基于NetCDF月径流数据计算多年平均年径流

你的操作逻辑完全正确 #

你当前的代码完美匹配“计算多年平均年径流”的需求：

1. resample(time='Y').sum('time')：将月数据按年聚合，对每个年份的12个月径流求和，得到逐年的年径流总量，这一步保留时间维度（113个年份）。
2. .mean(dim='time')：对所有年份的年径流数据在时间维度取平均，得到每个网格点的多年平均年径流，此时时间维度被聚合消除，只保留空间维度，完全符合预期结果。

关于结果全为0的可能原因 #

从输出看结果全为0，大概率和原始数据的nan处理有关：

• 原始Runoff变量存在大量nan，如果之前执行过ds = ds.fillna(0)，会将无数据区域填充为0，最终平均结果自然为0。
• 若需正确忽略nan计算有效平均值，建议在聚合时显式指定skipna=True：

dsann = ds.resample(time='Y').sum('time', skipna=True).mean(dim='time', skipna=True)

等价实现方式（groupby） #

用groupby替代resample的逻辑完全等价，代码如下：

dsann = ds.groupby('time.year').sum('time', skipna=True).mean(dim='year', skipna=True)

两种方式效率相近，可根据个人习惯选择。

验证建议 #

可以选取亚马逊、刚果等已知高径流流域的网格点，提取逐年径流数据手动计算平均值，对比xarray结果，确认计算正确性。

内容的提问来源于stack exchange，提问作者Crile