gma 教程 | 气候气象 | 计算标准化降水指数（SPI）

目标

【基于 Excel 降水和蒸散数据计算 SPI】
【基于 GTiff 栅格降水和蒸散数据计算 SPI】

环境

系统： Window 10+ (X64)
Python 版本： 3.8.8 +
gma 版本： 1.0.10 +

gma 安装和详细功能帮助见：地理与气象分析库

函数

gma.climet.SPI(PRE, Axis = None, Scale = 1, Periodicity = 12)

---

功能：【标准化降水指数】。基于 Gamma 分布计算标准化降水指数。

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。例如：月数据可以以 12 为周期。

*注意：Scale、Periodicity 基于计算轴！

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

数据

• 洛阳市辖区内某点 1981-2020 年月降水和蒸散数据（共 480 个月）
• 洛阳市辖区1981-2020 年月降水量空间栅格数据（GTiff 格式）（含 1981-2020 对应月数据，共 480 个波段），由全国数据裁剪合并获取。

基于 Excel 表数据的 SPEI 计算

import gma
import pandas as pd
# 读取数据
Data = pd.read_excel('PRE_ET0.xlsx')

# 看一下 Excel 文件前 5 行内容
Data.head()

PRE	ET0
15.2	53.4
7.2	66.9
34.5	114.4
22.8	144.1
3.7	208.5

# 提取 PRE 用于 SPI 运算
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 = gma.climet.SPI(PRE)
SPI3 = gma.climet.SPI(PRE, Scale = 3)
SPI6 = gma.climet.SPI(PRE, Scale = 6)
SPI12 = gma.climet.SPI(PRE, Scale = 12)
SPI24 = gma.climet.SPI(PRE, Scale = 24)
SPI60 = gma.climet.SPI(PRE, Scale = 60)

绘图结果如下：（绘图代码参考：gma 教程 | 气候气象 | 计算标准化降水蒸散指数（SPEI））

将结果保存到文件

# 将结果保存到文件
OUT = pd.DataFrame([SPI1, SPI3, SPI6, SPI12, SPI24, SPI60],
                   index = ['SPI1','SPI3','SPI6','SPI12','SPI24','SPI60']).T
OUT.to_excel(r'.\SPI.xlsx', index = False)

基于 GTiff 栅格数据的 SPEI 计算

import numpy as np
# 读取数据集
PRESet = gma.Open('PRE_Luoyang_1981-2020.tif')
PRE = PRESet.ToArray()
PRE[PRE == PRESet.NoData] = np.nan
# 读取的数据为三维数据（波段，行，列），第一维为时间序列（月数据）。因此按照轴 0 来计算
SPI1 = gma.climet.SPI(PRE, Axis = 0)
SPI3 = gma.climet.SPI(PRE, Axis = 0, Scale = 3)
SPI6 = gma.climet.SPI(PRE, Axis = 0, Scale = 6)
SPI12 = gma.climet.SPI(PRE, Axis = 0, Scale = 12)
SPI24 = gma.climet.SPI(PRE, Axis = 0, Scale = 24)
SPI60 = gma.climet.SPI(PRE, Axis = 0, Scale = 60)

绘制最后一个月（2020年12月）计算结果

绘图方法请参考：基于 Python 的地理空间绘图指南

存储计算结果

# 存储计算结果
S = [1,3,6,12,24,60]
for i in S:
	# 保存所有结果中的非全 nan 波段。即：去除时间尺度累积时序列前无效的波段。
    gma.rasp.WriteRaster(fr'.\1981-2020_SPI{i}.tif', 
                         eval(f'SPI{i}')[i-1:], 
                         Projection = PRESet.Projection,
                         Transform = PRESet.GeoTransform, 
                         DataType = 'Float32', 
                         NoData = np.nan)  

反馈与讨论

微信号：Luo_Suppe

相关链接

地理与气象分析库