调整NetCDF维度适配climate-indices库仍遇维度错误，求解决方案

问题描述 #

在使用NetCDF日降水量数据搭配climate-indices库计算SPI时，遇到以下错误：

ValueError: Invalid dimensions for variable 'pr': ('time', 'lat', 'lon')

原数据集包含lat、lon坐标，以及time、x、y维度。为适配库的要求，尝试用xarray做了以下操作：

• 删除原有lat、lon坐标
• 将x、y维度重命名为lon、lat
• 保存为新的NetCDF文件

但执行SPI计算命令时仍报错，需要排查操作问题并寻找适配方法。

附用户原执行代码：

import numpy as np
import xarray as xr

# open and inspect dataset
ds = xr.open_dataset('kerpen_pr_hyras_1_1931_2020_v5-0_de.nc')
ds

# Drop 'lat' and 'lon' coordinates and rename dimensions to x and y
ds = ds.drop_vars(['lat', 'lon'])
ds = ds.rename({'y': 'lat', 'x': 'lon'})
ds.to_netcdf('kerpen_pr_hyras_1_1931_2020_v5-0_de_renamed.nc')
ds.close()

!process_climate_indices --index spi --periodicity daily \
--netcdf_precip C:\Users\skrautzi\Documents\jupyternotebooks\temperature_exercise_DWD    \air_temperature_mean_1951-2022_DWD\SPI3_kerpen\kerpen_pr_hyras_1_1931_2020_v5-0_de_renamed.nc \
--var_name_precip pr \
--output_file_base C:\Users\skrautzi\Documents\jupyternotebooks\temperature_exercise_DWD\air_temperature_mean_1951-2022_DWD\SPI3_kerpen\kerpen_pr_hyras_1_1960-2000-SPI3 \
--scales 90 \
--calibration_start_year 1960 \
--calibration_end_year 2000 \
--multiprocessing all

问题排查 #

你的操作核心问题是：只重命名了维度名，但没有将经纬度坐标值与新维度绑定。原数据集的lat、lon是对应y、x网格的坐标数据，你直接删除后，新的lat、lon维度只是空的名称，没有对应的坐标信息，climate-indices库无法识别合法的空间维度结构。

正确的适配步骤 #

不需要删除原lat、lon坐标，而是要把坐标和对应维度关联后再重命名，确保维度与坐标一一对应：

方法1：适用于一维经纬度坐标（每个y对应一个lat，每个x对应一个lon） #

import xarray as xr

# 打开数据集
ds = xr.open_dataset('kerpen_pr_hyras_1_1931_2020_v5-0_de.nc')

# 将lat、lon坐标绑定到y、x维度
ds = ds.assign_coords(lon=('x', ds.lon.values), lat=('y', ds.lat.values))

# 重命名维度：x→lon，y→lat
ds = ds.rename_dims({'x': 'lon', 'y': 'lat'})

# 确保pr变量的维度顺序为(time, lat, lon)（部分库对顺序有要求）
if ds.pr.dims != ('time', 'lat', 'lon'):
    ds['pr'] = ds.pr.transpose('time', 'lat', 'lon')

# 保存修正后的文件
ds.to_netcdf('kerpen_pr_hyras_1_1931_2020_v5-0_de_fixed.nc')
ds.close()

方法2：适用于二维经纬度坐标（每个网格点x,y对应独立的lat,lon） #

如果原数据的lat、lon是二维数组（比如投影坐标系下的经纬度），直接用swap_dims替换维度：

import xarray as xr

ds = xr.open_dataset('kerpen_pr_hyras_1_1931_2020_v5-0_de.nc')

# 直接将x/y维度替换为lon/lat维度
ds = ds.swap_dims({'x': 'lon', 'y': 'lat'})

# 调整pr维度顺序（若需要）
if ds.pr.dims != ('time', 'lat', 'lon'):
    ds['pr'] = ds.pr.transpose('time', 'lat', 'lon')

ds.to_netcdf('kerpen_pr_hyras_1_1931_2020_v5-0_de_fixed.nc')
ds.close()

验证步骤 #

保存后可以打开文件确认维度和坐标是否正确：

ds_fixed = xr.open_dataset('kerpen_pr_hyras_1_1931_2020_v5-0_de_fixed.nc')
print("pr变量维度：", ds_fixed.pr.dims)
print("lat坐标信息：", ds_fixed.lat)
print("lon坐标信息：", ds_fixed.lon)

输出应显示pr的维度为('time', 'lat', 'lon')，且lat、lon分别对应同名维度的坐标数据。

额外注意事项 #

• climate-indices库要求空间维度必须是带有坐标值的维度，而非单纯的维度名称
• 确保文件路径正确，避免在计算SPI时误读取未修改的旧文件
• 若仍报错，可检查原数据的pr变量是否有缺失值，部分指数计算对数据完整性有要求

内容的提问来源于stack exchange，提问作者Waterbender242