MetPy库mean_pressure_weighted函数计算公式依据问询

该实现属于专门设计的压力加权平均方案，和Holton教材中提到的质量加权平均是两种不同的应用场景方案，并非实现错误，具体说明如下：

1. 两种加权平均的核心差异 #

你提到的Holton第五版第86页的计算方案是质量加权平均（dp权重），是通用的整层平均方案，计算公式为：

$$\bar{x} = \frac{\int_{p_t}^{p_s} x(p) dp}{p_s - p_t}$$
其中$p_t$为层顶气压，$p_s$为层底（通常为地表）气压，权重为气层厚度$dp$，和单位截面积气柱的质量成正比，多用于整层可降水量、平均虚温等通用平均计算。

而MetPy的mean_pressure_weighted实现的是压力线性加权平均，权重为气压值$p$本身，计算公式为：

$$\bar{x}p = \frac{\int{p_t}^{p_s} x(p) \cdot p \cdot dp}{\int_{p_t}^{p_s} p dp}$$

对分母的积分直接计算可得$\int_{p_t}^{p_s} p dp = \frac{1}{2}(p_s^2 - p_t^2)$，和你贴出的代码逻辑完全对应：

# Taking the integral of the weights (pressure) to feed into the weighting
# function. Said integral works out to this function:
pres_int = 0.5 * (pres_prof[-1] ** 2 - pres_prof[0] ** 2)

# Perform integration on the profile for each variable
return [np.trapz(var_prof * pres_prof, x=pres_prof) / pres_int for var_prof in others]

代码中的梯形积分np.trapz(var_prof * pres_prof, x=pres_prof)就是分子积分的离散实现，完全符合公式设计。

2. 该方案的参考依据与适用场景 #

压力加权平均是中尺度气象、强对流预报领域的常用方案，核心作用是突出低层（高气压区）变量的贡献，避免高层数据对低层平均特征的过度稀释，相关参考依据包括：

• 强对流参数计算的经典研究中，低层平均风、平均温度的计算普遍采用该方案，更能反映近地面环境场对风暴发生发展的影响
• 国内外不少业务化的对流潜势预报系统中，计算0-3km、0-6km低层平均参数时，都会采用该加权方案

如果你需要使用Holton教材中的质量加权平均，直接调用MetPy的mass_weighted_average函数即可，该函数的实现完全符合你提到的乘以$dp$求和、再用$p_s-p_t$归一化的逻辑。

内容的提问来源于stack exchange，提问作者Kernel