首次提交

2026-10-10 21:56:35 +08:00
commit 246d9b7870
96 changed files with 7109 additions and 0 deletions
@@ -0,0 +1,247 @@
+# 基于不同水深精度的 GEBCO 网格采样数据进行二维网格加密
+
+本教程简要介绍如何使用 GEBCO 全球数据集中的网格采样数据进行网格加密。
+
+同时演示以下操作：
+
+1. 在指定范围内生成网格。
+2. 将生成的网格保存为 UGrid 文件。
+3. 从大型 NetCDF 文件中读取水深数据。
+4. 根据均匀间距水深采样数据（较快）或非均匀间距水深采样数据（较慢）进行网格加密。
+
+[返回示例目录](index.md)
+
+以下保留原笔记本的代码和已保存输出；转换过程中未重新执行代码。
+
+导入所需的库，并关闭所有图窗。
+
+```python
+import meshkernel
+import numpy as np
+import matplotlib.pyplot as plt
+
+plt.close("all")
+```
+
+# 1. 在指定范围内生成网格
+
+```python
+# 通用设置
+lon_min, lon_max = -1, -0.2
+lat_min, lat_max = 49.1, 49.6
+lon_res, lat_res = 0.1, 0.1
+figsize = (10, 4)
+crs = "EPSG:4326"
+
+"""
+Make a regular (potentially rotated) rectilinear grid. First generate a curvilinear grid than convert the curvilinear grid into unstructured grid. The steps are the following:
+- curvilinear_compute_uniform_on_extension, see the following notebook: https://github.com/Deltares/MeshKernelPy/blob/AddCurvilinearGridSupport/docs/examples/04_curvilineargrid_basics.ipynb
+- curvilinear_convert_to_mesh2d: https://github.com/Deltares/MeshKernelPy/blob/118cb4953c4e95d5b18ed283bb37f391134b2bb2/meshkernel/meshkernel.py#L1399 
+"""
+
+# 创建 MakeGridParameters 实例并设置参数值
+make_grid_parameters = meshkernel.MakeGridParameters()
+make_grid_parameters.origin_x = lon_min
+make_grid_parameters.origin_y = lat_min
+make_grid_parameters.upper_right_x = lon_max
+make_grid_parameters.upper_right_y = lat_max
+make_grid_parameters.block_size_x = lon_res
+make_grid_parameters.block_size_y = lat_res
+
+
+mk2 = meshkernel.MeshKernel(projection=meshkernel.ProjectionType.SPHERICAL)
+mk2.curvilinear_compute_rectangular_grid_on_extension(make_grid_parameters)
+mk2.curvilinear_convert_to_mesh2d()  # 转换为 UGrid/二维网格
+
+mesh2d = mk2.mesh2d_get()
+fig, ax = plt.subplots()
+mesh2d.plot_edges(ax)
+```
+
+![单元格 4 的绘图输出](images/06_mesh2d_refinement_gridded_samples_gebco_4_0.png)
+
+# 2. 将生成的网格保存为 UGrid 文件
+
+可以使用以下代码将生成的网格保存为 UGrid 文件。执行这些代码前，需要安装 UGrid Python 包。
+
+```python
+ugrid_installed = False
+if ugrid_installed:
+    from ugrid import UGrid, UGridMesh2D
+
+    mesh2d_ugrid = UGrid.from_meshkernel_mesh2d_to_ugrid_mesh2d(
+        mesh2d=mesh2d, name="mesh2d", is_spherical=True
+    )
+
+    attribute_dict = {
+        "name": "Unknown projected",
+        "epsg": np.array([4326], dtype=int),
+        "grid_mapping_name": "Unknown projected",
+        "longitude_of_prime_meridian": np.array([0.0], dtype=float),
+        "semi_major_axis": np.array([6378137.0], dtype=float),
+        "semi_minor_axis": np.array([6356752.314245], dtype=float),
+        "inverse_flattening": np.array([6356752.314245], dtype=float),
+        "EPSG_code": "EPSG:4326",
+        "value": "value is equal to EPSG code",
+    }
+
+    with UGrid("./gebco_mesh2d_net.nc", "w+") as ug:
+        # 1. 定义新的二维网格
+        topology_id = ug.mesh2d_define(mesh2d_ugrid)
+        # 3. 写入新的二维网格
+        ug.mesh2d_put(topology_id, mesh2d_ugrid)
+        # 3. 将坐标参考系统添加到文件
+        ug.variable_int_with_attributes_define("wgs84", attribute_dict)
+        # 4. 添加数据约定（全局属性）
+        conventions = {
+            "institution": "Deltares",
+            "references": "Unknown",
+            "source": "Unknown Unknown. Model: Unknown",
+            "history": "Created on 2017-11-27T18:05:09+0100, Unknown",
+            "Conventions": "CF-1.6 UGRID-1.0/Deltares-0.8",
+        }
