如何基于滑动窗口而非固定窗口计算xarray xclim气候指数？

xclim的气候指数默认基于固定时间重采样频率（如每月初freq='MS'）计算，若要实现逐月滑动窗口的指数计算，可以通过xarray的滑动窗口工具结合xclim指数函数来完成。

原固定窗口计算示例 #

以下是基于月度固定窗口计算热浪指数的代码：

import numpy as np
import pandas as pd
import xarray as xr
import xclim.indices as xci

# 生成模拟温度数据
T = xr.DataArray(np.random.normal(loc=300,scale=2,size=365), dims="time", 
                      coords={"time": pd.date_range(start='2000',periods=365, freq='d')})

ds=T.to_dataset(name='T')
ds['T'].attrs['units'] = 'K'

# 基于固定月度窗口计算热浪指数
hwi = xci.heat_wave_index(ds.T, freq='MS')

滑动窗口计算实现思路 #

xclim的指数函数本身不直接支持滑动窗口参数，因此我们可以通过以下步骤实现：

• 用xarray的rolling创建滑动窗口对象，将每个窗口的数据集展开为新维度
• 对每个滑动窗口单独调用xclim指数函数，批量完成计算

滑动窗口热浪指数计算代码 #

import numpy as np
import pandas as pd
import xarray as xr
import xclim.indices as xci

# 生成模拟温度数据
T = xr.DataArray(
    np.random.normal(loc=300, scale=2, size=365),
    dims="time",
    coords={"time": pd.date_range(start='2000', periods=365, freq='d')}
)
ds = T.to_dataset(name='T')
ds['T'].attrs['units'] = 'K'

# 设置滑动窗口参数：窗口大小30天，步长1天（逐月滑动）
window_size = 30
# 构建滑动窗口数据集，新增window_time维度存储每个窗口的时间序列
rolling_ds = ds.rolling(time=window_size, center=False).construct(window_dim="window_time")

# 定义每个窗口的指数计算函数
def calc_hwi(window_data):
    return xci.heat_wave_index(window_data.T)

# 对所有滑动窗口批量计算热浪指数
hwi_sliding = rolling_ds.groupby("time").map(calc_hwi)

代码说明 #

• rolling(time=30, center=False)：设置窗口大小为30天，窗口以当前时间为结束点；若需要窗口居中，可将center设为True
• construct(window_dim="window_time")：将每个滑动窗口的时间序列展开为新维度，方便后续逐窗口计算
• groupby("time").map(calc_hwi)：遍历每个滑动窗口，应用热浪指数计算逻辑

内容的提问来源于stack exchange，提问作者Janet