使用 R 的 netcdf 栅格堆栈或栅格砖的时间和地理子集

Question

对于以下包含 2016 年每日全球海面温度的 netcdf 文件，我尝试 (i) 时间上的子集，(ii) 地理上的子集，(iii) 然后对每个像素采用长期平均值并创建一个基本的情节。

文件链接：here

library(raster)
library(ncdf4)

设置我的工作目录后打开netcdf

nc_data <- nc_open('sst.day.mean.2016.v2.nc')

更改时间变量以便于解释

time <- ncdf4::ncvar_get(nc_data, varid="time")
head(time)

更改为我能解释的日期

time_d <- as.Date(time, format="%j", origin=as.Date("1800-01-01"))

现在我只想将 9 月 1 日至 10 月 15 日作为子集，但无法弄清楚...

按照时间子集，创建栅格砖（或堆栈）和地理子集

b <- brick('sst.day.mean.2016.v2.nc') # I would change this name to my file with time subest

地理上的子集

b <- crop(b, extent(144, 146, 14, 16))

最后，我想取所有数据天数中每个像素的平均值，将其分配给单个栅格，然后绘制一个简单的绘图...

感谢您的帮助和指导。

Answer 1

在b <- brick('sst.day.mean.2016.v2.nc')之后，我们可以输入b来查看光栅砖的信息。

b
# class       : RasterBrick 
# dimensions  : 720, 1440, 1036800, 366  (nrow, ncol, ncell, nlayers)
# resolution  : 0.25, 0.25  (x, y)
# extent      : 0, 360, -90, 90  (xmin, xmax, ymin, ymax)
# coord. ref. : +proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0 
# data source : C:\Users\basaw\Downloads\sst.day.mean.2016.v2.nc 
# names       : X2016.01.01, X2016.01.02, X2016.01.03, X2016.01.04, X2016.01.05, X2016.01.06, X2016.01.07, X2016.01.08, X2016.01.09, X2016.01.10, X2016.01.11, X2016.01.12, X2016.01.13, X2016.01.14, X2016.01.15, ... 
# Date        : 2016-01-01, 2016-12-31 (min, max)
# varname     : sst 

请注意，Date 槽包含从 2016-01-01 到 2016-12-31 的信息，这意味着 Z 值已经包含日期信息，我们可以使用它来对栅格砖进行子集化。

我们可以使用getZ 函数来访问存储在Z 值中的值。输入getZ(b)，我们可以看到一系列日期。

head(getZ(b))
# [1] "2016-01-01" "2016-01-02" "2016-01-03" "2016-01-04" "2016-01-05" "2016-01-06"

class(getZ(b))
# [1] "Date"

因此，我们可以使用以下代码对栅格砖进行子集化。

b2 <- b[[which(getZ(b) >= as.Date("2016-09-01") & getZ(b) <= as.Date("2016-10-15"))]]

然后我们可以根据您提供的代码裁剪图像。

b3 <- crop(b2, extent(144, 146, 14, 16))

要计算平均值，只需使用mean 函数。

b4 <- mean(b3, na.rm = TRUE)

最后，我们可以绘制平均值。

plot(b4)

Answer 2

不是在 R 中，只是指出子集和平均任务在 CDO 中很容易从命令行完成：

cdo timmean -sellonlatbox,lon1,lon2,lat1,lat2 -seldate,date1,date2 in.nc out.nc

其中 lon1,lon2 等定义要剪切的 lon-lat 区域，date1,date2 是日期范围。

然后您可以将生成的文件读入 R 进行绘图，或使用 ncview 快速查看。