SPI(Standardized Precipitation Index)标准降水指数

您所在的位置:网站首页 SPI代码解释 SPI(Standardized Precipitation Index)标准降水指数

SPI(Standardized Precipitation Index)标准降水指数

2024-07-01 04:44| 来源: 网络整理| 查看: 265

1.SPI原理概述

SPI计算原理是将某时间尺度(如1、3、6、12个月等)降水量的连续时间序列(最好是长期记录,一般最少30年)看作服从某种概率密度函数分布(如gamma分布),然后推导出相应的累积概率函数,再通过累积概率函数转换为标准正态分布。转换之后,某时间尺度样本的SPI为:该样本降水量的累积概率所对应的标准正态分布的x轴的值。

例如:以3个月为时间尺度,使用1981-2010年30年的降水数据。计算2010年1月的SPI值。因为时间尺度是3个月,所以2010年1月的累积降水量被定义为2009年11月-2010年1月期间的总降水量,记作P;使用的时间序列为往年同期的降水量数据,即各年11月-1月的降水。首先按照原理,将时间序列数据假设为满足gamma分布g(x),然后推导其累积概率函数H(x),再转换为标准正态分布。然后,查找P对应的累积概率H(P),然后查找与H(P)相同累积概率的标准正态分布所对应的x轴的值,即为SPI。示意图如下,左图为累积概率H(x),右图为转换之后的标准正态分布。

2.SPI原理详解 2.1一些基本概念 1)概率密度函数(probability density function, PDF)

通俗来说,是描述变量落在某点(x=x0)上的概率,变量落在某区间(x1(∗)中的 x 替换为βt,则有下式成立:

于是得到Gamma分布的一般形式,概率密度函数为:

2)gamma分布函数构建

Thom(1966)发现gamma分布(一种概率密度函数)很适合气候降水的频率时序特征,如下图所示。(首先解释为什么使用gamma分布)

SPI中gamma分布定义:

 

 3)gamma分布α、β参数求解

在定义完gamma分布函数之后,需要求解其中的α形状参数和β尺寸参数,使用Thom(1966)提出的最大似然法来估算最佳的α与β值。

式中,x为降水时间序列的样本值,x¯为降水序列的平均值,n为时间序列的长度。

2.3构建降水累积概率函数H(x)

将上一步求得的α、β参数代入,则降水量x>0的累积概率函数G(x)为g(x)的积分: 

令t=x/β,则该等式变为:

因为gamma函数没有定义x>0,但实际降水可能为0(x=0),所以实际降水累积概率函数为:

其中,q为降水量为0的概率,设m为降水时间序列中降水量为0的个数,则q=m/n。

至此,得到了降水的累积概率函数H(x)。其意义为:任选时间序列中的某样本数据,其降水量在(0,x)之间的概率为H(x)。

2.4H(x)等概率变换为标准正态分布函数

这一步是通过累积概率函数的等概率变换,建立了gamma分布与标准正态分布之间的转换关系,从而确定降水量与SPI之间的关系。

等概率变换即变量从一种分布(如gamma)转变为另一种分布(如标准正态分布),变换前后对应变量在两种分布中小于某个值的累积概率是不变的。

如Fig3.2所示,通过累积概率H(x)与转换后的标准正态分布的x轴上获取对应的SPI值。为更加方便的获取SPI(通过转化之后的图像获取太过繁琐),使用Abramowitz and Stegun (1965)提出的近似方法,求解概率密度H(x)与标准正态分布SPI的关系(实质是建立降水量x与SPI的关系,即概率密度分布变换中的y=h(x)关系):

其中,c0 = 2.515517, c1 = 0.802853, c2 = 0.010328, d1 = 1.432788, d2 = 0.189269, d3 = 0.001308

2.5SPI与Z-score

SPI被认为是一种z分数(z-score),因为对于转化后的标准正态分布,其μ=0,σ=1,带入z-score=(x-μ)/σ=SPI。z-score的实际意义为测量样本数据与样本总体均值相差多少个标准差;所以,SPI可被解释观测降水量为与长期降水均值偏离的标准差个数。

3.SPI应用

标准化降水指数(SPI)是一个广泛使用的指数,用于描述一系列时间尺度上的气象干旱的特征。在短的时间尺度上,SPI与土壤水分密切相关,而在长的时间尺度上,SPI可以与地下水和水库储存有关。SPI可以在气候明显不同的地区进行比较。

 

  参考

SPI原理:

Edwards D C . Characteristics of 20th Century Drought in the United States at Multiple Time Scales. , 1997.

https://www.doc88.com/p-9798233006864.html?r=1

https://max.book118.com/html/2017/0309/94893982.shtm

z-score:

https://blog.csdn.net/qq_39482438/article/details/110873346

概率密度分布变换:

https://blog.csdn.net/bingfeiqiji/article/details/81908948

https://zhuanlan.zhihu.com/p/191487550

程序:

https://climate-indices.readthedocs.io/en/latest/

 



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3