MetPy计算水汽通量散度的原理及与手动计算差异的问询

AI 小北

2026-7-12

问题：MetPy计算水汽通量散度的精确公式确认

我正在用Python的MetPy模块计算水汽通量散度，代码如下：

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import pandas as pd
import metpy.calc as mpcalc
import matplotlib.patches as mpatches

file1 = xr.open_mfdataset('/2018,19_1000to500/*.nc')
file = file1.sel(longitude=slice(75.75, 77.25), latitude=slice(10.5, 9.5))

q1 = (file.q) * 1000
u1 = file.u
v1 = file.v
lat = file.latitude
lon = file.longitude

for k in range(1):  
    level = ['1000'] # 可扩展为其他层级如'925','850'等
    
    q1d = q1.resample(time='1D').mean().sel(level=int(level[k]))
    u1d = u1.resample(time='1D').mean().sel(level=int(level[k]))
    v1d = v1.resample(time='1D').mean().sel(level=int(level[k]))
    
    sdate = ['2018-08-08','2018-10-06','2018-11-10','2019-06-06','2019-08-06','2019-10-24']
    edate = ['2018-08-17','2018-10-15','2018-11-19','2019-06-13','2019-08-14','2019-10-27']
    
    for i in range(6):
        q1dm = q1d.sel(time=slice(sdate[i], edate[i])).mean('time')
        u1dm = u1d.sel(time=slice(sdate[i], edate[i])).mean('time')
        v1dm = v1d.sel(time=slice(sdate[i], edate[i])).mean('time')
        
        qu = q1dm * u1dm
        qv = q1dm * v1dm
        
dx, dy = mpcalc.lat_lon_grid_deltas(lon, lat)
HMD = np.array(mpcalc.divergence(qu, qv, dx=dx, dy=dy)) 
print(HMD)

已知MetPy计算散度的方式为$\frac{\partial u}{\partial x} + \frac{\partial v}{\partial y}$，我想确认：当传入qu（水汽通量的纬向分量）、qv（水汽通量的经向分量）而非u、v时，MetPy是否按$\frac{\partial (qu)}{\partial x} + \frac{\partial (qv)}{\partial y}$计算水汽通量散度？我手动计算该求和值后，与MetPy的结果存在微小差异（差异出现在第3或第4位小数），由于MetPy水汽通量散度的相关文档缺失，需要明确其计算所用的精确公式。

回答

MetPy的mpcalc.divergence()函数仅遵循散度的数学定义计算，不关心输入变量的物理意义：对于传入的水平分量参数（这里是qu和qv），计算逻辑就是$\frac{\partial \text{输入u分量}}{\partial x} + \frac{\partial \text{输入v分量}}{\partial y}$，对应你的场景就是$\frac{\partial (qu)}{\partial x} + \frac{\partial (qv)}{\partial y}$，这正是水汽通量散度的标准表达式。
手动计算与MetPy结果的微小差异，主要来自两个方面：
- 差分格式不同：MetPy内部默认使用二阶中心差分计算偏导数，边界点会自动切换为一阶差分；你手动计算时可能使用了一阶差分或其他格式，导致结果偏差。
- 浮点数精度误差：不同计算顺序、数据类型（如numpy的float32与float64）会引发小数位的细微差异，这类误差属于数值计算的正常现象。
若要进一步验证，可查看MetPy的divergence函数源码：其核心是调用mpcalc.first_derivative分别计算x、y方向的偏导数后求和，而first_derivative的默认差分方式就是二阶中心差分。

内容的提问来源于stack exchange，提问作者Sreeshma