nc文件转tif及多个tif文件合并

nc文件转tif——以CRU TS数据为例

CRU TS是英国东安格利亚大学的气象数据集CRU，我这里下载的文件是cru_ts4.07.2021.2022.pre.dat.nc，是全球2021-2022按月划分的降雨量数据。

1. python处理nc文件并绘制

import netCDF4 as nc
import matplotlib.pyplot as plt
import numpy as np

nc_file = nc.Dataset('cru_ts4.07.2021.2022.pre.dat.nc', 'r')
# print(nc_file.variables.keys()) # dict_keys(['lon', 'lat', 'time', 'pre', 'stn'])
latitude = nc_file.variables['lat'][:]  # 一维数组，0.5°为间隔
longitude = nc_file.variables['lon'][:]  # 一维数组，0.5°为间隔
[X, Y] = np.meshgrid(longitude, latitude)
time = nc_file.variables['time'][:]  # 一维数组，24个月，2021-2022年
precipitation = nc_file.variables['pre']  # 三维数组，(24, 360, 720)
station = nc_file.variables['stn']  # 对每个基准做出贡献的台站数目，三维数组，(24, 360, 720)
plt.contourf(X, Y, precipitation[0, :, :]) # 0代表2021.1月
plt.colorbar(label='pre', orientation='horizontal')
plt.show()
nc_file.close()

结果展示：

2、nc文件转tif
由于nc文件是按月划分的，所以我想将nc文件拆分为按月划分的tif文件。
下面是用R语言进行拆分转化的，四行代码。

library(raster)
library(ncdf4)
pre<-brick("cru_ts4.07.2021.2022.pre.dat.nc",varname="pre")
writeRaster(pre,filename = pre@data@names,bylayer=T,format="GTiff")

就可得到下面的tif文件：
QGIS展示，以2021.1月为例，对图层样式调节就会得到下图的效果，赤道部分、非洲南部、南美洲降雨较多；我国西北、非洲北部、澳洲西部降雨偏少：

降雨量值位于0-1128之间

多个tif文件合并为一个tif

现在想将2021年每月的tif合并为全年的tif文件，利用R实现，代码如下：

library(raster)
library(sp)

# 定义合并函数
merge_images <- function(monthly_images, output_filename) {
  # 读取第一张图像，作为基准图像
  base_image <- raster(monthly_images[1])
  
  # 创建一个空的图像对象，与基准图像相同
  result_image <- base_image
  
  # 合并图像
  for (img_path in monthly_images[-1]) {
    img <- raster(img_path)
    result_image <- overlay(result_image, img, fun=sum)
  }
  
  # 保存合并后的图像
  writeRaster(result_image, output_filename, format="GTiff")
}

monthly_images <- c('X2021.01.tif', 'X2021.02.tif', 'X2021.03.tif','X2021.04.tif','X2021.05.tif','X2021.06.tif','X2021.07.tif','X2021.08.tif','X2021.09.tif','X2021.10.tif','X2021.11.tif','X2021.12.tif')  # 每个月tif文件
output_filename <- '2021.tif'  # 输出的tif

merge_images(monthly_images, output_filename)

然后用QGIS将2021.tif文件打开，如下：
全年降雨量值位于0-9251之间，我国东南部、赤道部分降雨多，我国西北部、非洲北部、澳洲西部等地区降雨量少。