要计算中国区域（18N, 54N; 73E, 135E）四个子区域（北方地区、西北地区、南方地区、青藏高原）1980 - 2014 年面积平均升温趋势，可以使用 Python 结合 `xarray` 和 `numpy` 库来处理 NetCDF 格式的数据。以下是示例代码： ```python import xarray as xr import numpy as np import matplotlib.pyplot as plt # 定义子区域的经纬度范围 regions = { '北方地区': {'lat': slice(32, 54), 'lon': slice(103, 135)}, '西北地区': {'lat': slice(32, 54), 'lon': slice(73, 103)}, '南方地区': {'lat': slice(18, 32), 'lon': slice(103, 135)}, '青藏高原': {'lat': slice(26, 40), 'lon': slice(73, 103)} } # 定义年份范围 years = range(1980, 2015) # 初始化一个空的字典来存储每个区域的温度数据 region_temperatures = {region: [] for region in regions} # 循环读取每年的数据 for year in years: file_path = f'/media/HUAWEI/LY-TSD302/ChinaMet Tmpmean/ChinaMet_0.25deg(365_fixed)/ChinaMet_025deg_tmpmean_{year}.nc' ds = xr.open_dataset(file_path) temperature = ds['tmpmean'] # 提取每个子区域的数据并计算面积平均温度 for region, bounds in regions.items(): region_temp = temperature.sel(lat=bounds['lat'], lon=bounds['lon']) area_mean_temp = region_temp.mean(dim=['lat', 'lon']).values region_temperatures[region].append(area_mean_temp) # 将列表转换为 numpy 数组 for region in region_temperatures: region_temperatures[region] = np.array(region_temperatures[region]) # 计算每个区域的升温趋势 trends = {} for region, temps in region_temperatures.items(): slope, intercept = np.polyfit(years, temps, 1) trends[region] = slope # 打印结果 for region, trend in trends.items(): print(f'{region} 的面积平均升温趋势: {trend:.4f} °C/年') # 绘制升温趋势图 plt.figure(figsize=(10, 6)) for region, temps in region_temperatures.items(): plt.plot(years, temps, label=region) plt.xlabel('年份') plt.ylabel('平均温度 (°C)') plt.title('中国各子区域 1980 - 2014 年平均温度变化') plt.legend() plt.show() ``` ### 代码说明 1. **区域定义**：定义了四个子区域的经纬度范围。 2. **数据读取**：使用 `xarray` 库读取每年的 NetCDF 文件。 3. **数据处理**：提取每个子区域的数据并计算面积平均温度。 4. **趋势计算**：使用 `numpy.polyfit` 函数计算每个区域的升温趋势。 5. **结果输出**：打印每个区域的升温趋势，并绘制温度变化图。 ### 注意事项 - 请确保已经安装了 `xarray`、`numpy` 和 `matplotlib` 库。 - 代码中的文件路径和变量名需要根据实际情况进行调整。