楊洛祺 顧世杰 劉曉帥 胡引翠 武帥 田冰
摘要:風(fēng)玫瑰圖主要用以表達(dá)風(fēng)向頻率或各方向上的平均風(fēng)速。若要可視化表達(dá)各風(fēng)向上不同風(fēng)速情境下的大氣污染物濃度的分異特征,需要突破當(dāng)前風(fēng)玫瑰圖僅展示風(fēng)速風(fēng)向信息的限制。為解決這一問(wèn)題,文章在風(fēng)玫瑰圖基礎(chǔ)上,采用暈渲法,用深淺不同的色調(diào)表示研究區(qū)域在統(tǒng)計(jì)時(shí)段內(nèi)大氣污染物濃度在各風(fēng)向、不同風(fēng)速下的特征。基于Python,使用contour函數(shù)以及numpy、matplotlib、pandas庫(kù),文章研發(fā)了大氣污染物濃度風(fēng)域空間分布圖繪制工具,解決了繪圖中由于數(shù)據(jù)缺失而造成的圖像空白和計(jì)算報(bào)錯(cuò)的問(wèn)題,并形成創(chuàng)新性的污染物質(zhì)量濃度與風(fēng)域的組合暈渲玫瑰圖繪制方法。相較于傳統(tǒng)的氣象學(xué)制圖軟件,該工具繪圖基礎(chǔ)要求偏向底層繪圖,更加靈活易用,為研究大氣污染物區(qū)域特征以及跨區(qū)域傳輸特征提供了新的可視化方法和技術(shù)手段。
關(guān)鍵詞:大氣;污染物質(zhì)量濃度;風(fēng)玫瑰圖;風(fēng)域;空間
中圖分類號(hào):P412.36;P208? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):1009-3044(2023)06-0113-05
開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):
0 引言
在大氣污染物風(fēng)域空間分布研究中,定量解析及污染物溯源研究是目前研究的重點(diǎn)方向之一[1-5]。大氣污染物濃度分布可視化表達(dá)是輔助發(fā)現(xiàn)大氣污染傳輸區(qū)域特征及研究成果共享交流的重要技術(shù)手段,專題地圖和量化圖表是常用的可視化表達(dá)方式。
專題地圖在基于底圖的基礎(chǔ)上按照主題的要求,突出并完善地表示一種或幾種與主題相關(guān)的要素信息,著重描述專題化的內(nèi)容及專門(mén)化的用途[6]。通常采用地理信息系統(tǒng)軟件分析制作大氣污染專題地圖[7-9],如繪制大氣污染物后向軌跡圖,分析污染物潛在源區(qū)及軌跡分布圖;采用辦公語(yǔ)言或高級(jí)編程語(yǔ)言繪制量化圖表[10-13],如NCL繪制污染物質(zhì)量濃度風(fēng)玫瑰圖。量化圖表在量化信息的情況下突出一種或幾種特定表達(dá)指標(biāo)的價(jià)值和衡量標(biāo)準(zhǔn)。量化圖表中,風(fēng)玫瑰圖是得到廣泛應(yīng)用的方法,其直觀地描述了風(fēng)速風(fēng)向等氣象要素的變化特征。其將地面風(fēng)向分為8個(gè)或16個(gè)方位進(jìn)行表示,用極坐標(biāo)系繪制某一時(shí)間段內(nèi)研究區(qū)域風(fēng)速風(fēng)向出現(xiàn)頻率的綜合統(tǒng)計(jì)圖。其在建筑規(guī)劃、風(fēng)能資源評(píng)估、大氣污染評(píng)價(jià)等領(lǐng)域具有廣泛的應(yīng)用[11, 14]。張順堯[15]等在城市微氣候?qū)ㄖ锏挠绊懷芯恐?,通過(guò)小區(qū)域風(fēng)玫瑰圖的運(yùn)用,揭示了建筑物開(kāi)口方向與微氣候中風(fēng)場(chǎng)的相關(guān)關(guān)系;張克存[16]等利用風(fēng)玫瑰圖可視化了測(cè)點(diǎn)風(fēng)向及起沙風(fēng)頻率,輔助性地展示了湖泊外圍的輸沙方向;張宇[17]利用風(fēng)玫瑰圖與Pearson系數(shù)表達(dá)了臭氧和VOCs與風(fēng)速風(fēng)向的相關(guān)性程度及擬合關(guān)系。
目前繪制風(fēng)玫瑰圖以C#、Python、NCL以及Extjs、Excel、Matlab為主要的高級(jí)編程語(yǔ)言和辦公語(yǔ)言為基礎(chǔ)[18-24]。風(fēng)玫瑰圖用以表達(dá)風(fēng)向頻率或各方向上的平均風(fēng)速。本文選取量化圖表的表示方法,分析研究區(qū)域各方向風(fēng)速大小并加和污染物濃度信息要素,獲得多級(jí)地理尺度的大氣污染物時(shí)序變化數(shù)據(jù)集,構(gòu)建研究區(qū)域污染物組合污染物質(zhì)量濃度與風(fēng)域的組合玫瑰圖[25-28]。
