我希望能够在python中对规则间隔的2D经纬度数据进行面积加权重新网格化，例如从0.5x0.5网格到2.5x3.75网格。这个数据是以kg/m^2/s为单位的排放量，所以我需要守恒质量和空间分布。
我知道有许多 scipy 插值例程，我不确定在这种情况下使用哪个(如果有的话(是最好的。如果可能的话，我宁愿不必安装太多额外的 python 包，除非绝对需要(即我安装了 scipy+numpy，但宁愿不必安装专业的 python 包，它将做我需要的，也要求我将数据存储在特定类结构等。但是，如果需要，我会这样做！
对我来说，这也是一个学习练习，让我了解如何在 python 中做这些事情，以及能够做到这一点。
这是一个相当复杂的问题，答案相当复杂，有很多出错的机会。正如您在评论中所说，您有这样的经度、纬度向量：
'0.5x0.5'
np.arange(-89.75,90.25,0.5) #[-89.75,-89.25,...,89.25,89.75], latitudes
np.arange(0.25,360.25,0.5) #[0.25,0.75,...,359.25,359.75], longitudes
或者这个：
'1x1'
np.arange(-90.0,91.0,1.0) #[-90.0,-89.0,...,89.0,90.0], latitudes
np.arange(-180.0,180.0,1.0) #[-180.0,-179.0,...178.0,179.0], longitudes
并且您需要将关联的数据集转换为以下格式：
'73x96 (or N48)'
np.arange(-90.0,92.5,2.5) #[-90.0,-87.5,...,87.5,90.0] latitudes
np.arange(0.0,360.00,3.75) #[0.0,3.75,...,352.5,356.25] longitudes
或者这个：
'1.25x1.875 (or N96)'
np.array(-90.0,91.25,1.25) #[-90.0,-88.75,...,90.00] latitudes
np.array(0.0,360.00,1.875) #[0.0,1.875,...,358.125] longitudes
所有条目均针对网格单元中心。
部分好消息是你不需要做任何插值。我们可以通过重复输入来upsample(纵向和纬度(，即如果我们有一个1*1间隔的数据集，我们可以将其更改为0.5*0.5间隔的数据集，通过重复每一列和每一行，即使我们使用球形网格数据，这对您的数据也是有效的！考虑将一个初始单元格划分为较小的单元格 - 每个新单元格中的密度与原始单元格中的密度相同。我们可以这样做：
data_up = np.repeat(data, 2, axis=0)
data_up = np.repeat(data_up, 2, axis=1)
这是一个很好的方法，因为我们不做任何假设，也不会丢失任何数据。我们稍后将需要这个。
我们可以downsample何时纵向增加单元格的宽度，方法是将单元格相加并平均单元格数量。这是由于纵向相邻(水平(像元中的面积相等。如果我们downsampling网格间距不是原始间距的整数倍，那么首先我们必须 upsample ，如上所述(这是您的要求......
最棘手的事情是向下采样纬度。这是因为这里的密度不同，与这些密度相关的实际面积也不同。处理此问题的方法是：
- 上采样到一个新的纬度网格间距，该间距是我们初始纬度网格和所需纬度网格的倍数(如上所述(。
- 计算每个单元格的单元格表面积(这是我们需要的公式(。
- 将这两个数组相乘，得到上采样数据数组中每个数据单元的总排放量。 将
- 构成新单元的所有总排放单元相加(对整个阵列执行此操作(
- 除以该新单元格的总面积(子单元格的所有区域的总和(，对所有新单元格执行此操作。
- 就是这样。
需要注意的坏事：
您的某些数据集之间存在纵向相位差，这可以很繁琐，以确保您正确重新定位数据以允许这样做。
极细胞，其中
latitude = 90 or -90.这些细胞是有问题的，因为它们的纬度高度是所有其他细胞的一半。这必须小心地允许：确保为这些像元计算的面积是正确的，并且当/如果上采样时，pole条目应该只重复一半的次数来反映这一点。