PAP

gma.climet.Index.PAP(PRE, Axis = None, Scale = 1, Periodicity = 12) 1.0.10 +

---

功能：【降水距平百分率】。计算降水值到多年平均值的波动情况（Precipitation Anomaly in Percentage）。

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。

关于周期

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；

注意

Scale、Periodicity 基于计算轴！

返回：array。

---

示例 ：

from gma import climet

基于 Excel 表数据（下载 示例数据）

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 PAP 指数
PAP1 = climet.Index.PAP(PRE)
PAP3 = climet.Index.PAP(PRE, Scale = 3)
PAP6 = climet.Index.PAP(PRE, Scale = 6)
PAP12 = climet.Index.PAP(PRE, Scale = 12)
PAP24 = climet.Index.PAP(PRE, Scale = 24)
PAP60 = climet.Index.PAP(PRE, Scale = 60)

不同尺度 PAP 结果

基于栅格数据（下载 示例数据）

import numpy as np
from gma import io
# 读取数据集
PRESet = io.ReadRaster('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
PAP1 = climet.Index.PAP(PRE, Axis = 0)
PAP3 = climet.Index.PAP(PRE, Axis = 0, Scale = 3)
PAP6 = climet.Index.PAP(PRE, Axis = 0, Scale = 6)
PAP12 = climet.Index.PAP(PRE, Axis = 0, Scale = 12)
PAP24 = climet.Index.PAP(PRE, Axis = 0, Scale = 24)
PAP60 = climet.Index.PAP(PRE, Axis = 0, Scale = 60)
# 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。
    io.SaveArrayAsRaster(eval(f'PAP{i}')[i-1:],
                         fr'.\1981-2020_PAP{i}.tif', 
                         Projection = PRESet.Projection,
                         Transform = PRESet.GeoTransform, 
                         DataType = 'Float32', 
                         NoData = np.nan)