gma 教程：计算标准化降水指数（SPI）

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')