合并 netCDF 文件：各种不成功的尝试

如何解决合并 netCDF 文件：各种不成功的尝试

我正在尝试为一个变量合并 3 个数据集（1981-1990、1991-2000、2001-2010）。以 Jupyter (Python) 为例，1981-1990 年的特征是：

每个数据集包含一个 10 年的时间段，其大小约为 4 GB。

看了一些帖子后，我在 Windows 10 中尝试了 4 种解决方案：

Jupyter (Python)

1.第一个建议

 import xarray as xr
    t2m_81_90 = xr.open_dataset('era5land_2m_temperature_hourly_ene-dic_1981-1990.nc')
    t2m_91_00 = xr.open_dataset('era5land_2m_temperature_hourly_ene-dic_1991-2000.nc')
    t2m_81_00 = xr.merge([t2m_1981_1990,t2m_1991_2000])

结果表明：

C:\Users\eleph\anaconda3\lib\site-packages\xarray\core\alignment.py:307: FutureWarning: Index.__or__ 
operating as a set operation is deprecated,in the future this will be a logical operation matching 
Series.__or__.  Use index.union(other) instead index = joiner(matching_indexes)

MemoryError: Unable to allocate 15.5 GiB for an array with shape (175319,184,129) and data type float32

2.第二个建议

ncrcat era5land_2m_temperature_hourly_ene-dic_1981-1990.nc era5land_2m_temperature_hourly_ene-dic_1991-2000.nc temper_all.nc

结果：

SyntaxError: invalid Syntax

3.第三个建议

import netCDF4
from netCDF4 import Dataset

dataset = netCDF4.MFDataset(['era5land_2m_temperature_hourly_ene-dic_1981-1990.nc','era5land_2m_temperature_hourly_ene-dic_1991-2000.nc'])

结果：

ModuleNotFoundError: No module named 'netCDF4'

我认为错误是因为未安装“netCDF4”，但在尝试安装后，显示：

Found conflicts! Looking for incompatible packages.
This can take several minutes.  Press CTRL-C to abort. Failed

CDO (Cygwin)

4.第四条建议

$ cdo mergetime era5land_2m_temperature_hourly_ene-dic_1981-1990.nc era5land_2m_temperature_hourly_ene-dic_1991-2000.nc 2m_tempmerature_1981-2000.nc

结果：

cdf_put_vara_double: name=t2m  type=NC_SHORT  minval=-32767.000000  maxval=33531.000000

Error (cdf_put_vara_double): NetCDF: Numeric conversion not representable

我知道这篇文章很长，但我想展示我所做的试验。也许其中一些可以修复。任何合并这些数据集的帮助都将得到认可！

解决方法

使用

xarray.open_mfdataset([
    'era5land_2m_temperature_hourly_ene-dic_1981-1990.nc','era5land_2m_temperature_hourly_ene-dic_1991-2000.nc'
])

并定义参数 concat_dim 。我想它应该是一个可以连接数据集的时间维度。

提示：打开多个文件时打开并行模式。