我试图绘制两个变量SIC和spco2之间的空间相关性，这两个变量存储在单独的NetCDF文件中。但是，spco2数据集的坐标类型与“SIC”数据集不同。下面是关于这两个数据集的一些简要信息：

• 海冰数据 *
  尺寸：
• LON：360
• LAT：173
• 浏览次数：444
• bnds：2
  坐标：
• LON（float64）：-179.5，-178.5，...，178.5，179.5
• LAT（float64）：-82.5，-81.5，-80.5，...，88.5，89.5
• TIME（datetime64[ns]）：1985-01-01，...，2021-12-01
  数据变量：
• TIME_bnds（TIME，bnds）：datetime64[ns]
• SIC（时间、纬度、经度）：float32
• 碳数据：*
  尺寸：
• 时间：444
• 纬度：173
• 经度：360
  坐标：
• time（datetime64[ns]）：1985-01-15，...，2021-12-15
• latitude（float32）：-82.5，-81.5，-80.5，...，88.5，89.5
• longitude（float32）：0.5，1.5，2.5，...，357.5，358.5，359.5
  数据变量：
• spco 2（时间，纬度，经度）：float32
• tco 2（时间，纬度，经度）：float32
• fgco 2（时间，纬度，经度）：float32
• ph（时间、纬度、经度）：float32
• talk（time，latitude，longitude）：float32

在下面的代码中，我将碳数据的坐标从0：360转换为-180：180，以便格式匹配，但我不确定是否有效：

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from scipy.interpolate import griddata

# Load sea ice data
sea_ice_data = xr.open_dataset(path_ice)
sea_ice_sic = sea_ice_data['SIC']  

# Load carbon data
carbon_data = xr.open_dataset(path_carbon)
carbon_spco2 = carbon_data['spco2']  

# Convert carbon longitudes to -180 to +180 range
carbon_spco2['longitude'] = (carbon_spco2['longitude'] + 180) % 360 - 180

# Flatten latitude and longitude coordinates
carbon_coords = np.column_stack((carbon_spco2['latitude'].values.flatten(), carbon_spco2['longitude'].values.flatten()))

# Calculate spatial correlation map
correlation_map = np.empty((len(sea_ice_sic['LAT']), len(sea_ice_sic['LON'])))
for lat_idx, lat in enumerate(sea_ice_sic['LAT']):
    for lon_idx, lon in enumerate(sea_ice_sic['LON']):
        sic_values = sea_ice_sic.sel(LAT=lat, LON=lon, method='nearest').values

        # Interpolate carbon data to sea ice grid
        spco2_values = griddata(
            carbon_coords,
            carbon_spco2.values.flatten(),
            (lat, lon),
            method='nearest'
        )
        
        correlation_map[lat_idx, lon_idx] = np.corrcoef(sic_values, spco2_values)[0, 1]

# Create a Cartopy projection
projection = ccrs.PlateCarree()

# Plot the spatial correlation map using Cartopy
plt.figure(figsize=(12, 8))
ax = plt.axes(projection=projection)
ax.set_extent([-180, 180, -90, 90], crs=ccrs.PlateCarree())
ax.coastlines()

# Plot the correlation map as an image
plt.imshow(correlation_map, cmap='RdBu_r', vmin=-1, vmax=1, extent=(-180, 180, -90, 90), origin='upper', transform=ccrs.PlateCarree())

# Add a colorbar
cbar = plt.colorbar(label='Correlation Coefficient', orientation='vertical', shrink=0.7)
cbar.ax.tick_params(labelsize=10)

plt.title('Spatial Correlation between Sea Ice and Carbon')
plt.show()

然而，我最终得到了以下错误消息：

ValueError                                Traceback (most recent call last)
<ipython-input-8-1d668216ff21> in <cell line: 20>()
     18 
     19 # Flatten latitude and longitude coordinates
---> 20 carbon_coords = np.column_stack((carbon_spco2['latitude'].values.flatten(), carbon_spco2['longitude'].values.flatten()))
     21 
     22 # Calculate spatial correlation map

2 frames
/usr/local/lib/python3.10/dist-packages/numpy/core/overrides.py in column_stack(*args, **kwargs)

/usr/local/lib/python3.10/dist-packages/numpy/lib/shape_base.py in column_stack(tup)
    654             arr = array(arr, copy=False, subok=True, ndmin=2).T
    655         arrays.append(arr)
--> 656     return _nx.concatenate(arrays, 1)
    657 
    658 

/usr/local/lib/python3.10/dist-packages/numpy/core/overrides.py in concatenate(*args, **kwargs)

ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 0, the array at index 0 has size 173 and the array at index 1 has size 360

我假设重新过滤没有正常工作。我将感谢任何帮助或建议，关于这一点。我还将Google Drive链接附加到下面的数据集：

1. Sea ice
2. Carbon
   非常感谢你考虑看看我的问题。