RAM -Einschränkungen in der NO -Berechnung mithilfe von netCDF4 -Dateien ⇐ Python

[Anonymous]

Ich versuche, die gesamte Foto -Active -Strahlung pro Monat von 1995 bis 2025 zu berechnen. Aber das Skript, das ich dafür verwenden wollte, scheint für ressourcenintensive zu sein. Kann mir jemand eine Idee geben, wie ich den Code verbessern kann? < /P>

Code: Select all

import xarray as xr
import numpy as np

# Open the dataset
data = xr.open_dataset(r"Data", decode_times=True)

# Variable name
sw_variable = "ssrd"  # Surface solar radiation downwards (J/m² per month)

# Ensure valid_time is correctly formatted
data = xr.decode_cf(data)  # Decode CF-conventions
valid_time = data['valid_time']

# Convert time coordinate to year-month format
data = data.assign_coords(year_month=valid_time.dt.strftime('%Y-%m'))

# Convert SSRD from J/m² per month to W/m²
# First convert to daily average (divide by days in month)
days_in_month = valid_time.dt.days_in_month
data["SSRD_Wm2"] = data[sw_variable] / (86400 * days_in_month)  # divide by seconds in day and days in month

# Calculate daily PAR (45% of SSRD)
data["PAR"] = data["SSRD_Wm2"] * 0.45
data["PAR"].attrs["units"] = "W/m²"

# Calculate total monthly PAR (W/m² * days * seconds_per_day)
data["PAR_total"] = data["PAR"] * days_in_month * 86400  # multiply back by days and seconds
data["PAR_total"].attrs["units"] = "J/m²"

# Compute the monthly total PAR
monthly_total_par = data["PAR_total"].groupby("year_month").mean(dim="valid_time")

# Save
monthly_total_par.to_netcdf("monthly_total_par.nc")

Ich weiß, ich könnte Float32 verwenden, aber das würde zu weniger genauen Daten oder nicht?