在R语言中基于离散气象数据积分计算正度日数的技术问询

嘿，这个问题问得很实用！你最初想的分步方法（新增列做减法、剔负累加）完全没问题，但确实有更简洁的“一步到位”积分方案，而且结果会更贴合温度随时间连续变化的实际情况——核心就是用梯形法则（Trapezoidal Rule）来计算积分，毕竟你的数据是按小时均匀采样的，时间间隔固定，刚好适配这个方法。

方法1：用基础R实现，不用额外包 #

不需要安装任何新包，几行代码就能搞定：

# 先把你的示例数据整理成数据框
weather_data <- data.frame(
  Hour = 1:24,
  Avg.Temp = c(11,11,11,10,10,11,12,14,15,17,19,21,22,24,23,22,21,18,16,15,14,12,11,10)
)

# 计算每个小时温度超过15℃的部分（低于15的按0算）
above_threshold <- pmax(weather_data$Avg.Temp - 15, 0)

# 用梯形法则计算总度日数（积分）
total_degree_days <- sum(diff(weather_data$Hour) * (above_threshold[-1] + above_threshold[-length(above_threshold)])/2)

# 输出结果
total_degree_days

这里的逻辑很简单：diff(weather_data$Hour)得到每两个小时之间的间隔（这里都是1），然后对每相邻两个小时的“超阈值温度”取平均值，乘以时间间隔后求和，本质就是对连续的温度曲线做积分。

方法2：用现成的trapz函数更省心 #

如果你想用封装好的函数，可以用pracma包的trapz函数，它直接实现了梯形积分，代码更简洁：

# 先安装并加载pracma包（第一次用的话）
# install.packages("pracma")
library(pracma)

# 一步计算积分
total_degree_days <- trapz(weather_data$Hour, pmax(weather_data$Avg.Temp - 15, 0))

# 结果和基础R方法完全一致
total_degree_days

为什么积分方法更好？ #

你原本的分步累加其实是矩形法则，假设每个小时的温度完全不变；而梯形法则是用相邻两个小时的平均温度来计算该时间段的度日数，更符合温度随时间缓慢变化的实际情况，结果会更准确。比如你提到的第10小时，用梯形法则计算第9-10小时的度日数是(0+2)/2 =1，比直接取第10小时的2度日更合理，因为温度是从15℃慢慢升到17℃的。

内容的提问来源于stack exchange，提问作者Eddie