如何基于xarray计算格点风速的逐月协方差？

方法一：基于协方差定义手动计算 #

核心思路是先求每个月份的变量均值，再计算样本偏差的乘积均值：

• 对两个风速数据按time.month分组
• 计算每组内的月均值
• 计算每个样本与对应月均值的偏差
• 偏差相乘后取均值，得到协方差

代码实现：

# 按月份分组
u250_groups = u_250.groupby('time.month')
u850_groups = u_850.groupby('time.month')

# 计算逐月格点均值
u250_month_mean = u250_groups.mean()
u850_month_mean = u850_groups.mean()

# 计算距平（样本减对应月份均值）
u250_anom = u250_groups - u250_month_mean
u850_anom = u850_groups - u850_month_mean

# 计算距平乘积的均值，即协方差
cov_u250_u850 = (u250_anom * u850_anom).groupby('time.month').mean()

方法二：使用xarray内置的cov方法 #

利用xarray的cov方法直接计算协方差，结合分组操作更简洁：

# 将两个变量合并到Dataset
ds = xr.Dataset({'u250': u_250, 'u850': u_850})

# 按月份分组，在time维度上计算变量间的协方差矩阵
cov_matrix = ds.groupby('time.month').cov(dim='time', variables=['u250', 'u850'])

# 提取u250与u850的交叉协方差项
cov_u250_u850 = cov_matrix.sel(var='u250', var='u850')

两种方法最终得到的cov_u250_u850维度均为month(12)、latitude(20)、longitude(40)，完全匹配需求。

内容的提问来源于stack exchange，提问作者Feng Hu