近日在搞数据的时候发现ERA5 Land新更新的数据中有一个‘expver’的变量，导致数据并不连续。官方解释如下:
ERA5 每小时和每月数据延迟 3 个月提供。这意味着一个月后，另一个月的 ERA5 数据将写入数据集。
ERA5T（近实时）初步数据用于填补ERA5数据结束与当前日期前5天之间的空白。当新的 ERA5 数据可用时，其中最早的月份每月都会被覆盖。
例如，假设我们的当前日期为 2020 年 2 月 15 日：
- ERA5 数据目前为 1/1/1979 - 30/11/2019（瞬时变量）和 1/1/1979 - 1/12/2019（00-06 UTC，累积变量）
- ERA5T 数据（延迟 5 天）为 2019 年 1 月 12 日至 2020 年 10 月 2 日（瞬时变量）和 2019 年 1 月 12 日（07-23 UTC，累积变量）- 2020 年 10 月 2 日
对于返回 ERA5 和 ERA5T 混合数据的请求（例如当月 1 日的数据），瞬时变量（例如温度）来自 ERA5T（其“实验版本”为 5），而累积变量（通量、降水）来自具有以下结构的两个数据集：
- 00-06 UTC 从 ERA5 开始的每月 1 天（expver 1）
- 07-23 UTC 每月 1 天（以及从现在起最多 5 天的以下日期）来自 ERA5T（expver 5）
当这些数据转换为 netCDF 时，将创建一个称为 expver 的新维度，其中包含 1 和 5。此外，使用覆盖整个请求期间的单个时间坐标。
评论区Jian Tang提供了一个解决思路：
import xarray as xr
ERA5 = xr.open_mfdataset('era5.tp.20200801.nc',combine='by_coords')
ERA5_combine =ERA5.sel(expver=1).combine_first(ERA5.sel(expver=5))
ERA5_combine.load()
ERA5_combine.to_netcdf("era5.tp.20200801.copy.nc")
from https://unseen-open.readthedocs.io/_/downloads/en/latest/pdf/
需要用到dask包，解决方法：
运行
pip install tornado==4.5.1 distributed==1.21 dask-ml[complete]
from 无法为Dask安装tlz模块Python - 问答 - Python中文网 (cnpython.com)
关于使用yaml包时报错 TypeError: load() missing 1 required positional argument: ‘Loader‘：
安装指定版本的yaml包
pip install pyyaml==5.1
from TypeError: load() missing 1 required positional argument: ‘Loader‘？_pan_mlpan的博客-CSDN博客
标签：Land,变量,expver,ERA5,ERA5T,combine,数据 From： https://www.cnblogs.com/lawfbcn/p/17775188.html