使用 shapefile 屏蔽 NetCDF 并计算 shapefile 中所有多边形的平均值和异常值

Question

有几个关于使用 shapefile 屏蔽 NetCDF 和计算平均度量的教程（示例 1 、 示例 2 、 示例 3 ）。 但是，我对那些关于屏蔽 NetCDF 和提取平均值等度量的工作流程感到困惑，并且这些教程不包括提取异常（例如，2019 年的温度与基线平均温度之间的差异）。

我在这里做一个例子。 我已经下载了 2000 年到 2019 年的月度温度（ 下载温度文件）和美国州级 shapefile（ 下载 shapefile ）。 我想根据 2000 年至 2019 年的月平均温度以及 2019 年相对于 2000 年至 2010 年的基准温度的温度异常来获得州级平均温度。具体而言，最终的 dataframe 如下所示：

state	平均温度	anom_temp2019
铝	xx	xx
增强现实	xx	xx
...	...	...
怀俄明	xx	xx

# Load libraries
%matplotlib inline

import regionmask
import numpy as np
import xarray as xr
import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt

# Read shapefile
us = gpd.read_file('./shp/state_cus.shp')

# Read gridded data
ds = xr.open_mfdataset('./temp/monthly_mean_t2m_*.nc')
......

我非常感谢您提供可以完成上述任务的明确工作流程的帮助。 非常感谢。

Answer 1

这可以使用区域掩码来实现。 我不使用您的文件，而是使用美国各州的 xarray 教程数据和naturalearth数据。

import numpy as np
import regionmask
import xarray as xr

# load polygons of US states
us_states_50 = regionmask.defined_regions.natural_earth.us_states_50

# load an example dataset
air = xr.tutorial.load_dataset("air_temperature")

# turn into monthly time resolution
air = air.resample(time="M").mean()

# create a mask
mask3D = us_states_50.mask_3D(air)

# latitude weights
wgt = np.cos(np.deg2rad(air.lat))

# calculate regional averages
reg_ave = air.weighted(mask3D * wgt).mean(("lat", "lon"))

# calculate the average temperature (over 2013-2014)
avg_temp = reg_ave.sel(time=slice("2013", "2014")).mean("time")

# calculate the anomaly (w.r.t. 2013-2014)
reg_ave_anom = reg_ave - avg_temp

# select a single timestep (January 2013)
reg_ave_anom_ts = reg_ave_anom.sel(time="2013-01")

# remove the time dimension
reg_ave_anom_ts = reg_ave_anom_ts.squeeze(drop=True)

# convert to a pandas dataframe so it's in tabular form
df = reg_ave_anom_ts.air.to_dataframe()

# set the state codes as index
df = df.set_index("abbrevs")

# remove other columns
df = df.drop(columns="names")

您可以在regionmask 文档（ Working with geopandas ）上找到如何使用自己的 shapefile 的信息。

免责声明：我是 regionmask 的主要作者。