什么是气候值(Climate Normals)?Meteostat normals接口实战
什么是气候值(Climate Normals)?Meteostat normals接口实战
Meteostat 是一个强大的 Python 天气气候数据开源库,除了逐时、逐日、逐月数据外,它还提供 normals(气候值) 接口,让你用一行代码就能获取某地 30 年间的月平均温度、降水等气候基准数据。本文带你从零理解气候值概念,并快速上手 ms.normals() 接口的完整用法。
一、气候值是什么?为什么它很重要
气候值(Climate Normals,也叫气候正常值) 是指基于长期(通常是 30 年)的观测记录,统计得出的某地逐月平均气候特征。
举个例子:
- 🌡️ 北京 7 月平均气温约 26.9°C
- 🌧️ 北京 7 月平均降水量约 165 mm
- ❄️ 哈尔滨 1 月平均气温约 -18°C
这些"平均下来"的基准值就是气候值。它在以下场景非常有用:
| 应用场景 | 说明 |
|---|---|
| 气候对比分析 | 判断某年是否偏暖、偏湿(与气候基准比较) |
| 农业与园艺 | 确定无霜期、积温、适种区域 |
| 建筑与能源 | 空调制冷、供暖负荷的基准设计 |
| 气候趋势研究 | 对比不同气候期的变化 |
| 旅游与生活参考 | 快速了解某地"通常"的气候 |
💡 关键点:气象学上通常采用 30 年 作为统计期(如 1961–1990、1991–2020),这是国际上通用的做法。Meteostat 的
normals接口默认使用 1961–1990 年。
二、Meteostat normals 接口工作原理
Meteostat 的 ms.normals() 接口位于 normals.py 中,它内部做了三件事:
- 拉取月度数据:调用 monthly() 获取统计期内所有年份的逐月观测值;
- 按"日历月"分组聚合:把所有年份的"同一个月"合并,计算平均值(实现见 normals.py#L61-L109);
- 特殊参数特殊处理:绝对最低/最高气温(
txmn/txmx)取统计期内的最小/最大值,而不是平均值——因为"最冷有多冷"显然不能靠平均。
最终返回的是一个固定 12 行(1–12 月)的 TimeSeries 对象,粒度为 Granularity.NORMALS(见 enumerations.py#L16)。
import meteostat as ms
ts = ms.normals(ms.Station(id="10637"), 1961, 1990)
df = ts.fetch()
print(df)
上面就是官方示例 examples/normals.py 的核心代码。输出示例:
| time | temp | tmin | tmax | txmn | txmx | prcp | pres | tsun |
|---|---|---|---|---|---|---|---|---|
| 01 | 2.3 | -1.1 | 5.9 | -18.5 | 14.2 | 48.2 | 1008 | 820 |
| 02 | 3.1 | -0.8 | 7.2 | -16.3 | 18.9 | 35.6 | 1010 | 1050 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 12 | 1.8 | -1.5 | 5.3 | -20.1 | 13.7 | 52.4 | 1009 | 760 |
三、normals 接口参数详解
ms.normals() 的完整签名如下:
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
station |
str / Station / Point / 列表 | 必填 | 一个或多个气象站,或经纬度坐标点 |
start |
int | 1961 |
统计起始年份 |
end |
int | 1990 |
统计结束年份 |
parameters |
List[Parameter] | 常用参数组 | 要获取的气象要素 |
providers |
List[Provider] | monthly 提供者 | 数据来源 |
max_missing |
int | 3 |
单月允许的最大缺失值数量,超过则返回空值 |
几个实用技巧:
- 指定气候期:
ms.normals("10637", 1991, 2020)可获取 1991–2020 气候值,方便对比新旧气候基准; - 按需取参数:
parameters=[ms.Parameter.TEMP, ms.Parameter.PRCP]只取温度和降水; - 缺失容错:
max_missing控制数据质量——某月缺失超过该数值时结果置为NaN,保证气候值可信(见 normals.py#L61-L67)。
四、常用参数一览
normals 接口默认返回的参数来自 monthly.py#L19-L28,各参数的准确含义定义在 parameters.py:
| 代码 | 含义 | 单位 |
|---|---|---|
temp |
平均气温 | °C |
tmin / tmax |
平均最低 / 最高气温 | °C |
txmn / txmx |
统计期内绝对最低 / 最高温 | °C |
prcp |
月总降水量 | mm |
pres |
平均海平面气压 | hPa |
tsun |
日照时长 | min |
rhum |
相对湿度(需显式指定) | % |
五、拿到数据之后:实用进阶
normals() 返回的是标准 TimeSeries 对象,因此月度数据的所有方法都能直接复用:
import meteostat as ms
ts = ms.normals(["10637", "10638"], 1961, 1990)
# 单位换算:公制 → 英制
df = ts.fetch(units=ms.UnitSystem.IMPERIAL)
# 查看数据完整性
print(ts.completeness()) # 整体完整性
print(ts.completeness("temp")) # 单参数完整性
# 多站点一起取,DataFrame 会带 station 索引
df = ts.fetch(sources=True) # 附带数据来源信息
多站点查询时,station 参数接受列表,返回的 DataFrame 按站名分层组织,方便做区域气候对比。相关行为在 tests/integration/test_normals.py 中有完整的测试用例可以参考。
六、常见问题(FAQ)
Q1:为什么结果只有 12 行? 气候值按"日历月"聚合,一年 12 个月,所以每个站点固定 12 行——它不是时间序列,而是月气候基准表。
Q2:txmn/txmx 为什么不是平均值?
这两个参数代表统计期内该月的极端记录(最冷/最热的一次),用最大值/最小值聚合才有意义,详见 normals.py#L98-L103。
Q3:数据为空怎么办?
ts.fetch() 返回 None 说明该站在统计期内无可用数据,可检查站号、年份范围,或改用 ms.stations.nearby(ms.Point(纬度, 经度)) 找附近的气象站。
Q4:可以自定义统计期吗?
可以,start/end 传任意年份即可,如 1981–2010 是中国气象局常用的气候参照期。
七、总结
Meteostat 的 normals 接口把"30 年逐月数据 → 12 行气候基准"的复杂统计过程封装成了一行函数调用:
- ✅ 一行代码获取 30 年气候基准
- ✅ 温度、降水、气压、日照等核心要素开箱即用
- ✅ 支持自定义统计期、多站点、单位换算
- ✅ 内置缺失值质量控制
无论是做气候对比分析、农业规划,还是仅仅想知道"某个城市每个月通常是多少度",ms.normals() 都是最快捷的工具。
安装方式(一行命令):
pip install meteostat
更多示例可以浏览 examples/ 目录,接口完整文档见 meteostat/api/normals.py。