ERA5降水指标tp_average、tp_frequency、tp_intensity随纬度变化的趋势分析

import xarray as xr
import geopandas as gpd
import matplotlib.pyplot as plt

# 加载ERA5数据
era5_dataset = xr.open_dataset(r'I:\ERA5\era5.nc')
tp_average = era5_dataset['tp_average']
tp_frequency = era5_dataset['tp_frequency']
tp_intensity = era5_dataset['tp_intensity']
lat_era5 = era5_dataset['latitude']

# 逆序处理ERA5数据纬度
tp_average = tp_average.sel(latitude=slice(None, None, -1))
tp_frequency = tp_frequency.sel(latitude=slice(None, None, -1))
tp_intensity = tp_intensity.sel(latitude=slice(None, None, -1))
lat_era5 = lat_era5.sel(latitude=slice(None, None, -1))

# 创建Figure和Axes对象
fig, axes = plt.subplots(1, 3, figsize=(12, 5), sharey=True)

# 绘制tp_average变量的纬度变化曲线
axes[0].plot(lat_era5, tp_average)
axes[0].set_xlabel('Latitude', fontsize=12)
axes[0].set_ylabel('tp_average', fontsize=12)
axes[0].set_title('', fontsize=12)

# 绘制tp_frequency变量的纬度变化曲线
axes[1].plot(lat_era5, tp_frequency)
axes[1].set_xlabel('Latitude', fontsize=12)
axes[1].set_ylabel('tp_frequency', fontsize=12)
axes[1].set_title('', fontsize=12)

# 绘制tp_intensity变量的纬度变化曲线
axes[2].plot(lat_era5, tp_intensity)
axes[2].set_xlabel('Latitude', fontsize=12)
axes[2].set_ylabel('tp_intensity', fontsize=12)
axes[2].set_title('', fontsize=12)

plt.tight_layout()
plt.show()

该代码使用xarray加载ERA5数据，并提取三个降水指标tp_average、tp_frequency、tp_intensity。由于ERA5数据的纬度是从北到南存储的，代码中使用sel(latitude=slice(None, None, -1))对数据进行了逆序处理，使其从南到北排列，方便绘制纬度变化曲线。最后，代码使用matplotlib绘制了三个降水指标随纬度变化的趋势曲线。

注意:

• 代码中假设ERA5数据的维度名称为'latitude'，如果实际数据的维度名称不同，需要进行修改。
• ERA5数据的具体文件路径需要根据实际情况修改。
• 可以根据需要调整代码中的绘图参数，例如figsize、xlabel、ylabel等。

该代码可以帮助你分析ERA5数据中tp_average、tp_frequency、tp_intensity三个降水指标随纬度变化的趋势。通过观察绘图结果，可以了解不同纬度地区的降水特征和变化规律。