我正在使用MODIS主动火灾数据（数据分辨率为1千米）。在从中获得有意义的信息后，我有一个大小为的数组（72 x4797 x4797）[时间x纬度x长度]，并啮合了（4797 × 4797）和长（4797 × 4797）.纬度网格从40 N减小到0，均匀dy为0.0108，使得网格的值在行中变化，而每列相同.然而，经度网格的值在行和列中变化，我猜这是因为对于每个纬度，经度的值由于卫星条带而不同。
我的目标是在WRF网格（纬度129 x经度109，分辨率为30公里）上获得这些数据。数据中包含所有无火点的NaN值和活跃火点的值。使用griddata的Scipy插值返回所有NaN的数组，由于所有信息都丢失了，因此该数组没有任何用处。
为了在新纬度上获得粗分辨率数据，我尝试使用最近邻法，例如，如果细网格中存在多个活跃火灾，则将该纬度分配给最近的粗网格纬度，同时取粗网格正方形中所有此类点的平均值。
在下面的代码中，

• lon_wrf、lat_wrf是粗略分辨率下感兴趣的新经度和纬度。
• lon_mosaic和lat_mosaic都是高分辨率的经度和纬度的二维数组。
• Block_OC_day是将在较新的粗分辨率上制作的2-D阵列。

我首先找到所有不是NaN的火灾位置，并提取这些位置的lon和lat。接下来，我在目标网格中找到最近的lon和lat。函数给我索引和值。接下来，我想对目标网格中具有相同lat-lon的所有点的Block_OC_day值取平均值。

lat_1d = lat_mosaic[:,0]                          # making 2-D latitude mesh to 1-D
fire_loc = np.argwhere(~np.isnan(Block_OC_day))   # finding all locations with non-NaN

fire_lat = lat_1d[fire_loc[:,0]]                    # finding latitude of fine resolution
fire_lon = lon_mosaic[fire_loc[:,0],fire_loc[:,1]]  # finding longitue of fine resolution

# Function to find nearest values and index

def nearest(value_to_search,lookup_array):
    '''Finds nearest value and index closest to a value in an array'''

    idx = np.argmin(np.abs(lookup_array-value_to_search))
    closest_value = lookup_array[idx]

    return closest_value, idx

# Storing target latitude and index

va_lat = []
li_lat = []
for i in range(0,len(fire_lat)):
    a, idx = nearest(fire_lat[i],lat_wrf)
    va_lat.append(a)
    li_lat.append(idx)

# storing target longitude and index

va_lon = []
li_lon = []
for i in range(0,len(fire_lon)):
    a, idx = nearest(fire_lon[i],lon_wrf)
    va_lon.append(a)
    li_lon.append(idx)