如何用Python的Xarray数据集统计连续3天及以上高温事件数

问题背景 #

我有一个包含time、rlat、rlon三个维度的Xarray数据集，其中tasmax变量取值为0或1（1代表气温超过30℃，0代表低于30℃）。需要统计每个像素至少连续3天取值为1的事件数量，最终生成一个压缩时间维度的6×4栅格数据集，每个像素对应符合条件的高温事件数。

数据读取代码：

import xarray as xr

tm = 'C:/Path_to_NC/EC7_heatjulZA26_30.nc'
dmax = xr.open_dataset(tm, decode_coords="all")
da_max = dmax['tasmax']

之前通过np.sum(da_max, axis=0)得到的是所有高温天数，而非连续事件数，需要替换为针对性的统计方法。

解决方案：滑动窗口+事件起始标记法 #

这种方法高效适配Xarray的向量化操作，步骤如下：

1. 滑动窗口识别连续3天高温：用长度为3的滑动窗口计算时间序列的和，等于3则说明这三天均为高温；
2. 标记事件起始点：通过对比当前时间步与前一时间步的滑动窗口结果，标记新事件的起始（避免重复计数）；
3. 统计事件数量：对每个像素的起始点求和，得到符合条件的事件数。

完整代码：

import numpy as np

# 1. 滑动窗口计算连续3天的高温总和
rolling_sum = da_max.rolling(time=3, center=False).sum()
# 标记连续3天及以上的时段（sum=3代表三天都是1）
continuous_heat = (rolling_sum == 3).astype(int)

# 2. 标记每个连续事件的起始点：当连续高温标记从0变为1时，即为新事件开始
event_starts = continuous_heat - continuous_heat.shift(time=1, fill_value=0)

# 3. 统计每个像素的事件数量，压缩时间维度
heat_event_count = event_starts.sum(dim='time')

# 转换为带空间坐标的Xarray数据集（可选，保留原栅格坐标）
heat_event_dataset = heat_event_count.to_dataset(name='heat')

结果说明 #

运行后heat_event_count是一个6×4的Xarray DataArray，每个值对应该像素的连续3天及以上高温事件数量。例如，若某像素有2次连续4天的高温，结果会显示为2，而非8（总高温天数）。

内容的提问来源于stack exchange，提问作者Martin