使用R估算NetCDF数据的气候学。需要更好的方法

Question

我正在研究NOAA AVHRR每日海表温度（SST）数据31年。数据采用NetCDF格式，尺寸为28（长）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Januaries的平均值等）。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)
}

问题是它创造了太多的栅格，并且首先计算每月平均值，然后是每年。

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计算而不需要制作如此多的栅格，并且计算可以保留为数组或矩阵？或者上面的代码可以更好地一次性计算所有年份？

Answer 1

您没有提供数据，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)

Answer 2

如果我能提供不在R中的答案，如果你有cdo（安装了气候数据操作员），你可以在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，平均所有1月，2月等等...

你可以在ubuntu / mint中轻松安装cdo

sudo apt-get install cdo 

如今，您还可以在Windows 10中轻松安装ubuntu，以便轻松访问这些有用的工具。文档可在此处获取https://code.mpimet.mpg.de/projects/cdo/