我正在尝试对 Netcdf 文件中的气候数据进行线性回归。数据如下所示..
print(dsloc_lvl)
<xarray.DataArray 'sla' (time: 10227)>
array([0.0191, 0.0193, 0.0197, ..., 0.0936, 0.0811, 0.0695])
Coordinates:
latitude float32 21.62
* time (time) datetime64[ns] 1993-01-01 1993-01-02 ... 2020-12-31
longitude float32 -89.12
Attributes:
ancillary_variables: err_sla
comment: The sea level anomaly is the sea surface height abo...
grid_mapping: crs
long_name: Sea level anomaly
standard_name: sea_surface_height_above_sea_level
units: m
_ChunkSizes: [ 1 50 50]``
我一直在使用 Xarray 库来处理数据，因此我使用了 xarray.DataArray.polyfit 和 xarray.DataArray.polyval。绘制结果时，回归线看起来不错。
然而，当研究系数时，我注意到它们非常小。我将系数与 np.polyfit 方法进行了比较，该方法与预期一致。我认为这是因为对于 np. ppolyfit 我使用 date2num 转换日期
x1=mdates.date2num(dsloc_lvl['time'])
Out: array([ 8401., 8402., 8403., ..., …