目的是可視化表達(dá)各風(fēng)向上不同風(fēng)速情境下的大氣污染物濃度的分異特征,突破當(dāng)前風(fēng)玫瑰圖僅展示風(fēng)速風(fēng)向信息的限制。為解決這一問(wèn)題,本文在風(fēng)玫瑰圖基礎(chǔ)上,采用暈渲法,用深淺不同的色調(diào)表示研究區(qū)域在統(tǒng)計(jì)時(shí)段內(nèi)大氣污染物濃度在各風(fēng)向、不同風(fēng)速下的特征。
將依托風(fēng)玫瑰圖可視化展示的特點(diǎn),在風(fēng)向、風(fēng)速所構(gòu)成的風(fēng)域空間中,暈渲呈現(xiàn)站點(diǎn)監(jiān)測(cè)的大氣污染物濃度在風(fēng)域空間中的變化。為實(shí)現(xiàn)這一可視化技術(shù)思路,本文基于Python語(yǔ)言中anaconda3[29]配置環(huán)境并使用第三方庫(kù)Simple Index庫(kù),統(tǒng)籌使用暈渲法及疊加法的原理,設(shè)計(jì)一種融合大氣污染物(PM2.5、PM10、臭氧等)濃度、三維風(fēng)向包括水平分量及垂直分量及風(fēng)速信息的污染物質(zhì)量濃度與風(fēng)域的組合暈渲玫瑰圖的繪制工具,繪制結(jié)果能更清晰地體現(xiàn)污染物的濃度變化及來(lái)源信息,為近地面大氣污染物傳輸特征的研究提供一種更直觀的可視化方法。
1 數(shù)據(jù)來(lái)源與基礎(chǔ)數(shù)據(jù)預(yù)處理
1.1 數(shù)據(jù)來(lái)源
文章使用的數(shù)據(jù)包括:日期、風(fēng)速、風(fēng)向和污染物濃度。
數(shù)據(jù)來(lái)源主要為驗(yàn)證實(shí)例的污染物近地面監(jiān)測(cè)點(diǎn)、氣象站點(diǎn)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù),歐洲哥白尼衛(wèi)星數(shù)據(jù)服務(wù)中心提供的ERA-5數(shù)據(jù)和清華大學(xué)提供的TAP數(shù)據(jù)。
近地面監(jiān)測(cè)點(diǎn)數(shù)據(jù)來(lái)源于河北師范大學(xué)地理科學(xué)學(xué)院監(jiān)測(cè)點(diǎn)(37.99°N,114.52°E),該位置屬于城市區(qū)域次交通樞紐和科研混合區(qū)。氣象數(shù)據(jù)來(lái)源于石家莊市氣象站(53698站)數(shù)據(jù),包括實(shí)時(shí)風(fēng)速、風(fēng)向等信息。本研究中利用在線觀測(cè)儀器測(cè)量了PM2.5逐時(shí)質(zhì)量濃度及所使用的氣象數(shù)據(jù)信息,測(cè)量時(shí)間為2022年8月1日。
ERA-5數(shù)據(jù)(https://cds.climate.copernicus.eu/-!/home)來(lái)源于歐洲哥白尼衛(wèi)星數(shù)據(jù)服務(wù)中心提供的數(shù)據(jù)集,選取石家莊市(38.05°N ,114.52°E)近地面10m的水平方向風(fēng)速分量和垂直方向風(fēng)速分量的數(shù)據(jù);TAP(Tracking Air Pollution in China)數(shù)據(jù)(http://tapdata.org.cn/)來(lái)源于清華大學(xué)提供的近地面1km PM2.5濃度數(shù)據(jù),該數(shù)據(jù)綜合了多種氣溶膠數(shù)據(jù)反演及站點(diǎn)數(shù)據(jù),自然源及人為源數(shù)據(jù)作為輔助數(shù)據(jù),較高水平地反映了當(dāng)時(shí)PM2.5濃度具體情況。
1.2 近地面監(jiān)測(cè)點(diǎn)數(shù)據(jù)預(yù)處理
近地面監(jiān)測(cè)點(diǎn)和氣象站監(jiān)測(cè)到的大氣污染物濃度、風(fēng)場(chǎng)等數(shù)據(jù)的儲(chǔ)存均為文本格式,需將數(shù)據(jù)進(jìn)行儲(chǔ)存格式轉(zhuǎn)換,并以污染物類型和具體時(shí)間為依據(jù)對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行統(tǒng)計(jì),將Excel表格上傳到PyCharm軟件中加載數(shù)據(jù)。
首先,將污染物濃度的數(shù)據(jù)類型浮點(diǎn)型(float)轉(zhuǎn)換為短整型(int),減少存儲(chǔ)空間,提高計(jì)算效率。
其次,將數(shù)據(jù)由文本型轉(zhuǎn)換為Excel格式,并以污染物類型和時(shí)段為依據(jù)對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行分類。