+        ug.attribute_global_define(conventions)
+```
+
+# 3. 从大型 NetCDF 文件中读取水深数据
+
+可以使用 `xarray` 从大型数据集中读取水深数据，它支持仅加载选定区域的数据。当按非均匀间距处理经纬度数组时，双线性插值的速度较慢。
+
+```python
+# 选择并绘制水深数据
+uniform_grid_spacing = False
+if not uniform_grid_spacing:
+    import xarray as xr
+
+    file_nc_bathy = r"p:\metocean-data\open\GEBCO\2021\GEBCO_2021.nc"
+    data_bathy = xr.open_dataset(file_nc_bathy)
+    data_bathy_sel = data_bathy.sel(
+        lon=slice(lon_min - 1 / 4, lon_max + 1 / 4),
+        lat=slice(lat_min - 1 / 4, lat_max + 1 / 4),
+    )
+
+    lon_np = data_bathy_sel.lon.to_numpy().flatten().astype("float")
+    lat_np = data_bathy_sel.lat.to_numpy().flatten().astype("float")
+    values_np = data_bathy_sel.elevation.to_numpy().flatten().astype("float32")
+```
+
+另一种方式是从 ASCII 文件读取数据，并假设采样间距均匀。
+
+```python
+def read_asc_file(file_path, dtype=np.float32):
+    """读取 ASC 文件，返回文件头和 NumPy 数组形式的数据。
+    参数：
+            file_path (str)：文件路径。
+    返回值：
+            header：ASCII 文件头。
+            data：以双精度 NumPy 数组表示的 ASCII 数据。
+    """
+
+    header = {}
+    data = []
+
+    with open(file_path, "r") as file:
+        # 读取文件头信息
+        for _ in range(6):
+            line = file.readline().strip().split()
+            header[line[0]] = float(line[1])
+
+        # 读取数据值
+        for line in file:
+            data_row = [float(value) for value in line.strip().split()]
+            data.insert(0, data_row)  # 将该行插入到开头
+
+        # 将数据展平
+        data = np.array(data).flatten().astype(dtype)
+
+    return header, data
+```
+
+# 4. 基于网格采样数据进行加密：水深类型为 np.float32 或 np.int16
+
+将文件中的水深读取为 `np.float32`。
+
+```python
+header, values_np = read_asc_file("./data_examples/gebco.asc", dtype=np.float32)
+```
+
+将文件中的水深读取为 `np.int16`。
+
+```python
+header, values_np = read_asc_file("./data_examples/gebco.asc", dtype=np.int16)
+```
+
+采样网格属性。
+
+```python
+num_x = int(header["ncols"])
+num_y = int(header["nrows"])
+x_origin = header["xllcenter"]
+y_origin = header["yllcenter"]
+```
+
+网格采样数据。
+
+```python
+gridded_samples = meshkernel.GriddedSamples(
+    num_x=num_x,
+    num_y=num_y,
+    x_origin=x_origin,
+    y_origin=y_origin,
+    cell_size=0.0041666666666,
+    values=values_np,
+)
+```
+
+另一种方式是通过非均匀间距的 x、y 坐标数组生成网格采样数据。
+
+```python
+if not uniform_grid_spacing:
+    gridded_samples = meshkernel.GriddedSamples(
+        x_coordinates=lon_np,
+        y_coordinates=lat_np,
+        num_x=len(lon_np),
+        num_y=len(lat_np),
+        values=values_np,
+    )
+```
+
+定义网格加密参数。
+
+```python
+mesh_refinement_parameters = meshkernel.MeshRefinementParameters(
+    refine_intersected=False,
+    use_mass_center_when_refining=False,
+    min_edge_size=500,
+    refinement_type=meshkernel.RefinementType.WAVE_COURANT,
+    connect_hanging_nodes=True,
+    account_for_samples_outside_face=False,
+    max_refinement_iterations=3,
+    smoothing_iterations=5,
+    max_courant_time=120.0,
+    directional_refinement=0,
+)
+```
+
+执行加密，此处使用双线性插值。
+
+```python
+mk2.mesh2d_refine_based_on_gridded_samples(
+    gridded_samples=gridded_samples,
+    mesh_refinement_params=mesh_refinement_parameters,
+    use_nodal_refinement=True,
+)
+```
+
+绘制加密后的网格。
+
+```python
+# 放大绘图，以观察零散的海岸线
+fig1 = plt.figure(figsize=(16, 12))
+ax1 = fig1.add_subplot(111)
+
+mesh2d_grid2 = mk2.mesh2d_get()
+mesh2d_grid2.plot_edges(ax1, linewidth=1)
+```
+
+![单元格 29 的绘图输出](images/06_mesh2d_refinement_gridded_samples_gebco_29_0.png)