Python中的气候指数 该项目包含各种气候指数算法的Python实现，这些算法提供了对于气候监测和研究有用的降水和温度异常严重程度的地理和时间图。 提供以下索引： 利用γ和Pearson III型分布的标准降水指数 ，利用γ和Pearson III型分布进行的标准化降水蒸散指数 ，潜在的蒸散量，利用或方程式 ，帕尔默干旱指数 ，自校准帕尔默干旱指数 ，水文帕尔默干旱指数 ，帕尔默湿度异常指数（Z指数） ，帕尔默修改干旱指数 PNP ，正常降水百分比 考虑到以下目标，正在开发上述气候指数算法的Python实现： 提供一个开放源代码软件包，以计算通常用于气候监测的一组气候指数，其文件记录完备，忠实于相关文献，并能产生可科学验证的结果 为气候指数的研究人员，开发人员和用户提供一个参与和协作的中央开放场所 促进对最佳气候指数算法以及Python中相应的兼容实现的标准化和共识

气象干旱指标的国家标准，等级划分；气象干旱指标的详细计算标准都有，包括一些单一的，综合的干旱指标

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

行业分类-设备装置-半干法分解氯化铵的方法及反应器.zip

标准化干旱分析工具箱 (SDAT) 提供了用于推导非参数标准化干旱指数的通用框架。 当前指标存在时间不一致和统计不可比性等缺陷。 不同的指标有不同的尺度和范围，它们的值不能直接相互比较。 大多数干旱指标依赖于拟合数据的代表性参数概率分布函数。 但是，参数分布函数可能不适合数据，尤其是在大陆/全球尺度研究中。 SDAT 基于非参数框架，可应用于不同的气候变量，包括降水、土壤湿度和相对湿度，而无需假设具有代表性的参数分布。 该框架最吸引人的特点是它导致基于不同变量的统计一致的干旱指标。 SDAT 可用于生成非参数标准化干旱指标，例如： - 标准化降水指数 (SPI)， - 标准化土壤水分指数 (SSI)， - 标准化径流指数 (SRI) - 标准化流量指数（SSFI）， - 标准化相对湿度指数 (SRHI)， - 标准化地下水位指数（SGI）， - 标准化地表水供应指数 (SSWSI)， -

采用Vicente-Serrano等在标准化降水指标基础上提出的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index, SPEI），研究了云南省的旱情。利用云南省境内32个站点逐月的气象统计数据，分别计算出1998至2012年各站点3、6、12和24个月的SPEI，组成云南省标准化降水蒸散指数数据集（1998-2012）。结果表明，SPEI3、SPEI6、SPEI12和SPEI24随时间推移均呈现降低趋势，即区域内干旱趋势逐渐加强。数据集包括两部分：（1）标准化降水蒸散指数计算站点的地理位置数据；（2）各点1998-2012年的标准化降水蒸散指数（SPEI）

这项工作旨在量化发生的概率并估计气象干旱（降水）的重现期。 为了估算气象干旱的重现期，使用了按时间顺序排列的每月降雨量。

中国西南地区历年月度干旱指数（1951-2016）和8天频率土壤湿度（2007-2016）数据集覆盖的区域为中国西南地区，其范围包括：四川省、重庆市、云南省、贵州省与广西壮族自治区，面积136.23万km²。该数据集是在scPDSI（self-calibrating Palmer Drought Severity Index）数据（University of East Anglia）和ASCAT（Advanced SCATterometer）数据（European Space Agency Climate Change Initiative, ESA CCI）基础上，进行区域统计分析和标准化处理得到。该数据集包括中国西南地区以下数据：（1）1951-2016年scPDSI干旱指数年际变化趋势数据；（2）1951-2016年月度scPDSI干旱指数数据；（3）2007-2016年8天频率主动微波遥感土壤湿度百分比数据；（4）2007-2016年8天频率标准化CCI土壤湿度时间序列数据。数据集存储为.tif和.xls数据格式，.tif数据的空间分辨率为0.5