将2个NETCDF文件与Xarray结合在时间维度

Question

我尝试使用此命令将两个NETCDF文件组合在一起。第一个文件运行了1到10天，然后从11到20天进行了下一个文件。时间记录为NETCDF文件中的年/月/天。

ds = xr.open_mfdataset([file1, file2], combine='nested',concat_dim=["time"])

这些文件具有3-D（时间，LON，LAT）维度的数据变量，其中LON和LAT在两个文件中的每个文件中保持恒定。时间数组确实扩展到20天，但是在执行上面命令后，数据阵列在合并后的输出文件中保持10天。

使用CDO Mergetime实用程序，我能够通过这样做来克服问题

cdo mergetime file1.nc file2.nc mergedfile.nc 

，但是我试图在脚本中执行此操作，而更喜欢使用Xarray而不是CDO。有任何评论会对为什么Xarray在这种情况下不将非时数阵列结合在一起？

Answer 1

您应该在MF_DATASET中尝试不同的选项。我能够复制您的问题并通过更改一些选项来解决此问题：

#!/usr/bin/env
import datetime
from netCDF4 import Dataset,date2num,num2date
import numpy as np
import xarray as xr
# ----------------------
nx = ny = 10
ntime = 5;
f_a = 'test_01.nc';
with Dataset(f_a,'w','NETCDF3') as ncout:
    ncout.createDimension('x',nx)
    ncout.createDimension('y',ny)
    ncout.createDimension('time',None)
    # -------------------------------
    xv = ncout.createVariable('x','float32',('x'));xv[:]=np.linspace(0,nx,nx)
    yv = ncout.createVariable('y','float32',('y'));yv[:]=np.linspace(0,ny,ny)
    tv = ncout.createVariable('time','float64',('time'));tv[:] = np.linspace(0,ntime,ntime)*3600;tv.setncattr('units','seconds since 2022-05-12 00:00:00')
    dataout = ncout.createVariable('data_3d','float32',('time','y','x'));dataout[:]= np.random.random((ntime,ny,nx))
    dataout = ncout.createVariable('data_2d','float32',('y','x'));dataout[:]= np.random.random((ny,nx))
# ----------------------------------------------------------------------------------------------------------------------
f_b = 'test_02.nc';
with Dataset(f_b,'w','NETCDF3') as ncout:
    ncout.createDimension('x',nx)
    ncout.createDimension('y',ny)
    ncout.createDimension('time',None)
    # -------------------------------
    xv = ncout.createVariable('x','float32',('x'));xv[:]=np.linspace(0,nx,nx)
    yv = ncout.createVariable('y','float32',('y'));yv[:]=np.linspace(0,ny,ny)
    tv = ncout.createVariable('time','float64',('time'));tv[:] = np.linspace(0,ntime,ntime)*3600;tv.setncattr('units','seconds since 2022-05-13 00:00:00')
    dataout = ncout.createVariable('data_3d','float64',('time','y','x'));dataout[:]= np.random.random((ntime,ny,nx))
    dataout = ncout.createVariable('data_2d','float32',('y','x'));dataout[:]= np.random.random((ny,nx))
# ------------------------------------------------------------------------------------------------------------------------
with xr.open_mfdataset([f_a, f_b], combine='nested',concat_dim=["time"]) as ds:
    ds.to_netcdf('merged_default.nc')
# ------------------------------------------------------------------------------------------------------------------------
with xr.open_mfdataset([f_a, f_b],concat_dim='time', data_vars='minimal',combine='nested',coords='minimal',compat='override') as ds:
    ds.to_netcdf('merged_minimal.nc')

因此，“ Merged_default.nc”将原始的2D和3D变量同时为3D变量，但在“ Merged_minimal.nc”中，2D变量为2D和3D变量是3D。

Answer 2

您可以使用我的软件包 nctoolkit 来执行此操作。这使用CDO作为后端，因此将与您的CDO选项相同。

import nctoolkit as nc
ds = nc.open_data([file1, file2])
ds.merge("time")
# convert to xarray object if neede
ds_xr = ds.to_xarray()