Python中使用xarray计算2D时间序列交叉相关及多滞后相关性的方法

假设你已完成基础数据预处理：降水数据为月尺度，维度为[time, lat, lon]；JJA NINO指数维度为[time]，二者时间坐标均为标准datetime格式，时间范围覆盖所需的最大滞后区间。

核心实现步骤 #

1. 时间对齐 #

先提取两个序列的重叠时间区间，避免时间错位：

import xarray as xr
import numpy as np
from scipy.stats import pearsonr

# 对齐时间，取二者重叠的时间段
nino_aligned, precip_aligned = xr.align(nino_jja, precip, join="inner")

2. 构造不同滞后的序列 #

我们需要计算降水滞后0/3/6/9/12个月的场景，这里的滞后定义为：NINO在t时刻的取值对应降水在t+k时刻的取值：

lags = [0, 3, 6, 9, 12]

# 批量构造不同滞后的降水与对应匹配的NINO序列
precip_lagged_list = []
nino_matched_list = []
for k in lags:
    if k == 0:
        # 无滞后直接取全部对齐数据
        precip_lagged = precip_aligned
        nino_matched = nino_aligned
    else:
        # 降水滞后k个月：降水从第k个时间点开始取，NINO取到倒数第k个时间点
        precip_lagged = precip_aligned.isel(time=slice(k, None))
        nino_matched = nino_aligned.isel(time=slice(None, -k))
    # 新增lag维度，方便后续合并
    precip_lagged_list.append(precip_lagged.expand_dims(lag=[k]))
    nino_matched_list.append(nino_matched.expand_dims(lag=[k]))

# 合并所有滞后序列
precip_all_lags = xr.concat(precip_lagged_list, dim="lag")
nino_all_lags = xr.concat(nino_matched_list, dim="lag")

3. 计算相关系数 #

直接调用xarray内置的corr方法在time维度计算皮尔逊相关，结果维度为[lag, lat, lon]：

# 仅计算相关系数
corr_result = xr.corr(nino_all_lags, precip_all_lags, dim="time")

如果需要同时输出相关系数对应的显著性p值，使用apply_ufunc对接scipy的pearsonr实现：

def calc_pearsonr(x, y):
    # 过滤缺测值
    valid_mask = ~np.isnan(x) & ~np.isnan(y)
    if valid_mask.sum() < 3: # 有效样本量不足3的话返回空
        return np.nan, np.nan
    r, p = pearsonr(x[valid_mask], y[valid_mask])
    return r, p

corr_coef, p_value = xr.apply_ufunc(
    calc_pearsonr,
    nino_all_lags,
    precip_all_lags,
    input_core_dims=[["time"], ["time"]],
    output_core_dims=[[], []],
    vectorize=True,
    dask="parallelized", # 若使用dask数组可开启并行加速
    output_dtypes=[np.float64, np.float64]
)

注意事项 #

• 如果你的JJA NINO是年尺度数据（每年仅1个值对应6-8月平均），需要先把降水处理为对应滞后的季节/月平均后按年匹配，不要直接用月降水匹配年尺度NINO
• 计算前建议对两个时间序列做去趋势处理，避免长期趋势干扰相关结果，可直接调用xarray.detrend方法实现
• 若数据存在较多缺测，建议先做缺测插值或者设置最小有效样本量阈值，过滤掉结果中不可靠的格点

内容的提问来源于stack exchange，提问作者pattylyn