RClimDex 气候指数

尼泊尔东部近20年降水量的时空分析（1997-2016）

3.2.3降水指数分析

https://github.com/ECCC-CDAS/RClimDex

然后使用专门设计的软件RClimDex，使用质量控制和均质化站的数据计算极端降水指数，该软件在R编程环境（http://www.r-project.org/）下运行。这些指数由世界气象组织（气象组织）气候学委员会和气候变率与可预测性研究计划（CLIVAR）共同建立的ETCCDI制定和推荐。在ETCCDI给出的27个指数中，有11个指数用于评估极端降水指数。在这项研究中，我们计算了所有这11个指数（表 2）。此外，为了更好地理解，将指数进一步分类为频率指数和强度指数，这些指数改编自Klein等人。（2009）和dos Santos等人。（2012）。

使用Mann-Kendall（MK）趋势检验（Kendall，1957 ; Mann，1945）分析了这些指数和总季节性降水的时间变化，同时使用森氏坡度法（Sen，1968）评估了趋势的大小。。每个指数的趋势在95％的置信水平下被认为是显着的。

WMO认可的27项极端气候指数计算软件RClimdex与中文说明书

http://etccdi.pacificclimate.org/software.shtml

相关python库文件

ICCLIM（Indice Calculation CLIMate）是一个用于计算多种气候指数的Python库。

目前，欧洲气候评估和数据集根据气温和降水变量定义的49个气候指数包括：

• 11个冷指数（GD4，CFD，FD，HD17，ID，CSDI，TG10p，TN10p，TX10p，TXn，TNn）
• 1干旱指数（CDD）
• 9个热指数（SU，TR，WSDI，TG90p，TN90p，TX90p，TXx，TNx，CSU）
• 14个降雨指数（PRCPTOT，RR1，SDII，CWD，R10mm，R20mm，RX1day，RX5day，R75p，R75pTOT，R95p，R95pTOT，R99p，R99pTOT）
• 4雪指数（SD，SD1，SD5cm，SD50cm）
• 6个温度指数（TG，TN，TX，DTR，ETR，vDTR）
• 4个复合指数（CD，CW，WD，WW）

有关每个指标的详细说明，请访问http://eca.knmi.nl/documents/atbd.pdf。

最初ICCLIM旨在通过climate4impact门户网站计算气候指数。尽管存在能够计算气候指数的其他软件包（CDO，R软件包），但还是决定用Python开发一个新软件。Python语言首先选择与PyWPS接口：Web处理服务（WPS）标准的Python实现。另一个原因是与eventially接口OpenClimateGIS。

可在此处找到ICCLIM开发人员存储库：https：//github.com/cerfacs-globc/icclim

用于分析极值和其他气候分析的资源

（来自D7.3，第4.2节） |
| CCl / CLIVAR / JCOMM联合气候变化检测和指数专家组（ETCCDI）为分析气候和极端天气提供了有用的指导和资源，包括“分析气候变化中的极端情况以支持适应的知情决策”的准则“（Klein-Tank et al。，2009）。

ETCCDI / CRD气候变化指数网页 http://cccma.seos.uvic.ca/ETCCDI/提供：

• 关于气候变化指数计算的批准定义和指南，以及标准软件包
• 关于气候数据同质化的实用指南
• 获取气候指数的在线资源
• 提交新的或更新的索引数据的地方

提供软件包用于数据均匀化（RHtestsV3）和用于计算极值指数（RClimDex）。这两个都基于免费提供的R统计软件包 http://www.r-project.org/。

R也是NCAR开发的Extremes极限值分析工具包的基础：http：
//www.isse.ucar.edu/extremevalues/evtk.html

CRAN网站 http://cran.r-project.org/web/packages/提供了广泛的R包用于统计分析，包括用于气候分析的数据，例如clim.run（用于统计降尺度，由Rasmus开发） Benestad - 参见 http://rcg.gvc.gu.se/edu/esd.pdf）和Rclim（在ENSEMBLES项目中开发，用于分析网格数据集中的极值分析 http://www1.secam.ex.ac.uk /rclim-initiative.dhtml）。用于偏差校正的CDF.t包（见D7.3的第3.6节）也可从CRAN网站获得。由Themeβl等人实施的偏差校正方法。（2010）也在R.中实现.RNetCDF提供R和NetCDF数据集之间的接口。

另一个可能有用的工具是通过PCMDI软件门户网站http://www2-pcmdi.llnl.gov/cdat提供的CDAT（气候数据分析工具） ，它基于Python。它对PCMDI提供的netCDF文件的可视化特别有用。最后，由KNMI的Geert van Oldenborgh开发的ClimateExplorer工具为统计研究提供了一套分析工具和大型气候数据库：http： //climexp.knmi.nl/

ACRE WORKSHOP“Python中的气候指数和天气类型”

这些材料将包含在Jupyter笔记本中，简而言之，它是一个在浏览器中运行的交互式开发环境，允许创建混合代码，富文本注释，图形等的可执行文档。这些可以notebooks在目前的目录中找到github repo，网址：https：//github.com/nicolasfauchereau/ACRE_workshop/tree/master/notebooks。如果您不想安装任何东西和/或运行笔记本，只需单击github上的笔记本链接即可跟随它们，它们将通过github以HTML格式呈现：

• https://github.com/nicolasfauchereau/ACRE_workshop/blob/master/notebooks/climate_indices.ipynb致力于阅读和构建气候领域的气候指数。
• https://github.com/nicolasfauchereau/ACRE_workshop/blob/master/notebooks/weather_regimes.ipynb将展示如何从区域域的再分析数据集中推导出所谓的“天气状态”或“天气类型”。关于天气制度的良好资源是Michelangeli等人，1995年

要下载资料的存档（zip），请单击https://github.com/nicolasfauchereau/ACRE_workshopClone or Download右侧的绿色按钮（），然后选择。Download ZIP