如何为Xarray Dataset添加CRS？以温度均值数据集为例

当你通过计算生成新的Xarray Dataset（比如示例中的mean_ds）时，新数据集会丢失原数据集的CRS元信息。以下几种方法可以快速将max_ds的CRS同步到mean_ds中：

方法1：直接复制元属性（通用方法） #

大多数NetCDF格式的气候数据集会将CRS信息存储在全局属性或坐标（如x/y）的属性中。你可以直接复制这些属性：

max_ds = xr.open_dataset("data/climate_processed/1958_2025_nsw_max_temp.nc")
min_ds = xr.open_dataset("data/climate_processed/1958_2025_nsw_min_temp.nc")

# 计算温度均值并转为数据集
mean_temp = (max_ds["max_temp"] + min_ds["min_temp"]) / 2
mean_ds = mean_temp.to_dataset(name = "temp_mean")

# 复制原数据集的全局属性（包含CRS信息）
mean_ds.attrs = max_ds.attrs.copy()

# 复制坐标（如x、y）的属性（部分数据集会把CRS细节存在坐标属性里）
mean_ds.x.attrs = max_ds.x.attrs.copy()
mean_ds.y.attrs = max_ds.y.attrs.copy()

执行后，mean_ds就会拥有和max_ds完全一致的CRS元数据。

方法2：使用rioxarray扩展（推荐用于地理空间数据） #

如果你使用rioxarray库处理地理空间数据集（它扩展了Xarray的地理空间功能），可以直接通过rio访问器设置CRS：

首先确保已安装rioxarray：

pip install rioxarray

然后修改代码：

import rioxarray

max_ds = xr.open_dataset("data/climate_processed/1958_2025_nsw_max_temp.nc")
min_ds = xr.open_dataset("data/climate_processed/1958_2025_nsw_min_temp.nc")

mean_temp = (max_ds["max_temp"] + min_ds["min_temp"]) / 2
mean_ds = mean_temp.to_dataset(name = "temp_mean")

# 直接从max_ds同步CRS
mean_ds.rio.set_crs(max_ds.rio.crs, inplace=True)

这种方法更简洁，且能自动处理地理空间相关的元数据同步。

验证CRS是否同步成功 #

你可以通过以下方式确认mean_ds的CRS是否正确：

# 检查全局属性中的CRS信息
print(mean_ds.attrs.get('crs'))

# 如果用rioxarray，直接查看rio.crs
print(mean_ds.rio.crs)

内容的提问来源于stack exchange，提问作者imantha