用Python中的散乱点提取二维网格场的值

Question

我有一个二维网格文件，代表感兴趣的地方的土地使用目录。
我也有一些基于纬度/经度的点分布在这个地区。你知道吗

from netCDF4 import Dataset

## 2-d gridded files
nc_file = "./geo_em.d02.nc"
geo = Dataset(nc_file, 'r')
lu = geo.variables["LU_INDEX"][0,:,:]
lat = geo.variables["XLAT_M"][0,:]  
lon = geo.variables["XLONG_M"][0,:] 

## point files
point = pd.read_csv("./point_data.csv")
plt.pcolormesh(lon,lat,lu)
plt.scatter(point_data.lon,cf_fire_data.lat, color ='r')   

我想提取这些点所属的二维网格域的值，但是我发现很难定义一个简单的函数来解决这个问题。你知道吗

有什么有效的方法来实现它吗？你知道吗

如有任何建议，将不胜感激。你知道吗

PS公司

我把文件上传到这里了

1. nc_file
2. point_file

Answer 1

我可以提出这样的解决方案，只需在点上循环，然后根据与点的距离选择数据。你知道吗

#/usr/bin/env ipython
import numpy as np
from netCDF4 import Dataset
import matplotlib.pylab as plt
import pandas as pd
#                    
## 2-d gridded files
nc_file = "./geo_em.d02.nc"
geo = Dataset(nc_file, 'r')
lu = geo.variables["LU_INDEX"][0,:,:]
lat = geo.variables["XLAT_M"][0,:]  
lon = geo.variables["XLONG_M"][0,:] 

## point files
point = pd.read_csv("./point_data.csv")
plt.pcolormesh(lon,lat,lu)
#plt.scatter(point_data.lon,cf_fire_data.lat, color ='r') 
#                       
# get data for points:
dataout=[];
lon_ratio=np.cos(np.mean(lat)*np.pi/180.0)
for ii in range(len(point)):
    plon,plat = point.lon[ii],point.lat[ii]
    distmat=np.sqrt(1./lon_ratio*(lon-plon)**2+(lat-plat)**2)
    kk=np.where(distmat==np.min(distmat));
    dataout.append([float(lon[kk]),float(lat[kk]),float(lu[kk])]);
#                       -