爬虫代码，爬取四川省各市天气状况，保存到excel中，内容包含日期，气温，降水，代码可修改为全国各地

概述 这是用于计算标准降水指数 (SPI) 的 Python 实现。 这是识别干旱的关键指标之一。 有关 SPI 与 SPEI 的相对优点的有用讨论，请参阅 [NCAR 的气候数据指南] ( )。 这些函数松散地基于 Santiago Beguería 和 Sergio M. Vicente-Serrano。 关于SPI和SPEI的论文很多。 我发现最清楚地描述算法的论文是：Lloyd-Hughes、Benjamin 和 Mark A. Saunders。 “欧洲干旱气候学。” 国际气候学杂志 22.13 (2002): 1571-1592。 这篇论文包含在 docs 文件夹中。 关于哪种分布适合历史数据，文献中有一些共识。 对于仅降水数据 (SPI)，建议使用 Gamma 分布。 这是 SPI 函数中的默认分布。 但是，用户可以选择自己的发行版（请参阅注释）。 当前的实现允许用

基于STM32降水现象仪检测装置设计.pdf

近年来,智能手机应用悄然兴起,人们依赖手机获取天气实况愈来愈显著。文章基于微信,研发了"雨在哪"微信小程序,实现了内蒙古自治区历史、实时降水信息的展示,用户可针对性对降水严重区域进行防范,避免由于严重降水引起的各类灾害。

青藏高原极端降水数据集（1961-2017）是基于青藏高原78个气象站点半个多世纪历年逐日降水数据，计算极端降水量、极端降水日数、极端降水强度和极端降水贡献率指数。该数据集包括（1）站点位置数据；（2）各站点的极端降水阈值；（3）极端降水事件的时间和降水量；（4）各站点的4个极端降水指数值；（5）1961-2017年逐年的极端降水指数值。数据集存储为.shp和.xls格式

在1960-2013年间，厄尔尼诺峰值年（1963、1965、1969、1972、1982、1983、1987、1992、1994、1997、2002、2006 和 2009）、拉尼娜峰值年（1961、1962、1964、1967、1970、1975、1984、1988、1995、2000、2007、2010 和2011）的季节（春、夏、秋、冬）和年度降水量；在厄尔尼诺峰值年降水量与拉尼娜峰值年降水量差值基础上，进行中国1960-2013年间厄尔尼诺峰值年0.5°x0.5°空间分辨率的季节和年度降水异常数据集。

在1960-2013年间，厄尔尼诺峰值年（1963、1965、1969、1972、1982、1983、1987、1992、1994、1997、2002、2006 和 2009）、拉尼娜峰值年（1961、1962、1964、1967、1970、1975、1984、1988、1995、2000、2007、2010 和2011）的季节（春、夏、秋、冬）和年度降水量；在厄尔尼诺峰值年降水量与拉尼娜峰值年降水量差值基础上，进行中国1960-2013年间厄尔尼诺峰值年0.5°x0.5°空间分辨率的季节和年度降水异常数据集。

准确地估测气温、降水的空间分布对于开展农业生产，进行气候变化、碳循环、陆表过程模拟、自然灾害等研究具有重要意义。作者选取陕西及其附近200km缓冲区范围内76个气象站点（在2003-2012年内具有连续逐月气温、降水数据）的气温和降水数据，运用传统插值法、地统计插值法、多元回归法和模拟气象站点法4大类11种方法，对陕西省2003-2012年平均气温、降水量数据进行栅格化，最后得到基于优化参数的陕西省多年平均气温、降水数据集。数据集包括：（1）基于“回归 残差IDW（Inverse Distance Weighting）”的陕西省多年平均气温数据；（2）基于OK（Ordinary Kriging）法的陕西省多年平均降水量数据。数据集以.tif格式存储，分辨率为1km，压缩后数据量1.90MB。

可进行基坑降水流固耦合的计算，而且每条命令流均有解释，基于的是FLAC3D3.0

使用月度温度和降水数据计算帕尔默干旱严重程度指数 (PDSI) 的函数。 可以同时确定多个站点的值。 用于根据气候模型输出或气象站数据计算PDSI。