gma 2.0.4 (2023.12.18) 更新日志

安装 gma 2.0.4

pip install gma==2.0.4

注意：此版本没有Linux版！

编译gma的Linux虚拟机崩溃了，暂时无法编译Linux版gma 2.0.4。暂时无法修复，本期Linux版暂停发布。

新增

?1、io.CreateFeature：由点、wkt、wkb、json或kml字符创建Feature。

?2、climet.Index.RMI：新增相对湿润度指数（RMI）计算。

参考资料：http://image.data.cma.cn/staticDry/article/20170927151824947.pdf

弃用

?io.CreateFeatureFromPoint：由于构建了更加强大的CreateFeature函数，此函数将会弃用，但不会移除。

修复

?rsvi.TVDI：修复一个参数检查不通过的问题（由于1.X 向 2.X转换不完全引起）。

重构

?climet.SPI/SPEI：重构此类函数，并增加新的功能。现在你可以：

1、自由组合分布和参数拟合方式

??目前支持：

三种分布（Distribution）：‘Gamma’, ‘LogLogistic’, ‘Pearson3’ ；
三种参数拟合方法（FitMethod）：‘LMoment’, ‘LMoment2’, ‘MLE’ ；
共计 9 种组合方式。

2、支持配置参数拟合校准区间（Calibration）

??现在，你可以选择使用部分数据（基于周期）进行参数拟合（早期版本是使用全部数据），并将其应用到全部数据上。

3、优化’LMoment’参数拟合方法中概率加权距的计算方法

??现在，如果Axis上有不同长度的有效数据，gma会根据有效数据量，为每组数据配置不同的N。

简单示例

示例数据及下载：https://gma.luosgeo.com/UserGuide/climet/Index/RMI.html

from gma import io, climet, osf
Layer = io.ReadVector("Luoyang.gpkg")

预览数据

import pandas as pd
Data = pd.read_excel("PRE_ET0.xlsx")
PRE = Data['PRE'].values
ET0 = Data['ET0'].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 RMI 数据
RMI1 = climet.Index.RMI(PRE, ET0)
RMI3 = climet.Index.RMI(PRE, ET0, Scale = 3)
RMI6 = climet.Index.RMI(PRE, ET0, Scale = 6)
RMI12 = climet.Index.RMI(PRE, ET0, Scale = 12)
RMI24 = climet.Index.RMI(PRE, ET0, Scale = 24)
RMI60 = climet.Index.RMI(PRE, ET0, Scale = 60)

??绘图：

import matplotlib.pyplot as plt
PAR = {'font.sans-serif': 'Times New Roman',
       'axes.unicode_minus': False,
      }
plt.rcParams.update(PAR)

## 标记一下不同时间尺度结果变量的不同
S = [1,3,6,12,24,60]
## 准备横坐标（年份）的标签
X = range(len(PRE))
Date = osf.DateSeries('198101','202101',DateDelta='M', Format='%Y%m').strftime('%Y-%m')

## 循环绘制 6 个尺度的 SPEI 结果
plt.figure(figsize = (18, 14), dpi = 300)
for i in range(6):
    ax = plt.subplot(4, 2, i + 1) 
    ### 绘制数据
    ax.plot(X, eval(f'RMI{S[i]}'), linewidth = 0.8, c = 'gray')
    ### 添加图例
    ax.legend([f'RMI{S[i]}'],frameon = False)
    ### 添加横坐标标签
    ax.set_xticks(X[::72], Date[::72], rotation = 0)
    ### 定义横纵坐标显示范围
    ax.set_xlim(-12)
    ax.set_ylim(-3.8, 3.8)
    ### 绘制干（-1）湿（1）分界线
    plt.axhline(y = -1, ls = (0,(6,6)), c = "r", linewidth = 0.4)
    plt.axhline(y = 1, ls = (0,(6,6)), c = "b", linewidth = 0.4)
    ### 绘制其他网格
    ax.grid(True, linestyle = (0,(6,6)), linewidth = 0.3)
## 修改子图边距
plt.subplots_adjust(wspace = 0.04, hspace = 0.18)
plt.show()

新版帮助

help(climet.Index.SPEI)

Help on cython_function_or_method in module gma.climet.Index:

SPEI(PRE, PET, Axis=None, Scale=1, Periodicity=12, Distribution='LogLogistic', FitMethod='LMoment', Calibration=None)
    Calculate the Standardized Precipitation Evapotranspiration Index. 
    
    Parameters
    ----------
    PRE: array. 
        Precipitation (mm).
    
    PET: array. 
        Potential evapotranspiration (mm).
    
    **Optional
    ----------
    Axis = int. Default None. 
        Calculation axis. If not set (None), multidimensional data will be expanded to 1 dimension for calculation.
    
    Scale = int. Default 1.
        Time scale. For example: 1, 3 or others.
    
    Periodicity = int. Default 12. 
        Periodicity of data. For example: the monthly scale can have a period of 12.
        
    Distribution = str. Default 'LogLogistic'.
        Distribution type to be used for the internal fitting/transform computation. 
        Supported distributions include: 
    
            'Gamma', 'LogLogistic', 'Pearson3'.
            
    FitMethod = str. Default 'LMoment'.
        Fitting methods for distribution parameters. 
        Supported method include: 
    
            'MLE': Maximum Likelihood Estimation, 
            
            'LMoment': L-Moment Estimation(PWD),
            
            'LMoment2': L-Moment Estimation.
    
    Calibration = list, slice or None. Default None.
        Fit the calibration interval of distribution parameter data, Based on the Periodicity.
        Default(None) using all data. For example: 
            
            Select the data from 1-5 Periodicity to fit parameters: 
                
                Calibration = [0, 5]
            
            Then apply the parameter fitting results to all data.
    
    *Note: Scale, Periodicity, Calibration are based on calculated axis!
    
    Returns
    ----------
    Type: array.
    
    References
    ----------
    Vicente-Serrano S M , S Beguería, JI López-Moreno. A Multiscalar Drought Index 
    Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index[J]. 
    Journal of Climate, 2010, 23(7):1696-1718.