再次,將預(yù)處理后的數(shù)據(jù)(包括風(fēng)向、風(fēng)速和PM2.5濃度)加載至工具軟件,將風(fēng)向單位由度轉(zhuǎn)換為弧度,將數(shù)據(jù)缺失的網(wǎng)格用0值進(jìn)行填充。
最后,利用pivot_table函數(shù)繪制數(shù)據(jù)透視表,使用meshgrid函數(shù)建立相關(guān)矩陣。主要代碼如下:
data['PM2.5'] = data['PM2.5'].astype(float)
dt=data.pivot_table(values='PM2.5', index='風(fēng)速(m/s)', columns='風(fēng)向(deg)', aggfunc=np.mean)
dt.fillna(0, inplace=True)
dt = dt.reindex(index=speed, columns=deg, fill_value=0)
dt.head(31)
theta, r = np.meshgrid(deg, speed)
本程序案例應(yīng)用日均數(shù)據(jù)繪制日均大氣污染物濃度風(fēng)域空間分布圖,但該程序不僅限于繪制日均圖,可根據(jù)自身研究需要,繪制月均或年均污染物風(fēng)域空間分布圖。在應(yīng)用中需注意修改#header函數(shù),使函數(shù)參數(shù)與Excel格式對(duì)齊,實(shí)現(xiàn)軟件正常讀取。例如小時(shí)數(shù)據(jù)需修改為#header=24;逐月數(shù)據(jù)為#header=12等。
1.3 ERA-5數(shù)據(jù)預(yù)處理
下載對(duì)應(yīng)研究區(qū)域的ERA-5數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換。數(shù)據(jù)中包括近地面10m的水平方向風(fēng)速分量u-wind和垂直方向風(fēng)速分量v-wind,可通過(guò)程序代碼實(shí)現(xiàn)水平、垂直方向的風(fēng)速風(fēng)量和風(fēng)向的轉(zhuǎn)換。主要代碼如下:
if (u > 0) and (v > 0):
fx = 270 - math.atan(v / u) * 180 / math.pi
elif (u < 0) and (v > 0):
fx = 90 - math.atan(v / u) * 180 / math.pi
elif (u < 0) and (v < 0):
fx = 90 - math.atan(v / u) * 180 / math.pi
elif (u > 0) and (v < 0):
fx = 270 - math.atan(v / u) * 180 / math.pi
elif (u == 0) and (v > 0):
fx = 180
elif (u == 0) and (v < 0):
fx = 0
elif (u > 0) and (v == 0):
fx = 270
elif (u < 0) and (v == 0):
fx = 90
elif (u == 0) and (v == 0):
fx = 999.9
2 可視化實(shí)現(xiàn)
本文開(kāi)發(fā)環(huán)境為PyCharm Community Edition2021.2。由于Python3不兼容Python2,所以在PyCharm Community Edition 2021.2中將基礎(chǔ)環(huán)境設(shè)定為anaconda環(huán)境并安裝Simple Index開(kāi)源環(huán)境庫(kù)(https://www.lfd.uci.edu/~gohlke/pythonlibs/)由北京外國(guó)語(yǔ)大學(xué)提供。
利用傳統(tǒng)的Windrose繪圖工具繪制風(fēng)玫瑰圖,具有只包含風(fēng)速風(fēng)向的信息、操作復(fù)雜、易出現(xiàn)統(tǒng)計(jì)結(jié)果報(bào)錯(cuò)等局限性,為后續(xù)的專題化相關(guān)研究帶來(lái)了困難。為解決這一問(wèn)題,本文將渲染法和透視法創(chuàng)新性與風(fēng)玫瑰圖相結(jié)合,主要使用contour函數(shù)、numpy庫(kù)、maplotlib庫(kù)及pandas庫(kù)進(jìn)行繪制方法的創(chuàng)新,為風(fēng)域空間專題呈現(xiàn)提供新思路。
