区域形状文件内NetCDF中每个时间步使用Python中的rasterstats的分区统计信息

尝试在包含地区区域的shapefile层中提取分区信息，用于存储在netcdf中的光栅数据的月度时间序列

到目前为止，我只能提取每个shapefile的所有时间段的平均值（见下文）。但我真的想要每个地区的月平均值

最终的目标是将其放在一个数据框架中，然后我可以将其与每个区域的一些属性数据合并。我不太习惯使用netcdfs，所以任何建议都会很有帮助！netcdf中的时间维度为“yyyy-mm-dd”格式

#import netcdf data 

with rio.open('/MSLA_all_test.nc') as msla_nc:
    msla_nc_data = msla_nc.read(1,masked=True)
    msla_nc_meta = msla_nc.profile

#import polygons 
region_polys = gpd.read_file('/GADM2_coast_regions.shp')

#Extract pixel values for each polygon : zonal stats
region_value=rs.zonal_stats(region_polys, msla_nc_data, nodata=-999, affine=msla_nc_meta['transform'], geojson_out=True, copy_properties=True, stats="mean")

---

您可以使用xarray执行时间聚合和重采样。然后应用你的代码。

再靠近一点！现在有一个字典列表，每个字典包含72个时间步（约650个区域）内某个区域的所有月平均值。每个字典（72 x~650=~47000）中的每个值都可以提取吗？欢迎使用Stackoverflow！您是否有可以链接的示例或资源来帮助改进您的答案？