xarray 移动分位数/百分位数气候数据

Question

我尝试使用xarray 对气候数据实施移动百分位。 我有一个包含每日最低和最高温度的数据集，如下所示：

<xarray.Dataset>
Dimensions:    (latitude: 60, longitude: 20, time: 14456)
Coordinates:
  * latitude   (latitude) float64 39.05 39.05 39.15 39.15 ... 41.85 41.95 41.95
  * longitude  (longitude) float64 8.05 8.15 8.25 8.35 ... 9.65 9.75 9.85 9.95
  * time       (time) datetime64[ns] 1980-01-01 1980-01-02 ... 2019-07-30
Data variables:
    tn         (time, latitude, longitude) float32 nan nan nan ... nan nan nan
    tx         (time, latitude, longitude) float32 nan nan nan ... nan nan nan
Attributes:
    E-OBS_version:  20.0e
    Conventions:    CF-1.4
    References:     http://surfobs.climate.copernicus.eu/dataaccess/access_eo...
    history:        Wed May 13 17:26:55 2020: ncrcat tn_ens_mean_0.1deg_reg_1...
    NCO:            netCDF Operators version 4.8.1 (Homepage = http://nco.sf....

对于一年中的每一天，我想计算一个移动分位数，移动窗口为 5 天。 为了更好地理解，请参阅此 pic，窗口每年需要 5 天计算分位数（绿色、红色和蓝色方框表示移动的分位数滤波器）。

我没有找到rolling 和groupby 运算符的正确组合来达到我的目的。 所以我使用（慢）for循环解决了它。我创建了一个日期列表，并使用sel 运算符来选择和计算分位数，例如：

# all_days_lists is a list of lists
for days_list in all_days_lists:
   # select days of interest
   tmp_ds = xdataset.sel(time=days_list)
   # compute 90th percentile
   p90 = tmp_ds.quantile(0.9,dim='time')

有解决这个问题的想法吗？ 非常感谢。

Answer 1

我认为这适用于日常数据：

da.rolling(time=5).reduce(np.percentile, q=90)

您可以使用 reduce 将大多数 numpy 函数应用于数据的滚动窗口。