使用 R 估计 NetCDF 数据的每月气候学
Posted
技术标签:
【中文标题】使用 R 估计 NetCDF 数据的每月气候学【英文标题】:Estimating monthly climatology on NetCDF data using R 【发布时间】:2019-07-16 05:20:00 【问题描述】:我正在研究 31 年的 NOAA AVHRR 每日海面温度 (SST) 数据。数据采用 NetCDF 格式,尺寸为 28(经度)x 40(纬度)x 11686(天)。我应该计算每月的气候平均值(例如 31 年所有一月的平均值等)。使用 ncdf4 和 chron 库,我能够以数组形式获得它。
ncin <- nc_open('sstfile.nc')
sst_array <- ncvar_get(ncin, 'sst')
由于时间变量与 SST 数据是分开的,我不得不在数组上循环使用它。
is.leapyear <- function(year)
return(((year %% 4 == 0) & (year %% 100 != 0)) | (year %% 400 == 0))
dateseq <- seq(as.Date("1987-01-01"), as.Date("2018-12-31"), by=1)
使用栅格库我正在转换为栅格,然后进行计算。
for ( i in seq(11686))
dtft <- strsplit(as.character(as.Date(dateseq[i])), split = '-')
y <- as.integer(dtft[[1]][1])
m <- as.integer(dtft[[1]][2])
d <- as.integer(dtft[[1]][3])
while (m == 1)
assign(paste0('r',y,'.',d), raster(matrix(sst_array[1:27, 1:38, i],
nrow = 27, ncol = 38)))
m = m + 1
if (is.leapyear(y) == TRUE) (i = i + 366)
else (i = i + 365)
问题是它创建了太多的栅格,首先计算月平均值,然后计算年平均值。
r87jan <- stack(mget(paste0('r1987.',1:31)))
r87janmean <- calc(r87jan, mean)
是否有任何函数/方法可以在这段时间内进行计算而无需制作如此多的栅格并且计算可以保留为数组或矩阵?或者可以改进上面的代码来一次计算所有年份的月平均值吗?
【问题讨论】:
【参考方案1】:如果我可以提供不在 R 中的答案,如果您安装了 cdo(安装了气候数据操作员),您可以简单地在 linux 命令行上执行此操作:
cdo ymonmean sstfile.nc sst_climate.nc
文件 sst_climate.nc 将包含 12 个时间步长,所有 1 月、2 月等的平均值...
您可以使用
轻松地在 ubuntu/mint 中安装 cdosudo apt-get install cdo
现在您还可以在 Windows 10 中轻松安装 ubuntu 以轻松访问这些有用的工具。此处提供文档https://code.mpimet.mpg.de/projects/cdo/
【讨论】:
【参考方案2】:您不提供数据,但我认为您可以这样做:
library(raster)
nc <- brick('sstfile.nc')
dates <- getZ(nc)
months <- as.integer(format(dates, "%m"))
s <- stackApply(nc, months, fun=mean)
【讨论】:
以上是关于使用 R 估计 NetCDF 数据的每月气候学的主要内容,如果未能解决你的问题,请参考以下文章
从paleoView导入R中的netcdf时只有正纬度和经度可能是错误的投影