近日，兰州大学泛第三极环境中心在期刊Environmental Modelling & Software上发表了题为“PyMTRD: A Python package for calculating the metrics of temporal rainfall distribution”的研究论文。降水时间分布有助于理解不同时间尺度的降水模式、极端事件及其对水资源的影响。研究人员已经提出了多种降水时间分布指标，但目前尚无易于使用的软件包来计算这些指标。为了解决这一问题，本研究开发了PyMTRD软件包，该软件包可以方便地用于计算降水时间分布指标并进行降水模式分析。该软件包计算的指标包括降雨强度、降雨频率、连续干旱天数、基尼系数、降水集中度指数、季节性指数及无量纲季节性指数。泛第三极环境中心2022级硕士研究生郭正旭为第一作者，刘军志教授为通讯作者。

降水时间分布指的是在特定时间尺度上降水的强度、频率和分布指标，可以帮助理解不同时间尺度的降水模式、极端事件及其对水资源的影响。近年来，极端天气事件频率逐渐上升，不均匀的降水时间分布会增加洪水、滑坡等风险。同时，降水的时间分布也对水资源可用性、作物生长和水质等方面有着重要影响。目前，研究者已经提出多种降水时间分布指标，但尚无易用的软件包来计算这些指标。

研究方法

PyMTRD软件包分为四个模块：数据输入、预处理、指标计算和输出与可视化。数据输入模块支持从NetCDF读取日降雨时间序列；数据预处理模块包含去除无效值、日数据转为月数据等功能；指标计算模块涵盖日降雨和月降雨的多种指标；输出与可视化模块则用于结果的图形化展示。使用PyMTRD时，用户需先准备配置文件，定义数据集结构、输入输出路径、计算指标和可视化需求。随后，可通过图形界面操作，或根据需求直接调用“process”、“process_draw”或“process_parallel”函数以完成指标计算。PyMTRD使用Python和C++实现了研究者提出的降雨强度、降雨频率、连续干旱天数、基尼系数、降水集中度指数、季节性指数及无量纲季节性指数的计算，提供了高效便捷的降水时间分布指标计算功能。

                                          图1 PyMTRD 的架构

案例分析

我们选择了2001-2010年CMORPH-BLD数据集作为输入数据。分析了PyMTRD在点尺度和全球尺度的应用。

在点尺度应用中，我们选取了三个降水模式不同的点位，评估三种基尼系数对不同时间降水分布模式的敏感性。结果表明，未排序基尼系数和基尼系数能够较好地区分时间降水分布模式的差异。

              图2 点尺度应用（a）三个具有不同降水时间分布模式的点位；（b~f）Point1的指标；（g~k）Point2的指标；（l~p）Point3的指标

在全球尺度应用中，我们计算了降水强度、降水频率、连续干旱天数、降水集中度指数、无量纲季节性指数和季节性指数。其中，降水频率和连续干旱天数呈显著负相关。降水集中指数和季节性指数的空间分布相对相似，而无量纲季节性指数则表现出不同的分布特征，主要原因是无量纲季节性指数不仅考虑了时间降水分布，还考虑了全球最大降水量。

     图3 全球尺度应用 （a）降雨强度；（b）降雨频率；（c）连续干旱天数；（d）降水集中度指数；（e）无量纲季节性指数；（f）季节性指数

原文链接：https://doi.org/10.1016/j.envsoft.2024.106201