将 netCDF 数据聚合为平均值、最小值、最大值

Question

我有几个netCDF文件，可以在这里下载，由Coperinucs创建。 有四个文件，每个文件大约1GB。

我像这样阅读文件

import xarray as xr

dset = xr.open_dataset("~/.../ERA5land1.nc")

这给了我

<xarray.Dataset>
Dimensions:    (latitude: 61, longitude: 101, time: 87647)
Coordinates:
  * latitude   (latitude) float32 31.0 30.9 30.8 30.7 ... 25.3 25.2 25.1 25.0
  * longitude  (longitude) float32 79.0 79.1 79.2 79.3 ... 88.7 88.8 88.9 89.0
  * time       (time) datetime64[ns] 1981-01-01T01:00:00 ... 1990-12-31T23:00:00
Data variables:
    t2m        (time, latitude, longitude) float32 dask.array<shape=(87647, 61, 101), chunksize=(10, 61, 101)>
Attributes:
    Conventions:  CF-1.6
    history:      2020-03-10 16:47:13 GMT by grib_to_netcdf-2.16.0: /opt/ecmw...

根据文档计算平均值应该是直接的

    mean = dset.mean()

这会导致计算机死机并最终崩溃。 尝试对数据进行分chunk也不起作用。

    dset = xr.open_dataset("~/.../ERA5land1.nc", chunks = {'time': 10})
    mean = dset.mean()

这不会崩溃，但我明白了

<xarray.Dataset>
Dimensions:  ()
Data variables:
     t2m      float32 dask.array<shape=(), chunksize=()>

我想知道如何计算每个网格单元的min 、 max和mean并将其存储在具有相同规格的新netCDF文件中。

Answer 1

这可以使用我的包 nctoolkit 解决（可通过 pip： https ://pypi.org/project/nctoolkit/ 获得，用户指南： https ://nctoolkit.readthedocs.io/en/latest/installing.html）。

这使用 CDO 作为后端，因此应该能够轻松处理您的数据。

所需的代码与您提供的非常相似。

import nctoolkit as nc
dset = xr.open_dataset("~/.../ERA5land1.nc")
mean = dset.mean()

如果你想要一个 xarray 数组，你可以这样做：

mean.to_xarray()