我有均匀的空间时间序列和每日平均观测数据。
我如何计算季节性手段最简单的方法？季节应遵循 DJF（=冬季：12 月、1 月、2 月）、MAM、JJA 和 SON 的气象命名法。
这意味着 12 月的值来自 x-1 年。
每月平均值的计算在这里很好地呈现： 如何计算每月平均值？
在计算季节性平均值时可以遵循这个想法。但是，有几个警告使它不是很透明，必须小心！
我还在以前的线程中处理了这个问题的一小部分：如何在 R 中切换行？
现在是完整的故事：
0：做一个随机的时间序列
ts.pdsi <- data.frame(date = seq(
from=as.Date("1901-01-01"),
to=as.Date("2009-12-31"),
by="day"))
ts.pdsi$scPDSI <- rnorm(dim(ts.foo)[1], mean=1, sd=1) # add some data
第一：使用 seas 包并将季节添加到您的时间序列中，必须将其格式化为 data.frame。
library(seas)
# add moth/seasons
ts.pdsi$month <- mkseas(ts.pdsi,"mon") # add months
ts.pdsi$seas <- mkseas(ts.pdsi,"DJF") # add seasons
ts.pdsi$seasyear <- paste(format(ts.pdsi[,1],"%Y"),
ts.pdsi$seas ,sep="") # add seasyears, e.g. 1950DJF
这给了
> head(ts.pdsi)
date scPDSI month seas seasyear
1 1901-01-01 -0.10881074 Jan DJF 1901DJF
2 1901-02-01 -0.22287750 Feb DJF 1901DJF
3 1901-03-01 -0.12233192 Mär MAM 1901MAM
4 1901-04-01 -0.04440915 Apr MAM 1901MAM
5 1901-05-01 -0.36334082 Mai MAM 1901MAM
6 1901-06-01 -0.52079030 Jun JJA 1901JJA
第二：然后您可以按照上述方法使用 $seasyear 列计算季节性平均值
> MEAN <- tapply(pdsi$scPDSI, ts.pdsi$seasyear, mean, na.rm = T)
> head(MEAN)
1901DJF 1901JJA 1901MAM 1901SON 1902DJF 1902JJA
-0.45451556 -0.72922229 -0.17669396 -1.12095590 -0.86523850 -0.04031273
注意：春季 (MAM) 和夏季 (JJA) 由于严格的字母排序而被切换。
第三：换回来
foo <- MEAN
for(i in 1:length(MEAN)) {
if (mod (i,4) == 2) {
foo[i+1] <- foo[i] #switch 2nd 3rd row (JJA <-> MAM)
foo[i] <- MEAN[i+1]
}
}
# and generate new names for the array
d <- data.frame(date=seq(from=as.Date("1901-01-01"), to=as.Date("2009-12-31"), by="+3 month"))
d$seas <- mkseas(d,"DJF")
d$seasyear <- paste(format(d[,1],"%Y"), d$seas ,sep="")
names(foo)<-d$seasyear # add right order colnames
MEAN <-foo
最后，这会产生季节性均值的时间序列。好吧，我觉得它太复杂了，我想周围有更简单的解决方案。
此外，这个解决方案对于冬季 DJF 也有一个非常大的问题：到目前为止，12 月还没有从前一年中选择。这很容易解决（我猜），但使给定的方式更加复杂。
我真的希望周围有更好的想法！