当处理全球数据的时候,最常见的分析就是全球、北半球平均了,这时候一定要注意要根据纬度等信息进行加权,求加权平均,要不然结果肯定会不准。
对于NCL中,有现成的函数实现:wgt_areaave
但是对于Python中,常规的计算包里面是没有的,或许现在有其他包可以实现,也可以告诉我~。于是基于numpy写了下面的函数:
def AreaWeightMean(data2D, lat, lon):
'''
data2D: 要进行区域加权平均的变量 2D: [lat, lon]
lat: data2D对应的纬度 1D 最好不要包括-90° 和 90° 因为NCL 和 Python 计算 np.cos(90 * rad) 值差的很大
lon: data2D对应的经度 1D
'''
jlat = lat.shape[0]
rad = 4.0 * np.arctan(1.0) / 180.0
re = 6371220.0
rr = re * rad
dlon = np.abs(lon[2] - lon[1]) * rr
dx = dlon * np.cos(lat * rad)
dy = np.zeros(jlat)
dy[0] = np.abs(lat[2] - lat[1]) * rr
dy[1: jlat - 1] = np.abs(lat[2: jlat]-lat[0: jlat - 2])*rr * 0.5
dy[jlat - 1] = abs(lat[jlat - 1] - lat[jlat - 2]) * rr
area = dx * dy
# dataAreaWeightMean = np.sum(np.dot(area, data2D))/np.sum(area)
sumtop = 0
sumbottom = 0
for id1 in range(data2D.shape[0]):
for id2 in range(data2D.shape[1]):
sumtop = sumtop + data2D[id1, id2]*area[id1]
sumbottom = sumbottom +area[id1]
dataAreaWeightMean = sumtop/sumbottom
return dataAreaWeightMean
看一下结果对比吧:
直接不加权平均(np.mean(data3D, axis = (1,2)))得到的结果:
加权平均之后的: