dec_l_rad / 2
    dec_max = dec0_rad + dec_l_rad / 2
    
    # 边界校验，避免赤纬超出±90度
    dec_min = np.clip(dec_min, -np.pi/2, np.pi/2)
    dec_max = np.clip(dec_max, -np.pi/2, np.pi/2)
    
    # 生成均匀采样的赤纬：对sin(dec)均匀采样
    u = np.random.rand(npoints)
    sin_dec = np.sin(dec_min) + u * (np.sin(dec_max) - np.sin(dec_min))
    dec = np.arcsin(sin_dec)
    cos_dec = np.cos(dec)
    
    # 生成均匀采样的赤经
    v = np.random.rand(npoints)
    ra = ra_min + v * (ra_max - ra_min)
    
    # 转笛卡尔坐标
    x = cos_dec * np.cos(ra)
    y = cos_dec * np.sin(ra)
    z = np.sin(dec)
    
    return np.vstack([x, y, z])

补充说明 #

• 如果你的采样区域跨了赤经0度/360度的边界，只需要额外加一步对RA值的模360度处理即可
• 本方法生成的点和原有全局采样方法的分布特性完全一致，所有点在目标球面区域内均匀分布，没有采样偏差
• 无论采样区域多小，本方法的时间复杂度都是O(n)，不存在拒绝采样的效率浪费问题

内容的提问来源于stack exchange，提问作者Gabriel