使用Xarray对流域NetCDF文件求和时的NaN值处理问题

问题核心：skipna=True会跳过所有NaN值进行统计计算，流域外的网格点全为NaN，求和后直接变成0。要实现流域内忽略NaN计算、流域外保留NaN，可以通过标记流域外区域的方式处理。

解决步骤 #

• 先将原数据中的无效值（-9999）转为标准NaN，避免后续计算干扰
• 裁剪得到流域范围的降水数据
• 生成流域外掩码：识别所有时间步都为NaN的网格点（即流域外区域）
• 执行月尺度统计计算（求和/均值/方差等）
• 用掩码将统计结果中流域外的0值还原为NaN

修改后的代码 #

import geopandas as gpd
import rioxarray
import xarray as xr
import matplotlib.pyplot as plt
from shapely.geometry import mapping

# 加载shapefile
shapefile_path = "my_shapefile.shp"
shapefile = gpd.read_file(shapefile_path, crs="epsg:4326")

# 加载NetCDF文件并转换无效值为NaN
netcdf_path = "my_netcdffile.nc"
ds = xr.open_dataset(netcdf_path)
pre = ds["pre"].where(ds["pre"] != -9999)  # 把原数据中的-9999替换成标准NaN

# 裁剪操作
pre.rio.set_spatial_dims(x_dim="lon", y_dim="lat", inplace=True)
pre.rio.write_crs("epsg:4326", inplace=True)
basin = pre.rio.clip(
    shapefile.geometry.apply(mapping), pre.rio.crs
)

# 生成流域外掩码：所有时间步都是NaN的网格点标记为True
basin_out_mask = basin.isnull().all(dim="time")

# 执行月尺度求和（忽略流域内的NaN）
sum_data = basin.resample({"time": "month"}).sum(keep_attrs=True, skipna=True)

# 将流域外的0值还原为NaN
sum_data = sum_data.where(~basin_out_mask)

# 若需计算均值、方差，同理处理
# mean_data = basin.resample({"time": "month"}).mean(keep_attrs=True, skipna=True).where(~basin_out_mask)
# var_data = basin.resample({"time": "month"}).var(keep_attrs=True, skipna=True).where(~basin_out_mask)

原理说明 #

• basin.isnull().all(dim="time")：遍历每个网格点的所有时间步，只有全时间步都是NaN的点才会被标记为流域外区域；只要有一个时间步存在有效值，就判定为流域内区域。
• sum_data.where(~basin_out_mask)：将掩码标记为True的流域外区域数值替换为NaN，同时保留流域内的统计计算结果。

内容的提问来源于stack exchange，提问作者jei L