通过Python中的散点提取二维网格字段的值

Question

我有一个二维网格文件，表示感兴趣的地方的土地使用目录。
我在这个区域也有一些基于经纬度的点。

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字段的值，但是我发现很难定义一个简单的函数来解决该问题。

有没有有效的方法来实现？

任何建议将不胜感激。

PS

我已经在这里上传了文件

1. nc_file
2. point_file

Answer 1

我可以提出这样的解决方案，即在这些点上循环并根据与该点的距离选择数据。

#/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])]);
# ---------------------------------------------