jupyterhub下使用xarray.open_mfdataset打开多netCDF文件报错求助

核心前置问题：是否需要先统一网格？ #

需要。你提供的文件名后缀有gr/gn/gr1等不同网格标识，说明不同模式的经纬度分辨率、坐标数值存在差异，即便成功合并数据，也会因为空间坐标不匹配无法直接计算多模式均值。但网格统一不是你当前报错的直接原因，是后续分析的必备步骤。

各报错原因及解决方案 #

1. 首次报错：time格式不统一，部分为datetime64、部分为object #

• 原因：CMIP6不同模式使用的日历规则不同（如标准日历、360天日历、无闰年日历等），xarray默认自动解析时间时遇到不兼容的日历类型，会将time坐标转为object字符串格式，无法统一识别。
• 核心错误诱因：你最初的代码参数方向写错了——所有文件的time维度都是1850-2100年逐月数据，你需要新增model维度合并不同模式数据，而不是沿着time维度拼接，这个错误是后续所有报错的根本原因。
• 解决方案：使用preprocess参数在加载每个文件时统一处理时间坐标，同时新增模式维度，不要用ncks硬替换文件的time坐标，容易破坏元数据：

import xarray as xr
import pandas as pd

# 生成统一的1850-2100年逐月时间轴，共3012个时间点
uniform_time = pd.date_range(start='1850-01', end='2100-12', freq='MS')

def preprocess(ds):
    # 强制替换当前文件的time坐标为统一时间轴
    ds = ds.assign_coords(time=uniform_time)
    # 从文件名提取模式名，作为新增维度的坐标，方便后续识别不同模式
    model_name = ds.encoding['source'].split('_')[2]
    ds = ds.expand_dims('model').assign_coords(model=[model_name])
    return ds

2. 替换time后报错："Every dimension needs a coordinate for inferring concatenation order" #

• 原因：你仍然指定了concat_dim='time'，xarray尝试沿着time维度拼接时，要么检测到多个文件的time坐标重复，要么你用ncks替换时丢失了time坐标的属性，同时拼接方向本身就是错误的。

3. 两个datetime格式文件合并报错：ValueError: Could not interpret 'tas_Amon_EC-Earth3_hist_ssp119_r4i1p1f1_gr_185001-210012.' as a number #

• 原因：还是拼接维度选错为time，xarray尝试解析时间顺序时误将文件名相关的元数据识别为时间数值，解析失败。

正确的合并代码 #

ds_merged = xr.open_mfdataset(
    'path/to/file/*.nc',
    preprocess=preprocess,
    combine='nested',
    concat_dim='model', # 沿着model维度合并，不是time
    decode_times=True,
    use_cftime=True
)

合并后的数据集会新增model维度，维度长度等于你加载的模式数量。

后续网格统一操作 #

合并后你会发现不同模式的lat/lon坐标不匹配，可使用xESMF库将所有模式数据重采样到统一的目标网格（可选某一个模式的网格作为目标，或自定义1°×1°等标准网格），之后即可正常计算多模式均值、绘制时间序列。

内容的提问来源于stack exchange，提问作者AnR