提前感谢您的任何见解/帮助。我还在学习/R 新手。
我正在跨多个模型处理多个变量的 CMIP6 历史数据。理想情况下，我的基线是从 1850 年到 1950 年。在这个例子中，我有 2 个不同气候模型的每月温度数据，我想跨 6 个模型进行工作。两种模型都使用“自 1850 年 01 月 1 日以来的天数”来计算以 29.5 天为增量的时间。创建数组后，我可以在 1、13、25 等位置切出数据来表示给定的月份/年份。
我想提取每个月每个历史时间段的平均值数据。因此，100 年来平均每月一个数据层/文件。我编写了代码来提取单个模型的单个月份、单个年份，但这对于 1850 - 1950 年甚至 1900 - 1950 年的基线来说是残酷的。（100 年 * 12 个月 * 6 个模型 = 72,000 行代码）。
是否有 for 循环或其他更优雅/简单的方法来使其可行？当我说我是 R 新手时，我无法使用这种数据结构编写 for 循环。
我宁愿避免减少年数和型号数量，以使其成为可行的提升。我可以复制粘贴并手动调整，但这会非常耗时，而且我知道更有经验的程序员正在摇头/嘲笑我:)
我正在使用以下（极其简单、不优雅）代码：
library(raster)
library(RNetCDF)
library(ncdf4)
####open .nc file for each model, variable, and time period###
nc_data <- nc_open('tas_Amon_GFDL-CM4_historical_r1i1p1f1_gr1_185001-194912.nc')
nc_data2 <- nc_open('tas_Amon_GISS-E2-1-G_historical_r101i1p1f1_gn_185001-194912.nc')
lon <- ncvar_get(nc_data, "lon_bnds")
lat <- ncvar_get(nc_data, "lat_bnds")
t <- ncvar_get(nc_data, "time_bnds")
lon2 <- ncvar_get(nc_data2, "lon_bnds")
lat2 <- ncvar_get(nc_data2, "lat_bnds")
t2 <- ncvar_get(nc_data2, "time_bnds")
head(t)
nc_data$dim ###QA/QC: lat len 180; lon len 288; time len 1200; note time $vals starts at 15.5,then increases by 29.5 thereafter, e.g. 15.5, 45.0, 74.5 etc###
tas.arrayGFDL <- ncvar_get(nc_data, "tas") ###store the data in a 3-dimensional array###
dim(tas.arrayGFDL) ###QA/QC matches the length given nc_data$dim)###
tas.jan1850GFDL <- tas.arrayGFDL[, , 1] ###first slice is jan 1850###
dim(tas.jan1850GFDL) ##correct lat, lon##
tas.jan1851GFDL <- tas.arrayGFDL[, , 13] ###13th slice is jan 1851###
dim(tas.jan1851GFDL) ##correct lat, lon##
tas.jan1850rGFDL<- raster(t(tas.jan1850GFDL), xmn=min(lon), xmx=max(lon), ymn=min(lat), ymx=max(lat), crs=CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs+ towgs84=0,0,0"))
tas.jan1851rGFDL<- raster(t(tas.jan1850GFDL), xmn=min(lon), xmx=max(lon), ymn=min(lat), ymx=max(lat), crs=CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs+ towgs84=0,0,0"))
plot(tas.jan1850rGFDL)
[![Jan 1850 GFDL GCM][1]][1]
plot(tas.jan1851rGFDL)
tas.jan1850rfGFDL <- flip(tas.jan1850rGFDL, direction='y')
tas.jan1851rfGFDL <- flip(tas.jan1851rGFDL, direction='y')
plot(tas.jan1850rfGFDL)
[![enter image description here][2]][2]
plot(tas.jan1851rfGFDL)
writeRaster(tas.jan1850rfGFDL, "tas.jan1850rfGFDL.tif", "GTiff", overwrite=TRUE)
writeRaster(tas.jan1851rfGFDL, "tas.jan1851rfGFDL.tif", "GTiff", overwrite=TRUE)
###然后对每个月、每年、每个型号重复此操作。###
processNC概述
processNC 是一个 R 包，用于在 R 中处理和分析 NetCDF 文件。 NetCDF 文件可以使用 R 中 terra 包中的 rast() 函数轻松加载到 R 中，或者以前也使用 R 中的 raster() 函数光栅包。但是，当尝试处理大型 NetCDF 文件时，直接使用 ncdf4 软件包或气候数据操作员软件可能会更方便，并且此软件包为这两个选项提供了简化的包装器。
需要此软件包的任务是加载带有全球每日气候数据的大型 NetCDF 文件以计算月度或年度平均值。使用此软件包可以更快地完成此任务，而无需将整个文件读入内存。
具体来说，主页上包含的示例之一是如何按月汇总多年的：
# Summarise daily NetCDF file for 10 years first by month and then by year s <- summariseNC(files=tas_files[4], startdate=2001, enddate=2010, group_col=c("month", "year")) s
class : SpatRaster dimensions : 15, 18, 12 (nrow, ncol, nlyr) resolution : 0.5, 0.5 (x, y) extent : 6, 15, 47.5, 55 (xmin, xmax, ymin, ymax) coord. ref. : source(s) : memory names : January, February, March, April, May, June, ... min values : 269.81, 271.11, 274.13, 278.36, 283.22, 286.39, ... max values : 276.14, 277.16, 280.17, 284.59, 288.88, 292.26, ...
您仍然需要为每个模型执行此操作。我建议花一点时间学习如何使用 R 的矢量化迭代工具：
purrr::maplapply