如何用R语言terra包正确读取含多维度的netCDF文件？

我有一个包含lat、lon、time、effect维度的netCDF文件，文件内包含rn、prec、tair三个变量。用R语言的terra包读取时得到不符合预期的结果：

# 存储netCDF数据的托管URL
url = "https://github.com/qquusshh/data_so/raw/main/data.nc"

# 将netCDF数据下载到当前目录，命名为"data.nc"
download.file(url, "data.nc", mode = "wb")

# 读取文件
terra::rast("data.nc")
#> class       : SpatRaster 
#> dimensions  : 360, 3, 2160  (nrow, ncol, nlyr)
#> resolution  : 1, 1  (x, y)
#> extent      : -0.5, 2.5, -180, 180  (xmin, xmax, ymin, ymax)
#> coord. ref. :  
#> sources     : data.nc:rn  (720 layers) 
#>               data.nc:prec  (720 layers) 
#>               data.nc:tair  (720 layers) 
#> varnames    : rn 
#>               prec 
#>               tair 
#> names       : rn_ef~9.5_1, rn_ef~8.5_1, rn_ef~7.5_1, rn_ef~6.5_1, rn_ef~5.5_1, rn_ef~4.5_1, ...

期望读取后nrow为lat对应的180、ncol为lon对应的360、nlyr为time对应的3，同时保留effect维度，但实际维度不符。而用Python的xarray库读取结果完全符合预期：

# 导入xarray库
import xarray as xr

# 打开数据
xr.open_dataset("data.nc")

输出：

<xarray.Dataset>
Dimensions:  (lat: 180, lon: 360, time: 3, effect: 4)
Coordinates:
  * lat      (lat) float32 89.5 88.5 87.5 86.5 85.5 ... -86.5 -87.5 -88.5 -89.5
  * lon      (lon) float64 -179.5 -178.5 -177.5 -176.5 ... 177.5 178.5 179.5
  * time     (time) datetime64[ns] 2019-12-29 2019-12-30 2019-12-31
  * effect   (effect) object 'inst' 'short' 'long' 'static'
Data variables:
    rn       (effect, lat, lon, time) float64 ...
    prec     (effect, lat, lon, time) float64 ...
    tair     (effect, lat, lon, time) float64 ...

请问该如何用terra包正确读取该多维度netCDF文件？

terra默认会将非空间维度（此处的effect和time）全部堆叠为图层，可通过以下方法针对性读取：

方法1：指定维度筛选读取 #

先查看文件元数据确认维度信息，再通过sub参数指定要读取的维度组合，精准获取目标数据：

# 查看netCDF元数据，确认维度名称与取值
nc_meta <- terra::nc_meta("data.nc")
print(nc_meta)

# 读取单个变量的指定effect维度，保留所有time层
rn_inst <- terra::rast("data.nc", sub = "rn[effect='inst', time]")
# 查看结果，此时nrow=180、ncol=360、nlyr=3，符合预期
rn_inst

# 若要保留所有effect维度，可循环读取后合并
effect_vals <- nc_meta$dimensions$effect$vals
all_rn <- lapply(effect_vals, function(e) {
  terra::rast("data.nc", sub = paste0("rn[effect='", e, "', time]"))
})
all_rn <- terra::rast(all_rn)

方法2：借助stars包转换读取 #

stars对多维netCDF支持更灵活，可先读取再转换为SpatRaster：

library(stars)
library(terra)

# 读取多维netCDF数据
nc_stars <- read_stars("data.nc")
# 转换为SpatRaster，自动按维度组合生成图层
nc_terra <- as(nc_stars, "SpatRaster")

# 按effect筛选图层（示例：保留所有inst相关图层）
inst_layers <- grep("inst", names(nc_terra), value = TRUE)
nc_terra_inst <- nc_terra[[inst_layers]]

方法3：调整源文件维度顺序（可选） #

terra默认将前两个维度识别为空间维度，当前文件变量维度顺序为(effect, lat, lon, time)，导致空间维度识别错误。若可修改源文件，将维度顺序调整为(lat, lon, time, effect)，terra即可自动正确识别空间维度，其余维度堆叠为图层。

内容的提问来源于stack exchange，提问作者bird