再大的风浪,不过只短暂喧哗。
文章目录
- 前言
- 1. 概述
- 2.1 问题情景
- 2.2 说明
- 2. 版本
- 2.1 天津,2024年5月4日,Version1
- 3. 微信公众号GISRSGeography
- 一、数据
- 1. 输入数据
- 2. 输出数据
- 二、程序代码
- 三、参考资料
前言
1. 概述
2.1 问题情景
- 假设目前我们有若干个站点的春、夏、秋、冬和四季的spei,需要利用Sen+MK方法计算各站点四季和年尺度的SPEI的趋势。
2.2 说明
- 测试数据和程序可以点击基于Sen+MK的多站点不同季节和年尺度的SPEI趋势分析下载。
- 请尊重知识产权,切勿复制本程序和示例数据到闲鱼、淘宝等平台,一经发现,必将追究相关责任。
2. 版本
2.1 天津,2024年5月4日,Version1
3. 微信公众号GISRSGeography
- 欢迎大家关注公众号 GISRSGeography,谢谢!。
一、数据
1. 输入数据
- 存储在同一个excel文件中的三个站点的四季和年尺度的SPEI。
2. 输出数据
- 存储在一个excel文件中的三个站点的四季和年的SPEI的SEN+MK的趋势分析结果。
二、程序代码
# -*- coding: utf-8 -*-
"""
1. 程序目的
(1) 基于SEN+MK分析不同站点四季和年的干旱趋势
2. 2024年5月4日 Version 1
3. 数据
3.1 输入数据
'...\JJJ_SensonYearSPEI.xlsx'
3.2 输出数据
'...\JJJ_SensonYearSPEI_SEN.xlsx'
"""
# %% 包的导入
# 包的导入
import numpy as np
import pandas as pd
import pymannkendall as mk
# %% 四季和年spei数据读取
def spei_get(
inpath: str
) -> list:
"""
(1) 功能:
1) 读取四季和年的SPEI
----------
(2) 输入参数
1) inpath: str
文件存储绝对路径
----------
(3) 输出参数
1) spei_data: DataFrame
spei数据
"""
spei_data = pd.read_excel(inpath)
return spei_data
# %%
def spei_trend(
speidata: pd.DataFrame,
styr: int,
edyr: int
) -> pd.DataFrame:
"""
(1) 功能
1) 提取目标时段的spei
2) 计算不同时段的spei的sen趋势,并利用mk进行显著性检验
----------
(2) 输入参数
speidata : pd.DataFrame
存储着目标站点四季和年尺度的SPEI
-------
(3) 输出数据
spei_senslope : pd.DataFrame
存储着目标站点四季和年尺度的SPEI的Sen+MK的趋势分析结果
"""
# 目标时段数据选取
speidata_aim = speidata.loc[(speidata['Year']>=styr) & (speidata['Year']<=edyr),:]
# 特定站点数据提取并调用pymannkendall进行趋势计算和显著性检验
seasonyear = ['Spring','Summer','Autumn','Winter','YearSPEI']
sen_p = ['_SenSlope','_PValue']
columns = ['Sta_ID','Period']
for seasonyear_temp in seasonyear:
for senp_temp in sen_p:
columns.append(seasonyear_temp+senp_temp)
spei_senslope = pd.DataFrame([],columns=columns)
sta_all = np.unique(speidata_aim.Sta_ID)
ii = 0
for sta_temp in sta_all:
# 站点数据提取
spei_sta = speidata_aim.loc[speidata_aim['Sta_ID']==sta_temp,:]
# Sen趋势度计算和显著性检验
for seasonyear_temp in seasonyear:
spei_sta_seasonyear = spei_sta[seasonyear_temp]
senmkresult = mk.original_test(spei_sta_seasonyear)
spei_senslope.loc[ii,seasonyear_temp+'_SenSlope']=senmkresult.slope
spei_senslope.loc[ii,seasonyear_temp+'_PValue']=senmkresult.p
#print(senmkresult)
spei_senslope.loc[ii,'Sta_ID'] = sta_temp
ii = ii + 1
print(ii)
spei_senslope['Period'] = str(styr) + '-' + str(edyr)
return spei_senslope
# %%
if __name__ == '__main__':
# %% 路径处理和变量预定义
infile = r'...\JJJ_SensonYearSPEI.xlsx' # 需要修改为自己的路径
outfile = r'...\JJJ_SensonYearSPEI_SEN.xlsx' # 需要修改为自己的路径
styr=1980;
edyr=2020;
# %% spei数据读取
spei_data = spei_get(infile)
# %% Sen+MK
spei_sen = spei_trend(spei_data,styr,edyr)
# %% 结果写出
spei_sen.to_excel(outfile,index=False,sheet_name='JJJ')
print('Finished.')
三、参考资料
- pymannkendall 1.4.3