使用 GeoDataFrame 过滤 xarray ZARR 数据集

Question

我正在使用 xarray 从 s3 存储桶读取 ZARR 文件。我成功地按时间和纬度/经度过滤：

    def read_zarr(self, dataset: str, region: Region) -> Any:
        # Read ZARR from s3 bucket
        fs = s3fs.S3FileSystem(key="KEY", secret="SECRET")
        mapper = fs.get_mapper(f"{self.S3_PATH}{dataset}")
        zarr_ds = xr.open_zarr(mapper, decode_times=True)

        # Filter by time
        time_period = pd.date_range("2013-01-01", "2023-01-31")
        zarr_ds = zarr_ds.sel(time=time_period)

        # Filter by latitude/longitude
        region_gdf = region.geo_data_frame
        latitude_slice = slice(region_gdf.bounds.miny[0], region_gdf.bounds.maxy[0])
        longitude_slice = slice(region_gdf.bounds.minx[0], region_gdf.bounds.maxx[0])
        return zarr_ds.sel(latitude=latitude_slice, longitude=longitude_slice)

问题在于，这会返回一个矩形数据（如果我们考虑时间维度，实际上是一个长方体）。对于又长又薄的地理区域来说，这将是一种巨大的浪费，因为我将首先下载多年的数据，然后丢弃其中的大部分。以加利福尼亚州为例：

我想将 ZARR 坐标与区域坐标相交。我怎样才能实现它？

Answer 1

一种选择是使用

rioxarray

，然后剪辑到您的区域，与 此线程非常相似。

您需要设置坐标系。假设您的数据以标准纬度/经度给出，则为 epsg 4326（请参阅开头句子此处）。您可能需要使用

region_gdf.to_crs('epsg:4326')

来确保坐标系相同（如果还没有坐标参考系，则使用

set_crs

）。

格式化完成后，您可以使用

rio.clip

方法并设置

drop=True

仅保留该区域中的点。

下面的新行 - 它可能无法完全按照编写的方式工作，因为我无法测试它，但我认为它应该让您接近。

import rioxarray 
zarr_ds.rio.set_spatial_dims(x_dim="lon", y_dim="lat", inplace=True)
zarr_ds.rio.write_crs("epsg:4326", inplace=True)
zarr_ds_clipped = zarr_ds.rio.clip(region_gdf, drop=True)