在气温时序分析中，均值易受极端高温、低温异常值干扰，气温中位数能够规避极值带来的偏差，更客观反映一段时期内气温的典型水平。不少从业者常常疑惑：大批量观测数据、模式预报数据里，气温中位数该如何高效计算与提取？今天我们结合实操流程，讲清气温中位数的获取方法。

01 为什么平均气温，常常“不准”？

日常工作中，我们处理气温数据、做气候统计、能源负荷分析、环境评估时，最习惯的操作就是算平均值。

但气象数据有一个典型特点：极易出现极端异常值。

盛夏突发的极端高温、初春的断崖式降温、寒潮突袭的低温峰值，还有设备短时故障、环境干扰产生的异常噪点数据，都会直接拉高或拉低整体平均值。

这就导致一个很常见的问题：平均气温，往往代表不了“常态气温”。

举个简单的例子：某地一周气温分别为16、17、18、18、19、20、35℃。

因为最后一天的极端高温干扰，整周平均气温被大幅抬升，最终算出的均值远高于当地日常气温水平。如果我们用这个均值做气候研判、能耗预测、工况分析，结果自然会出现偏差。

而气温中位数，恰好解决了这个痛点。

它不关注极值大小，只聚焦数据的中间水平，完美规避极端冷暖异常的干扰，精准还原一段时期内最典型、最常态的气温状态。

02 气温均值 VS 气温中位数：核心区别一目了然

很多新手从业者容易混淆两个指标，甚至出现“全程用均值统计，结果失真”的问题。我们结合气象实操场景，清晰区分二者的适用边界。

✅ 算术均值（平均气温）

对所有气温数值求和后平均，会纳入每一个数据的大小影响，对极端值高度敏感。

适用场景：整体热量统计、积温计算、长期气候趋势偏移分析、年度总体温度复盘等需要兼顾全部数值影响的场景。

❌ 短板：极端天气、异常噪点会直接扭曲统计结果，无法代表日常基准气温。

✅ 气温中位数

将时段内所有气温数据从小到大排序，取位于中间位置的数值，仅反映数据中心水平，不受极值大小影响。

适用场景：常态气温研判、典型工况分析、风光资源评估、电力负荷基准预测、气候常态对比、剔除异常后的基准分析。

❌ 短板：无法体现极端天气带来的整体热量波动，不适合做积温、总热量相关统计。

简单总结：想看整体波动、累计热量用均值；想看真实常态、典型气温水平，优先用中位数。

03 气温中位数获取教程