NetCDF时间变量单位统一：如何筛选指定时段气溶胶飞行数据

当然可以！你的两个UTC_time变量已经共享了同一个时间基准——seconds since 1996-07-30 00:00:00，这意味着我们可以轻松将这些秒数转换为标准的日期时间对象，进而完成时间段筛选。下面是两种常用的Python实现方法：

方法一：使用netCDF4库直接处理 #

如果你习惯用基础的netCDF4库操作，可以利用num2date函数将秒数转换为datetime对象，再通过掩码筛选数据：

from netCDF4 import Dataset, num2date

# 打开你的netCDF文件
nc_dataset = Dataset("your_aerosol_data.nc", "r")

# 读取时间变量和对应的单位、日历信息
utc_time = nc_dataset.variables["UTC_time"][:]
time_units = nc_dataset.variables["UTC_time"].units
time_calendar = nc_dataset.variables["UTC_time"].calendar

# 将秒数转换为可操作的datetime数组
datetime_array = num2date(utc_time, units=time_units, calendar=time_calendar)

# 创建2015年7月的筛选掩码
mask = (datetime_array.year == 2015) & (datetime_array.month == 7)

# 用掩码筛选气溶胶数据（替换成你的气溶胶变量名）
filtered_aerosol_data = nc_dataset.variables["your_aerosol_variable"][:][mask]

# 记得关闭文件
nc_dataset.close()

方法二：使用xarray库（更推荐） #

xarray对netCDF时间序列的处理更加便捷，它会自动解析时间单位并转换为标准时间格式，筛选操作也更直观：

import xarray as xr

# 打开netCDF数据集
ds = xr.open_dataset("your_aerosol_data.nc")

# 直接通过时间范围筛选2015年7月的数据
filtered_ds = ds.sel(time=slice("2015-07-01", "2015-07-31"))

# 提取筛选后的气溶胶数据
filtered_aerosol_data = filtered_ds["your_aerosol_variable"].values

# 如果需要保存筛选后的结果
filtered_ds.to_netcdf("filtered_aerosol_201507.nc")

补充说明 #

• 两个UTC_time变量只是长度不同，但时间基准完全一致，所以上述方法对两者都适用；
• xarray会自动处理不同长度的时间序列，同步筛选对应的气溶胶数据，非常适合批量操作整个数据集；
• 如果你的数据分散在多个文件中，可以用xr.open_mfdataset批量读取后再统一筛选。

内容的提问来源于stack exchange，提问作者Joe