从 Python 中的网格数据集计算 30 年气候平均值

Question

我正在尝试计算下面链接的 NARR 每日网格数据集的 30 年温度正常值（1981-2010 年平均值）。

最后，对于每个网格点，我想要一个包含 365 个值的数组，每个值都包含根据当天 30 年的数据计算得出的当天平均温度。例如，每个网格点数组中的第一个值将是根据该网格点的 1 月 1 日温度数据的 30 年（1981-2010 年）计算的 1 月 1 日平均温度。我的最终目标是能够使用这个新的 30yrNormal 数组来计算每日温度异常。

到目前为止，我只能从一年的数据中计算出异常情况。这样做的问题是，它取的是日气温与全年平均值之间的差，而不是日气温与该日气温的 30 年平均值之间的差：

file='air.sfc.2018.nc'
ncin = Dataset(file,'r')
#put data into numpy arrays
lons=ncin.variables['lon'][:]
lats=ncin.variables['lat'][:]
lats1=ncin.variables['lat'][:,0]
temp=ncin.variables['air'][:]
ncin.close()

AvgT=np.mean(temp[:,:,:],axis=0)
#compute anomalies by removing time-mean
T_anom=temp-AvgT

数据： ftp://ftp.cdc.noaa.gov/Datasets/NARR/Dailies/monolevel/ 1981-2010 年

Answer 1

使用 CDO 最容易解决这个问题。

如果你在 Linux 上使用 Python，你可以使用我的包 nctoolkit (https://nctoolkit.readthedocs.io/en/latest/ & https://pypi.org/project/nctoolkit/)。这使用 CDO 作为后端。

假设这 30 个文件是一个名为 ff_list 的列表。下面的代码应该可以工作。

首先，您将创建 30 年每日平均气候学。

import nctoolkit as nc
nc.options(lazy = True)
mean_30 = nc.open_data(ff_list)
mean_30.merge_time()
mean_30.cdo_command("del29feb")
mean_30.daily_mean_climatology()
mean_30.release()

然后你会从每日数据中减去这个来得到异常值。

anom_30 = nc.open_data(ff_list)
anom_30.cdo_command("del29feb")
anom_30.sub(mean_30)
anom_30.release()

这应该有异常

一个问题是文件是否有闰年，或者如果存在闰年，您希望如何处理它们。 CDO 有一个未记录的命令 -delfeb29，我在上面使用过