有效地将小 xarray.DataArray 插值到较大数组的坐标中？

Question

我有一个大型高分辨率 3D (

time: 200, y: 2000, x: 2000

)

xarray.DataArray

与此类似：

import xarray as xr
import numpy as np
import pandas as pd

time = pd.date_range("2019-01-01", "2021-12-30", periods=200)
y_large = np.linspace(-1000000, -1032000, 2000)
x_large = np.linspace(-1968000, -2000000, 2000)
data_large = np.random.randint(low=0, high=10, size=(200, 2000, 2000))

da_large = xr.DataArray(
    data=data_large,
    coords={"time": time, "y": y_large, "x": x_large},
    dims=("time", "y", "x"),
)
da_large

我还有一个较小的低分辨率 (

time: 200, y: 100, x: 100

)

xarray.DataArray

，其中包含不同的数据，但覆盖相同的

x

和

y

范围：

y_small = np.linspace(-1000000, -1032000, 100)
x_small = np.linspace(-1968000, -2000000, 100)
data_small = np.random.randint(low=100, high=110, size=(200, 100, 100))

da_small = xr.DataArray(
    data=data_small,
    coords={"time": time, "y": y_small, "x": x_small},
    dims=("time", "y", "x"),
)
da_small

我需要将我的小型低分辨率数组（da_small

）插值到较大数组（

da_large

）的高分辨率网格中，

这样我最终会得到一个包含从time: 200, y: 2000, x: 2000重新采样的值的

da_small

数组

.

我想我可以使用

xarray

 的 

.interp()

 方法来做到这一点，通过传入我的高分辨率坐标来采样并将 

da_small

 中的值插入到 

da_large

 的每个像素中：

da_small.interp(x=da_large.x, y=da_large.y, method="linear") 但是，我的挑战是此操作会导致内存出现极大的峰值，从而导致我的内核崩溃。这对我来说是一个障碍，因为我的实际数据可能比这个示例更大（高达几千像素高/宽和几百个时间步长）。

我的问题：

如何以更有效的方式执行这种操作（重新缩放或将小数组插入到较大数组的网格中），避免如此大的内存使用峰值？

（如果可能的话，我更喜欢与

xarray

 兼容的解决方案，以便它可以插入我现有的工作流程中。）