如何从ERA5网格数据中提取巴基斯坦区域的时间序列-Python教程-PHP中文网

如何从ERA5网格数据中提取巴基斯坦区域的时间序列

本文介绍使用xarray高效提取era5全球网格数据中指定地理区域（如巴基斯坦）多变量时间序列的完整流程，涵盖坐标预处理、区域裁剪、时空维度重构及dataframe转换等关键步骤。

本文介绍使用xarray高效提取era5全球网格数据中指定地理区域（如巴基斯坦）多变量时间序列的完整流程，涵盖坐标预处理、区域裁剪、时空维度重构及dataframe转换等关键步骤。

ERA5再分析数据以经纬度网格形式存储，常存在两个典型坐标问题：纬度倒序（90° → −90°）和经度偏移（0°–360°而非−180°–180°）。若直接使用 .sel() 按地理范围切片，将因坐标未对齐而返回空结果或报错。因此，提取区域时间序列前必须完成标准化预处理。

✅ 第一步：坐标标准化

import xarray as xr

# 加载数据（示例）
ds = xr.open_dataset("era5_pakistan_2008-2024.nc")

# 1. 纬度升序排序（关键！否则 slice(23.5, 37.0) 会失效）
ds = ds.sortby("latitude")

# 2. 经度转换为 -180° ~ +180° 并排序
ds = ds.assign_coords(longitude=(((ds.longitude + 180) % 360) - 180))
ds = ds.sortby("longitude")

⚠️ 注意：sortby() 是必须操作——xarray 的 slice() 要求维度单调递增，否则无法正确识别地理区间。

✅ 第二步：地理区域裁剪

根据地理知识，巴基斯坦主体范围约为 23.5°N–37.0°N，60.5°E–77.5°E（可依实际需求微调）：

ds_pak = ds.sel(
    latitude=slice(23.5, 37.0),
    longitude=slice(60.5, 77.5)
)

该操作保留所有时间步长（2008–2024），仅筛选出目标格点子集，不丢失任何原始数据点，完全满足建模对数据完整性的要求。

✅ 第三步：构建宽格式时间序列 DataFrame（推荐）

为适配机器学习/时序建模（如LSTM、XGBoost），建议将每个 (lat, lon) 格点上的各变量展开为独立列：

# 将空间维度合并为单一索引
stacked = ds_pak.stack(latlon=("latitude", "longitude"))

# 转为DataFrame，自动以 time 为行索引
df = stacked.to_dataframe().reset_index()

# 生成带坐标的列名，例如 'tp_30.25_65.75', 't2m_30.25_65.75'
df["lat_lon"] = df.apply(lambda r: f"{r['latitude']:.2f}_{r['longitude']:.2f}", axis=1)
df_wide = df.pivot_table(
    index="time",
    columns=["lat_lon", "variable"],
    values="value"
).rename(columns=lambda x: f"{x[1]}_{x[0]}")  # 如 'tp_30.25_65.75'

# 重置索引，获得标准表格结构
df_result = df_wide.reset_index()
print(f"Shape: {df_result.shape} → {len(df_result)} timesteps × {len(df_result.columns)-1} features")

✅ 输出 df_result 即为标准时间序列表格：每行为一个时间戳（time），每列为某变量在某格点的值（如 tp_30.25_65.75, t2m_33.50_72.25），可直接输入至scikit-learn、PyTorch等框架。

? 替代方案：长格式（适用于分组分析或绘图）

若需按变量+位置分组统计或可视化，可用长格式：

df_long = (
    ds_pak
    .to_dataframe()
    .reset_index()
    .assign(lat_lon=lambda d: d.latitude.round(2).astype(str) + "_" + d.longitude.round(2).astype(str))
    .melt(id_vars=["time", "lat_lon"], 
          value_vars=["tp", "sf", "cc", "t2m"],  # 替换为你的变量名
          var_name="variable", value_name="value")
)