Python 如何将xarray MFdataset转换为多个GeoTIFF？尝试了两种方法，但都失败了

我正在尝试将多个NetCDF4文件转换为GeoTIFF光栅，同时将数据从每日频率降到每月频率（忽略NAN）。不幸的是，当我要将数据写入GeoTiff时，我会遇到错误

使用xarray（与我习惯使用的R相比，它的功能非常棒）只保留一个变量（正如我所希望的那样）并根据每日值计算每月平均值，打开和减少采样文件很容易，但我在尝试将结果导出/转换为多个*.tif文件时遇到了困难

甚至尝试将其转换为多个NetCDF3文件，因为我可以轻松地将这些文件转换为geotiff，但也失败了

输入数据为4018 ESA土壤湿度“.nc4”文件，以每日频率显示，覆盖全球，但每一步都不完整（只有每天的线束充满数据，其余为空/NA），因此我希望在计算月平均值时忽略NaNs

总的来说，这4018天总共有132个月（11年），下面代码生成的我的xarray数据集似乎如预期的那样显示了这一点

import xarray as xr

# opening the files into an array

mfdataDIR = 'C:/full_path_here/*.nc'

DS = xr.open_mfdataset(mfdataDIR)


# downsampling it from daily to monthly means while keeping attributes and ignoring NAs 

monthly_data = DS.sm.resample(time="1M").mean(skipna= True, keep_attrs=True)

我在这里得到了以下警告：“默认缩减维度将在xarray 0.12之后更改为分组维度。若要消除此警告，请显式传递dim=xarray.ALL_DIMS。skipna=skipna，allow_lazy=True，**kwargs）” 不确定这是否重要，但当我打印每月的_数据时，结果似乎还可以

# Now, trying to convert to GeoTIFFs using Robin Wilson's rasterio_to_xarray (and vice-versa) script (full script can be found on link below).

import sys

sys.path.insert(0, 'C:/path_to_py_script/')

import xarray_to_rasterio as xarrast

xarrast.xarray_to_rasterio_by_band(monthly_data, 'C:/path_here/%s.tif', dim= 'time')

现在我得到了这个错误：“索引器：元组索引超出范围” 我认为错误在于我如何使用它，而不是在脚本上，尽管我不知道在哪里

罗宾·威尔逊（Robin Wilson）制作的剧本非常适合我的目标，在这里得到：

我发现错误可以追溯到第84行：

82  if len(xa.shape) == 2:
83        count = 1
84        height = xa.shape[0]
85        width = xa.shape[1]
86        band_indicies = 1
87   else:

第122行：

122  xarray_to_rasterio(data, filename)

因此，我的时间似乎很暗淡，我希望可以算作乐队，但这并不是剧本所期望的，因此，它失败了。显然，我还弄乱了“filename”参数

不知道怎么。。。我可以使用这个脚本或修改它来做我想做的事情吗？ （保存132个“.tif”文件，对应132个时间维度级别）

#第二个选择并不理想，但仍然可以帮助我，如果它没有失败的话：
mDS=月度数据。至数据集（）
路径=['C:/path_here/%s.nc']
xr.save_mfdataset（mDS、路径、格式='NETCDF3_CLASSIC'）
出现此错误：“TypeError:save_mfdataset仅支持写入数据集对象，接收类型”

我认为我对python知识的缺乏阻碍了我的发展，因为我在这两个过程中不断出现错误（xarray到GeoTIFF或xarrayDataset到NetCDF3-classic）

当我检查每月的_数据时，我看到了我所期望的：只有“sm”变量、所有三个维度和132个时间“值”

---

有人能帮忙吗？

嗨，我是罗宾·威尔逊，您试图使用的代码的作者。我对这个错误有点困惑——我不太明白它是怎么发生的，但很明显它已经发生了！您是否可以包括

print（monthly_data）

和

print（monthly_data.shape）

的输出，因为这可能有助于我调试问题。谢谢您好，谢谢您光临@robintw！打印输出（月度数据）为：

dask.array坐标：*time（time）datetime64[ns]2007-01-31 2007-02-28。。。2017-12-31属性：长名称：体积土壤水分单位：m3 m-3有效范围：[0.1.]\u坐标系：时间纬度

，而打印（每月数据.shape）生成：

（132，）

我猜我对数组进行二次采样（向下调用）的方式有问题……嗨，我是罗宾·威尔逊，您尝试使用的代码的作者。我对这个错误有点困惑——我不太明白它是怎么发生的，但很明显它已经发生了！您是否可以包括

print（monthly_data）

和

print（monthly_data.shape）

的输出，因为这可能有助于我调试问题。谢谢您好，谢谢您光临@robintw！打印输出（月度数据）为：

dask.array坐标：*time（time）datetime64[ns]2007-01-31 2007-02-28。。。2017-12-31属性：长名称：体积土壤水分单位：m3 m-3有效范围：[0.1.]\u坐标：时间间隔

打印（每月数据.shape）时产生：

（132，）

我猜我对数组进行二次采样（向下调用）的方式有问题。。。

# Second option, not ideal but could still help me, if it hadn't also failed:


mDS = monthly_data.to_dataset()

paths = ['C:/path_here/%s.nc' ]
xr.save_mfdataset(mDS, paths, format='NETCDF3_CLASSIC')

got this error: "TypeError: save_mfdataset only supports writing Dataset objects, received type <class 'str'>"