之前写过一篇文章，介绍了NetCDF文件格式，并详细讲解了如何使用Python对NetCDF文件进行读写操作，进而介绍了NetCDF文件的地理参考，最后以两个数据为例讲解了怎么将NetCDF格式的数据转GeoTIFF格式的数据。

但是上次介绍的NC文件的地理参考是比较标准的，即数据都有经度和维度这两个维度来表示其在地理空间的位置，并且这两个维度都有与其对应的坐标变量。在标准的NC文件中，坐标变量都是一维的。而不标准的NC文件的坐标变量则会是二维的，比如经度坐标变量存储的是每个像元的经度。通常情况下，这种NC数据甚至不能称为是栅格数据，因为需要这么存储的NC数据基本上每个像元的大小是不一致。而以TIF格式存储的栅格数据必须要求每个像元大小一致，所以这种数据处理起来就比较麻烦。下面介绍一下我碰到这种数据是怎么处理的，也欢迎有更好的方法的同学交流。关注公众号GeodataAnalysis，回复20230818获取示例数据和代码。

首先，既然知道每个像元的坐标值，那么可以把它转为点数据看一下。这是整体的每个点的分布，这种分布的情况下即使不考虑像元大小不一致的问题，我也没找到方法计算它的GeoTransform。

再看一下局部，显然点分布的密度差异很大，说明像元大小是不一致的。

综上，在处理这种NC数据时，我是将其转为CSV格式，三列分别表示经度、维度和像元值，再使用GDAL的Grid函数把它插值为TIF格式的栅格数据。

下面以从哨兵 5 下载SO2数据为例，分享一下处理的代码（关注公众号GeodataAnalysis，回复20230818获取示例数据和代码）：

import os
import numpy as np
import netCDF4 as nc
from osgeo import gdalds = nc.Dataset('./0228SO2.nc')
data = ds['PRODUCT']['sulfurdioxide_total_vertical_column'][0, ...].filled(np.NAN)lon = ds['PRODUCT']['longitude'][0, ...].data
lat = ds['PRODUCT']['latitude'][0, ...].datawith open('./0228SO2.csv', 'w') as fp:fp.write('x,y,z\n')for x, y, z in zip(lon.flatten(), lat.flatten(), data.flatten()):if not np.isnan(z):fp.write(f'{x},{y},{z}\n')vrt_path = './0228SO2.vrt'
with open(vrt_path, 'w') as fn_vrt:layer_name = '0228SO2'fn_vrt.write('<OGRVRTDataSource>\n')fn_vrt.write('\t<OGRVRTLayer name="%s">\n' % layer_name)# 下面这个路径最好使用绝对路径fn_vrt.write('\t\t<SrcDataSource>%s</SrcDataSource>\n' % './0228SO2.csv')fn_vrt.write('\t\t<GeometryType>wkbPoint</GeometryType>\n')fn_vrt.write('\t\t<GeometryField encoding="PointFromColumns" x="x" y="y" z="z"/>\n')fn_vrt.write('\t</OGRVRTLayer>\n')fn_vrt.write('</OGRVRTDataSource>\n')# 命令中的各个命令最好都用绝对路径
# 自行设置输出的分辨率或者输出的行列数，以及输入的坐标系
tif_path = './0228SO2.tif'
order = f'gdal_grid -a invdist:power=2.0:smoothing=1.0:nodata=-10000 -txe {lon.min()} {lon.max()} -tye {lat.min()} {lat.max()} -outsize 594 416 -a_srs EPSG:4326 -l {layer_name} {vrt_path} {tif_path} --config GDAL_NUM_THREADS ALL_CPUS'
result = os.system(order)
print(result)

结果如下图所示：