使用 R 估算 NetCDF 数据的每月气候学

Question

我正在研究 NOAA AVHRR 31 年的每日海面温度 (SST) 数据。数据采用 NetCDF 格式，维度为 28（经）x 40（纬度）x 11686（天）。我应该计算每月的气候平均值（例如 31 年的所有一月的平均值等等）。使用 ncdf4 和 chron 库，我能够以数组形式获取它。

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，我不得不使用它遍历数组。

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)

我正在使用栅格库转换为栅格，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并且首先计算月均值，然后计算年均值。

r87jan <- stack(mget(paste0('r1987.',1:31)))
r87janmean <- calc(r87jan, mean)

是否有任何 function/method 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持为数组或矩阵？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？

Answer 1

您没有提供您的数据，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)

Answer 2

如果我可以提供不在 R 中的答案，如果您安装了 cdo（安装了气候数据运算符），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，所有 1 月、2 月等的平均值...

您可以轻松地在 ubuntu/mint 和

中安装 cdo

sudo apt-get install cdo

您还可以在 Windows 10 天内轻松安装 ubuntu，以便轻松访问这些有用的工具。此处提供文档 https://code.mpimet.mpg.de/projects/cdo/

使用 R 估算 NetCDF 数据的每月气候学

Estimating monthly climatology on NetCDF data using R

r

netcdf

cdo-climate