网格重采样工具对决：xarray-regrid  vs xemsf

!pip install xarray-regrid -i https://pypi.mirrors.ustc.edu.cn/simple/

import xarray as xr 
ds = xr.open_dataset("/home/mw/input/era5sample8008/era5.nc") 
ds

import xarray_regrid  
import xarray as xr  
from xarray_regrid import Grid  
from time import time  

# 创建目标网格（45°N-90°N, 90°E-180°E, 0.17°分辨率）  
new_grid = Grid(  
    north=,       # 北边界  
    south=,       # 南边界  
    west=,        # 西边界  
    east=,       # 东边界  
    resolution_lat=0.17,  # 纬度分辨率  
    resolution_lon=0.17   # 经度分辨率  
)  
target_ds = new_grid.create_regridding_dataset()  

# 加载ERA5数据  
ds = xr.open_dataset("/home/mw/input/era5sample8008/era5.nc")  

# 执行双线性重采样（核心代码）  
t_start = time()  
regridded_ds = ds.regrid.linear(target_ds)  # 线性插值  
regridded_ds = regridded_ds.compute()  # 触发实际计算  
print(f"xarray-regrid耗时: {time()-t_start:.2f}秒")  

# 结果验证  
print("重采样结果统计:")  
print(f"最小值: {regridded_ds['u10'].min().values:.2f}m/s")  
print(f"最大值: {regridded_ds['u10'].max().values:.2f}m/s")  

xarray-regrid耗时: 5.99秒
重采样结果统计:
最小值: -18.50m/s
最大值: 22.56m/s

ds['u10'][].plot()

<matplotlib.collections.QuadMesh at 0x7fb0fd608b90>

regridded_ds['u10'][].plot()

<matplotlib.collections.QuadMesh at 0x7fb0fd6cf250>

import xarray as xr  
import xesmf as xe  
from time import time  
import numpy as np  

# 加载数据  
ds = xr.open_dataset("/home/mw/input/era5sample8008/era5.nc")  

# 创建目标网格（需手动构建）  
target_ds = xr.Dataset({  
    'lat': (['lat'], np.arange(, , 0.17)),  # 纬度坐标  
    'lon': (['lon'], np.arange(, , 0.17))  # 经度坐标  
})  

# 步骤1：创建重采样器（耗时最长）  
t_start = time()  
regridder = xe.Regridder(  
    ds,          # 输入数据集  
    target_ds,   # 目标网格  
    'bilinear',  # 双线性方法  
    extrap_method='nearest_s2d'# 边界外推方法  
)  
print(f"xESMF初始化耗时: {time()-t_start:.2f}秒")  

# 步骤2：执行重采样  
t_start = time()  
regridded_ds_emsf = regridder(  
    ds,             # 输入数据  
    keep_attrs=True# 保留属性  
)  
print(f"xESMF重采样耗时: {time()-t_start:.2f}秒")  
# 结果后处理  
regridded_ds_emsf = regridded_ds_emsf.rename({'lat': 'latitude', 'lon': 'longitude'})  

# 结果验证  
print("重采样结果统计:")  
print(f"最小值: {regridded_ds_emsf['u10'].min().values:.2f}m/s")  
print(f"最大值: {regridded_ds_emsf['u10'].max().values:.2f}m/s")  

xESMF初始化耗时: 13.47秒
xESMF重采样耗时: 5.09秒
重采样结果统计:
最小值: -18.50m/s
最大值: 22.56m/s

regridded_ds_emsf['u10'][].plot()

<matplotlib.collections.QuadMesh at 0x7fb0fd43ca10>

(regridded_ds_emsf['u10'][]-regridded_ds['u10'][]).max()