将网格从中心坐标重新采样到外部（即角）坐标

Question

是否有一种现成的方法可以从网格中心位置（红点）推断网格角位置（蓝点）？

我正在使用的网格不是矩形的，因此常规双线性插值似乎不是最好的方法；不过，这只是为了让我绘制我的数据使用情况pyplot.pcolormesh()，所以也许这并不重要。

网格数据示例：

import numpy as np

lons = np.array([[ 109.93299681,  109.08091365,  108.18301276,  107.23602539],
                 [ 108.47911382,  107.60397996,  106.68325946,  105.71386119],
                 [ 107.06790187,  106.17259769,  105.23214707,  104.2436463 ],
                 [ 105.69908292,  104.78633156,  103.82905363,  102.82453812]])

lats = np.array([[ 83.6484245 ,  83.81088466,  83.97177823,  84.13098916],
                 [ 83.55459198,  83.71460466,  83.87294803,  84.02950188],
                 [ 83.4569054 ,  83.61444708,  83.77022192,  83.92410637],
                 [ 83.35554612,  83.51060313,  83.6638013 ,  83.81501464]])

Answer 1

我不知道有任何强大的 matplotlib 技术可以完成您所要求的操作，但我可能有不同的解决方案。我经常必须填充/外推到网格中缺少信息的区域。为此，我使用了一个 Fortran 程序，该程序使用 F2PY（随 numpy 一起提供）编译，该程序将其创建为 python 模块。假设您有 Intel Fortran 编译器，您可以使用以下命令对其进行编译： f2py --verbose --fcompiler=intelem -c -m extrapolate fill.f90。您可以使用 python 调用该程序（完整示例请参见此处）：

    import extrapolate as ex
    undef=2.0e+35
    tx=0.9*undef
    critx=0.01
    cor=1.6
    mxs=100

    field = Zg
    field=np.where(abs(field) > 50 ,undef,field)

    field=ex.extrapolate.fill(int(1),int(grdROMS.xi_rho),
                            int(1),int(grdROMS.eta_rho),
                            float(tx), float(critx), float(cor), float(mxs),
                            np.asarray(field, order='Fortran'),
                            int(grdROMS.xi_rho),
                            int(grdROMS.eta_rho))

该程序通过迭代方法在矩形坐标中求解具有诺依曼边界条件 (dA/dn = 0) 的拉普拉斯方程，以在包含“undef”等值的网格点处填充合理值。这对我很有用，也许你会发现它很有用。该程序可以在我的 github 帐户上找到。