使用gmt.surface进行插值nan数据过多导致缺少有效数据

[mglgdr]

您好，在使用您的data_prep处理冰雷达数据时，因为数据分布不均匀，导致使用gmt.surface进行插值时数据稀疏区域出现大量nan，在接下来使用get_window_bounds函数获得有效瓦片边界时获得的有效瓦片过少，导致没有办法对模型进行训练。请问您在数据处理时是如何解决这个问题的？

[weiji14]

没有数据就得获取更多数据 🙂 你现在有在用bedmap3的数据库吗？可以参考https://github.com/weiji14/deepbedmap/issues/195。

还有一个方法是调整mask_cell_radius。目前设为3 cells，也就是3 * 250m (spacing) = 750m。

deepbedmap/data_prep.py

Lines 388 to 418 in 4d437dd

	mask_cell_radius: int = 3,
	):
	"""
	Performs interpolation of x, y, z point data to a raster grid.
	>>> xyz_data = pd.DataFrame(
	... 600 * np.random.RandomState(seed=42).rand(60).reshape(20, 3),
	... columns=["x", "y", "z"],
	... )
	>>> region = get_region(xyz_data=xyz_data)
	>>> grid = xyz_to_grid(xyz_data=xyz_data, region=region, spacing=250)
	>>> grid.to_array().shape
	(1, 3, 3)
	>>> grid.to_array().values
	array([[[208.90086, 324.8038 , 515.93726],
	[180.06642, 234.68915, 452.8586 ],
	[170.60728, 298.23764, 537.49774]]], dtype=float32)
	"""
	## Preprocessing with blockmedian
	df = gmt.blockmedian(table=xyz_data, region=region, spacing=f"{spacing}+e")
	## XYZ point data to NetCDF grid via GMT surface
	grid = gmt.surface(
	x=df.x,
	y=df.y,
	z=df.z,
	region=region,
	spacing=f"{spacing}+e",
	T=tension,
	V="n", # normal verbosity: produce only fatal error messages
	M=f"{mask_cell_radius}c",

但这个mask_cell_radius我不太鼓励增加，最好还是想办法找到其它数据来填空。之前好像有看过一些人把冰雷达从点数据（point）从新处理成 3D swath 数据，不知道你能不能找到类似的。

[mglgdr]

请问您“获得更多数据”的具体意思是获得更多同一种类型（同一个json）的数据吗？因为surface拟合结果差主要原因是数据稀疏，所以获得更多数据来填补空白，提高目前的瓦片有效数量；还是说获得其他源的数据也可以，靠更多的数据量来获得更多的瓦片总数，从而提高有效瓦片数量？

[weiji14]

还是说获得其他源的数据也可以，靠更多的数据量来获得更多的瓦片总数，从而提高有效瓦片数量？

可以看看 https://docs.englacial.org/xopr/map/