安装 gma:
pip install gma
(依赖的 gdal 需自行安装)
本文基于:gma 2.0.8,Python 3.10
本文用到数据请从 gma 网站获取:https://gma.luosgeo.com/UserGuide/climet/Index/SPI.html 。
SPEI 函数简介
gma.climet.Index.SPI(PRE, Axis = None, Scale = 1, Periodicity = 12, Distribution = ‘Gamma’, FitMethod = ‘MLE’, Calibration = None)
功能:【标准化降水指数】。计算标准化降水指数(Standardized Precipitation Index)。
参数:
PRE: array
。降水量(mm)。
可选参数:
Axis = int
。计算轴。如果不设置(None),多维数据会将所有数据展开到一维计算。
Scale = int
。时间尺度。默认为 1。例如:1月、3月或其他。
Periodicity = int
。周期。默认为 12。
周期定义了参与拟合数据的分组方式,例如:
- 输入月数据,Periodicity = 12 时,每个月份(共 12 组数据)之间互不干扰,独立拟合,更适合针对月份独立分析;
- 输入月数据,Periodicity = 1 时,所有月份(共 1 组)同时参与拟合,相互影响,更适合分析月份之间的差异。
Distribution = str
。用于内部拟合/变换计算的分布类型。默认为 Gamma。
支持的分布类型
- ‘Gamma’:伽马分布;
- ‘LogLogistic’:对数逻辑斯蒂分布;
- ‘Pearson3’:皮尔逊 III 分布。
FitMethod = str
。用于内部拟合/变换计算的参数估计方法。默认为 MLE。
支持的分布类型
- ‘MLE’:最大似然估计;
- ‘LMoment’:L-矩估计(PWD,概率加权矩);
- ‘LMoment2’:L-矩估计。
Calibration = list||slice||None
。参与内部参数拟合运算数据的周期。默认(None)为全部数据。
返回:array
。
参考文献:
McKee T B, Doesken N J, Kleis J. The relationship of drought frequency and duration to time scales[R]. Eighth Conf. on Applied Climatology, Anaheim, CA: American Meteor Society, 1993.
示例:
from gma import climet, io
from gma import io
ELSXLayer = io.ReadVector('PRE_ET0.xlsx')
Data = ELSXLayer.ToDataFrame()
PRE = Data['PRE'].values
# 分别计算1个月、3个月、6个月、12个月、24个月、60个月尺度的 SPI 数据
SPI1 = climet.Index.SPI(PRE)
SPI3 = climet.Index.SPI(PRE, Scale = 3)
SPI6 = climet.Index.SPI(PRE, Scale = 6)
SPI12 = climet.Index.SPI(PRE, Scale = 12)
SPI24 = climet.Index.SPI(PRE, Scale = 24)
SPI60 = climet.Index.SPI(PRE, Scale = 60)
不同尺度 SPEI 结果
其他示例
#### 以12为周期,使用第1至第5个周期(第1、2、3、4、5年的数据)拟合参数,并计算所有结果
SPI1 = climet.Index.SPI(PRE, Periodicity = 12, Calibration = slice(0, 5))
#### 更换为 泊松 III 分布,最大似然估计(MLE)拟合
SPI1 = climet.Index.SPI(PRE, Distribution = 'Pearson3', FitMethod = 'MLE')