4. 农田气象数据日尺度聚合与生长季指标计算

任务对象与数据约定

本节处理的是同一地块、同一生长季内的逐小时气象观测表。典型字段包括：plot_id（地块编号）、obs_time（观测时刻，整点）、temp_c（气温，℃）、precip_mm（小时降水量，mm）。聚合前必须先明确三条约定，否则日指标会算错：

• 日界约定：农业气象日通常以 20:00 为日界（前一日20:00至当日20:00），本节采用该约定；若数据源为自然日（00:00–23:59），需在聚合前统一平移，不能混用。
• 日均温：采用24个整点气温的算术平均，缺测超过2小时则该日日均温记为缺失，不参与积温累加。
• 积温：活动积温按 max(日均温 − 10, 0) 逐日累加，10℃为喜温作物的生物学零度示例值，实际应替换为目标作物的下限温度。

聚合与指标计算流程

核心是把“小时表”折叠成“日表”，再在日表上做生长季窗口筛选与累加。下面给出可直接运行的 Python 实现，使用 pandas，输入为示例构造的小时数据，输出按地块与年份组织的汇总表。

import pandas as pd
import numpy as np

# ---------- 1. 构造示例小时数据（仅用于演示，非实测） ----------
rng = pd.date_range("2023-04-01 00:00", "2023-10-31 23:00", freq="h")
n = len(rng)
df = pd.DataFrame({
    "plot_id": np.where(np.arange(n) % 2 == 0, "A01", "A02"),
    "obs_time": rng,
    "temp_c": 15 + 8 * np.sin(2 * np.pi * (rng.hour - 6) / 24) + rng.dayofyear * 0.02,
    "precip_mm": np.where(rng.hour.isin([14, 15]), 1.2, 0.0),
})
# 人为制造少量缺测，验证缺测规则
df.loc[df.sample(frac=0.002, random_state=1).index, "temp_c"] = np.nan

# ---------- 2. 统一日界：20:00 为日界 ----------
df["agri_date"] = (df["obs_time"] - pd.Timedelta(hours=20)).dt.normalize()

# ---------- 3. 小时 -> 日 聚合 ----------
daily = (df.groupby(["plot_id", "agri_date"])
           .agg(t_mean=("temp_c", "mean"),
                t_max=("temp_c", "max"),
                t_min=("temp_c", "min"),
                n_obs=("temp_c", "count"),
                precip=("precip_mm", "sum"))
           .reset_index())

# 缺测规则：有效观测不足22小时，日均温置缺失
daily.loc[daily["n_obs"] < 22, "t_mean"] = np.nan
daily["t_range"] = daily["t_max"] - daily["t_min"]
daily["gdd"] = (daily["t_mean"] - 10).clip(lower=0)
daily["rain_day"] = (daily["precip"] >= 0.1).astype(int)

# ---------- 4. 生长季窗口 + 按地块/年份汇总 ----------
daily["year"] = daily["agri_date"].dt.year
season = daily[(daily["agri_date"].dt.month >= 4) & (daily["agri_date"].dt.month <= 10)]

summary = (season.groupby(["plot_id", "year"])
                 .agg(日均温=("t_mean", "mean"),
                      平均日较差=("t_range", "mean"),
                      活动积温=("gdd", "sum"),
                      降水日数=("rain_day", "sum"),
                      生长季降水=("precip", "sum"),
                      有效日数=("t_mean", "count"))
                 .reset_index())
print(summary.round(2))

运行后得到形如下表的汇总（数值为示例数据计算结果，仅用于说明结构）：

指标口径与判读

汇总表拿到后，不要只看积温数值大小，应结合有效日数一起判读：有效日数明显少于生长季天数，说明该年缺测较多，积温被系统性低估，跨年比较时应标注或剔除。降水日数对日界敏感，若与农事记录相差一天，优先回查日界平移是否正确。