请使用日平均温度(t2m_daily_2000_2009. nc)数据，在所在区域内的每个格点上计算日平均气温大于20℃这一事件的逐年发生次数，并进一步绘图展示结果： (1)区域内每个格点上该事件年平均发生次数的空间分布图； (2)整个区域该事件逐年发生次数的时间序列图。

好的，那我们可以先使用 xarray 库读取数据文件，并计算每个格点上日平均气温大于20℃的逐年发生次数。下面是代码：

import xarray as xr

# 读取 NetCDF 格式的数据文件
ds = xr.open_dataset('t2m_daily_2000_2009.nc')

# 计算每个格点上日平均气温大于20℃的逐年发生次数
event_count = (ds.t2m > 20).groupby('time.year').sum(dim='time')

接下来，我们可以使用 matplotlib 库绘制图表来展示结果。

首先是区域内每个格点上该事件年平均发生次数的空间分布图。下面是代码：

import matplotlib.pyplot as plt
import cartopy.crs as ccrs

# 创建地图投影
proj = ccrs.PlateCarree()

# 计算区域内每个格点上该事件年平均发生次数
mean_count = event_count.mean(dim='year')

# 绘制地图
fig = plt.figure(figsize=(10, 5))
ax = fig.add_subplot(1, 1, 1, projection=proj)
ax.coastlines()
ax.gridlines()

# 绘制热力图
im = ax.pcolormesh(mean_count.lon, mean_count.lat, mean_count, transform=proj)

# 添加标题和色标
ax.set_title('Annual Mean Count of Daily Mean Temperature > 20°C')
plt.colorbar(im, ax=ax, orientation='vertical', shrink=0.7)

# 显示图表
plt.show()

这样就可以得到一个地图，显示区域内每个格点上该事件年平均发生次数的空间分布图。

接下来是整个区域该事件逐年发生次数的时间序列图。下面是代码：

# 计算整个区域该事件逐年发生次数
total_count = event_count.sum(dim=['lon', 'lat'])

# 绘制时间序列图
fig = plt.figure(figsize=(10, 5))
ax = fig.add_subplot(1, 1, 1)
total_count.plot(ax=ax)

# 添加标题和轴标签
ax.set_title('Total Count of Daily Mean Temperature > 20°C')
ax.set_xlabel('Year')
ax.set_ylabel('Count')

# 显示图表
plt.show()

这样就可以得到一个时间序列图，显示整个区域该事件逐年发生次数的结果。