使用heatwaveR包时ts2clm()将温度列转为NA导致无法绘图求排查

核心原因 #

ts2clm()函数要求输入的时间序列是连续的每日观测数据，你的数据是零散日期，直接传入会导致函数无法匹配气候基准计算的时间窗口，从而生成大量NA。另外climatologyPeriod的起止日期也需要和数据时间范围匹配，且覆盖完整的年份周期。

具体修复步骤 #

1. 补全连续日期序列 #

先把零散日期补成1974-2022年完整的每日序列，缺失的温度值用NA填充（后续气候基准计算会自动处理）：

library(tidyverse)
library(heatwaveR)
library(readxl)

# 读取数据
df <- read_excel("你的数据文件.xlsx")
# 转换日期格式
df$t <- as.Date(df$t)

# 生成1974-01-01到2022-12-31的连续日期
full_dates <- tibble(t = seq.Date(as.Date("1974-01-01"), as.Date("2022-12-31"), by = "day"))
# 合并补全数据
df_full <- full_dates %>% left_join(df, by = "t")

2. 调整climatologyPeriod参数 #

climatologyPeriod需要覆盖完整的年份区间，建议设置为数据中完整覆盖的连续年份（比如1974-2020全年），保证气候基准计算的准确性：

# 生成气候基准序列
clm <- ts2clm(data = df_full, x = t, y = temp, climatologyPeriod = c("1974-01-01", "2020-12-31"))

3. 检测热浪事件并绘图 #

完成上述步骤后，再运行后续函数：

# 检测热浪事件
hw_events <- detect_event(clm)
# 绘制逐年热浪可视化图
event_line(hw_events, metric = "temp", start_date = "1974-01-01", end_date = "2022-12-31")

额外注意事项 #

• 如果数据存在重复日期，先去重：df <- df %>% distinct(t, .keep_all = TRUE)
• 若缺失值过多，可考虑用线性插值填充缺失温度：df_full <- df_full %>% mutate(temp = zoo::na.approx(temp))

内容的提问来源于stack exchange，提问作者Alonso Cid