论文复现 | 第 02 章：序列空间合成图——拉尼娜的四季

用户11172986

发布于 2026-04-24 19:32:56

440

文章被收录于专栏：气python风雨气python风雨

第 02 章：序列空间合成图——拉尼娜的四季

前言

这几天老广下了挺大雨，果不其然是一个飑线个例，跟师兄侃大山说快存数据做文章，师兄直言忙得跟陀螺一样哪有空。

言归正传，这次带来的是拉尼娜四季的平面分布图。

1. 科学背景

Figure 2 展示了 Single-year 和 Multi-year La Niña 从发展到消亡的 4 个关键季节的空间演变，涵盖了海温 (SSTA)、气压 (SLPA)、低层风 (Wind) 和降水 (Precipitation) 四个关键要素。

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature

# --- 配置 ---
DATA_DIR = r"./data"
SST_FILE = f"{DATA_DIR}/sst.mnmean.nc"
SLP_FILE = f"{DATA_DIR}/slp.mon.mean.nc"
UWND_FILE = f"{DATA_DIR}/uwnd.mon.mean.nc"
VWND_FILE = f"{DATA_DIR}/vwnd.mon.mean.nc"
PRATE_FILE = f"{DATA_DIR}/prate.mon.mean.nc"

SINGLE_YEAR_EVENTS = [1964, 1988, 1995, 2005]
MULTI_YEAR_EVENTS = [1949, 1954, 1970, 1973, 1998, 2007, 2010]

CLIM_START = '1981-01-01'
CLIM_END = '2010-12-31'

LON_RANGE = slice(120, 300)
LAT_RANGE = slice(60, -20)

2. 核心函数

我们需要计算异常值并进行季节合成。此外，由于不同数据的网格不同，需要统一插值。

def calculate_anomaly(ds, var_name):
    clim = ds.sel(time=slice(CLIM_START, CLIM_END)).groupby("time.month").mean("time")
    anom = ds.groupby("time.month") - clim
    return anom[var_name]

def get_seasonal_composite(var, events, season_months):
    composites = []
    for year in events:
        start_date = f"{year}-01-01"
        end_date = f"{year}-12-31"
        try:
            chunk = var.sel(time=slice(start_date, end_date))
            seasonal = chunk.sel(time=chunk.time.dt.month.isin(season_months)).mean(dim='time')
            composites.append(seasonal.values)
        except:
            pass
    return np.nanmean(composites, axis=0)

3. 绘图实现

我们将展示如何在一个图表中排列 8 个面板（4 个季节 × 2 种类型）。

def plot_reproduction():
    # 加载数据（示例仅加载 SST）
    ds_sst = xr.open_dataset(SST_FILE)
    sst_anom = calculate_anomaly(ds_sst, 'sst').sel(lat=LAT_RANGE, lon=LON_RANGE)
    
    seasons = [(12, 1, 2, "D[-1]JF[0]"), (7, 8, 9, "JAS[0]")] # 简化展示 2 个季节
    
    fig = plt.figure(figsize=(12, 8))
    lons, lats = sst_anom.lon.values, sst_anom.lat.values
    
    for i, (m1, m2, m3, name) in enumerate(seasons):
        # Single-year
        ax1 = fig.add_subplot(2, 2, 2*i+1, projection=ccrs.PlateCarree(central_longitude=180))
        data1 = get_seasonal_composite(sst_anom, SINGLE_YEAR_EVENTS, [m1, m2, m3])
        ax1.contourf(lons, lats, data1, cmap='RdBu_r', transform=ccrs.PlateCarree(), extend='both')
        ax1.coastlines() # Add coastlines
        ax1.set_title(f"Single-year: {name}")
        
        # Multi-year
        ax2 = fig.add_subplot(2, 2, 2*i+2, projection=ccrs.PlateCarree(central_longitude=180))
        data2 = get_seasonal_composite(sst_anom, MULTI_YEAR_EVENTS, [m1, m2, m3])
        ax2.contourf(lons, lats, data2, cmap='RdBu_r', transform=ccrs.PlateCarree(), extend='both')
        ax2.coastlines() # Add coastlines
        ax2.set_title(f"Multi-year: {name}")
        
    plt.tight_layout()
    plt.show()

plot_reproduction()