# 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)