使用 shapefile 屏蔽 NetCDF 並計算 shapefile 中所有多邊形的平均值和異常值

Question

有幾個關於使用 shapefile 屏蔽 NetCDF 和計算平均度量的教程（示例 1 、 示例 2 、 示例 3 ）。 但是，我對那些關於屏蔽 NetCDF 和提取平均值等度量的工作流程感到困惑，並且這些教程不包括提取異常（例如，2019 年的溫度與基線平均溫度之間的差異）。

我在這里做一個例子。 我已經下載了 2000 年到 2019 年的月度溫度（ 下載溫度文件）和美國州級 shapefile（ 下載 shapefile ）。 我想根據 2000 年至 2019 年的月平均溫度以及 2019 年相對於 2000 年至 2010 年的基准溫度的溫度異常來獲得州級平均溫度。具體而言，最終的 dataframe 如下所示：

state	平均溫度	anom_temp2019
鋁	xx	xx
增強現實	xx	xx
...	...	...
懷俄明	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')
......

我非常感謝您提供可以完成上述任務的明確工作流程的幫助。 非常感謝。

Answer 1

這可以使用區域掩碼來實現。 我不使用您的文件，而是使用美國各州的 xarray 教程數據和naturalearth數據。

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 文檔（ Working with geopandas ）上找到如何使用自己的 shapefile 的信息。

免責聲明：我是 regionmask 的主要作者。