插值

Scipy.interpolate linear

Natural neighbor interpolation (MetPy implementation)

Cressman interpolation 研究表明，温度相关参数的最优空间插值搜索半径介于150～250km之间［潘耀忠，龚道溢，邓磊，等．２００４．基于ＤＥＭ的中国陆地多年平均温度插值方法［Ｊ］．地理学报，2004,59(3)：366－374．］ mipylib.numeric.minum.griddata(points, values, xi=None, **kwargs) https://journals.ametsoc.org/doi/pdf/10.1175/JTECH-D-15-0250.1 https://www3.epa.gov/scram001/adhoc/Gaudet2012.pdf https://esrl.noaa.gov/csd/events/iwaqfr/presentations/posters/Zhao_Theme5.pdf https://www.jcsda.noaa.gov/documents/meetings/wkshp2008/5/kondragunta_jcsdapresentation_10jun08.pdf https://www.hindawi.com/journals/amete/2016/9873815/ 伴随基于观测、模拟和同化数据的 PM2.5 污染回顾分析

Barnes Interpolation

Radial basis function interpolation

Inverse Distance Verification: Cressman and Barnes

scipy.interpolate.griddata ~= matlab-griddata

matplotlib自带插值

Interpolation points data into 2-d shapefile with matplotlib

例子

使用python的Basemap (2) - MetPy和wrf-python的內插

紀錄分別使用MetPy和wrf-python兩種套件做內插的結果

目的是要做在850hPa上的溫度場

使用兩種方式做，分別為

MetPy的log_interp
wrf-python的interpz3d

MetPy:

in1

這裡的matplotlib應該是不需要import進來，忘記刪掉了 mcalc則是之後內插要用的 metpy.constant那邊import進去的那兩個常數是算位溫時會用到

in2

一樣只是讀檔讀資料因為內插到等壓面上，所以也要讀氣壓資料，P是基本場，PB是擾動場溫度的部分，nc檔裡面的T指的是擾動位溫，所以先加個300K的基本場

in3

然後MetPy我翻了老半天裡面只有溫度轉位溫的函式，沒有位溫轉溫度的所以只好自己手動算 ( 就是為什麼前面會import P0跟Kappa這兩個常數) 溫度和位溫的關係式我有用LaTex打在上面，看起來比較厲害一點

下面就是內插的部份了 MetPy的 log_interp 可以一次內插到很多個位置上不過我只有要850hPa，所以 pLevs 就只有設在850上

log_interp的文件在這 https://unidata.github.io/MetPy/latest/api/generated/metpy.calc.log_interp.html#metpy.calc.log_interp 其實我看了說明之後也不太確定為什麼會是用這個 log_interp來做內插不過我看MetPy裡面示範從模式的Sigma座標內插到等壓面就是用這個所以我就直接學它了

log_interp 其實可以一次內插很多種變數所以假設我打 log_interp( plevs, pressure, temperature, qvapor, axis=1 ) 這樣就會回傳 1. 溫度在plevs這個壓力面的內插值和 2. 水氣在plevs這個壓力面的內插值不過我只有要內插溫度就是了 axis = 1 則是看要內插的是哪個維度因為temperature是四維的變數： ( 時間, Z方向, Y方向, X方向 ) 所以axis = 1來指定是內插 Z方向而內插的結果會保留Z方向這個維度： ( 61, 27, 150, 150) -> ( 61, 1, 150, 150) 所以再用np.squeeze讓它變三維就好

in4

畫圖就跟上一篇畫降雨的差不多了，換個變數而已最後結果是這樣

in5

看起來跟之前用NCL畫的不太一樣但是用非常大概的角度看的話，主要的低溫部分都差不多可能是因為這裡是用單一個模式輸出的去畫，之前用NCL畫的是系集平均吧

wrf-python 用wrf-python畫的其實步驟也差不多，換個函數而已

in6

in7

使用wrf-python來把位溫轉溫度時，因為有wrf.tk可用所以就不用再自己算了而且還可以指定單位，所以就直接設是攝氏了

內插的部分使用 wrf.interpz3d 這邊用起來感覺比較簡單一點，丟溫度場、氣壓場和想要內插的氣壓面就會回傳內插完、在指定等壓面上的溫度場了不需要像用MetPy的log_interp時一樣要指定內插的維度不過要注意，wrf.interpz3d 規定丟進去的變數 ( 這裡就是指要做內插的溫度場和氣壓場) 最右邊的維度必須是nz * ny * nx，然後兩個變數的維度都要一模一樣像這裡的溫度和氣壓場，都是 ( 61, 27, 150, 150 )，分別是時間、Z方向、Y方向、X方向所以就符合wrf.interpz3d的要求

另外不像MetPy的log_interp wrf.interpz3d不能一次內插到好幾個位置上所以假設想要找在950hPa、850hPa、750hPa、500hPa的溫度場就只能老實的寫個迴圈做4次內插了

in8

畫圖的部分大概是這樣，反正和上面的幾乎一樣最後的結果會長這樣

in9 和用MetPy內插的結果根本幾乎一樣我找了超久才找到不一樣的地方

所以兩種應該是都沒什麼差就看之後遇到的情況或心情決定用哪個了如果資料讀出來就直接內插畫圖，那應該MetPy或wrf-python都可不過如果有需要做一些計算才要畫，那看起來優先用wrf-python處理應該還是比較好一點

不過wrf-python有建議再裝PyNgl來做畫圖的部分但PyNgl好像還沒有支援python 3.X版本而且試過NCL的畫圖方式後還是比較喜歡MATLAB / matplotlib的感覺所以就沒有研究了

plot

Interpolation points data into 2-d shapefile with matplotlib

点到点的插值

Python interpolate point value on 2D grid scipy.interpolate.griddata or scipy.interpolate.interp2d

距离

概率分布之间的距离度量以及python实现

回归

PythonMachineLearning

Linear_Regression_Methods

通量

Fluxpart is a Python 3 module that implements the Scanlon and Sahu [SS08] method for partitioning eddy covariance measurements of water vapor and carbon dioxide fluxes into stomatal (transpiration, photosynthesis) and nonstomatal (evaporation, respiration) components, e.g.

#EOF 分析用Python做EOF分析

Python Data

Python Data

插值

例子

plot

点到点的插值

距离

回归

PythonMachineLearning

通量

other questions?