繪制過(guò)程中,對(duì)風(fēng)速風(fēng)向數(shù)據(jù)進(jìn)行統(tǒng)計(jì),利用linspace函數(shù)將數(shù)據(jù)進(jìn)行分類,其中風(fēng)速按16等分分類,風(fēng)向按32等分分類。風(fēng)向信息以圓形來(lái)表示,作為基礎(chǔ)底圖。繪制出的0°方向?yàn)檎狈较?,風(fēng)向度數(shù)對(duì)應(yīng)正北方向與風(fēng)向間的夾角并按順時(shí)針?lè)较驕y(cè)量,范圍為0°~360°,單位為角度數(shù)。風(fēng)速通過(guò)不同大小的圓進(jìn)行表示,根據(jù)研究區(qū)域的風(fēng)速統(tǒng)計(jì)值域范圍設(shè)定圓的半徑R(程序案例默認(rèn)R=10,即所獲數(shù)據(jù)中最大風(fēng)速不超過(guò)10m/s),將數(shù)據(jù)進(jìn)行網(wǎng)格化并把網(wǎng)格內(nèi)的數(shù)據(jù)按較小值劃分,利用def函數(shù)創(chuàng)建for循環(huán),形成嵌套圓圖形。主要代碼如下:
data['deg'] = np.radians(data['deg'])
v = data['speed']
R=10
speed = np.linspace(0,R, endpoint=True, num=16)
deg = np.linspace(0, 2*np.pi, endpoint=True, num=32)
def maker(s, sequence):
'''
Divide the data in the grid into smaller values
'''
fori, val in enumerate(sequence):
if s <= sequence[i]:
returnval
d = data['deg']
data['speed'] = v.apply(maker, sequence=speed)
data['deg'] = d.apply(maker, sequence=deg)
data.head()
ax.set_theta_zero_location("N")
ax.set_theta_direction('clockwise')
根據(jù)實(shí)際需要在subplot函數(shù)中設(shè)置畫(huà)布,調(diào)整figsize參數(shù);自定義設(shè)置底圖顏色,具體顏色參照基礎(chǔ)色變換,本案例選用16進(jìn)制顏色。該步驟核心為使用matplotlib庫(kù)的pyplot模塊中的contourf函數(shù)繪制輪廓。添加右側(cè)圖例色帶,根據(jù)所獲得的污染物濃度值域設(shè)置色帶范圍,調(diào)整為閉合狀態(tài)并利用cmap參數(shù)自定義色帶顏色類型,該參數(shù)的候選值有:Accent、Accent_r、Blues等(程序案例默認(rèn)色帶為'CMRmap_r')。主要代碼如下:
fig = plt.figure(figsize=(8,6))
ax = plt.subplot(projection='polar', facecolor="white")
ax.set(ylim=(0,R),yticklabels=([]))
pos=ax.contourf(theta,r,dt.to_numpy(),levels=np.linspace(0,150,endpoint=True,num=10) ,cmap='CMRmap_r',)
cb=plt.colorbar(pos, ax=ax,pad=0.1)
為更清晰地展現(xiàn)風(fēng)速,利用set_ylabel函數(shù)在圖面左側(cè)添加坐標(biāo)軸用來(lái)標(biāo)識(shí)風(fēng)速并使用set_yticklabels來(lái)標(biāo)注刻度,為避免程序報(bào)錯(cuò),刻度值數(shù)量需與風(fēng)速值數(shù)量相同。如需進(jìn)一步美化圖形,可利用plt.title函數(shù)設(shè)置標(biāo)題,設(shè)置條帶字體大小,坐標(biāo)軸字體大小,字體樣式等。Python里默認(rèn)的編碼格式是ASXCII格式,而中文是GBK格式,因此在PyCharm中輸入帶有中文的路徑時(shí)會(huì)出現(xiàn)系統(tǒng)報(bào)錯(cuò),現(xiàn)提出了可利用font manager函數(shù)來(lái)解決使用中文時(shí)出現(xiàn)亂碼的問(wèn)題。主要代碼如下:
from matplotlib import font_manager as fm
plt.rcParams['font.sans-serif'] = ['Time New Roman']
plt.rcParams['axes.unicode_minus'] = False
font1 = fm.FontProperties(fname='C:\Windows\Fonts\msyh.ttc')
se=ax.secondary_yaxis(-0.1)
se.set_ylabel('Speeed'+r'$\mathrm{/(m·s^{-1})}$',font=font1)
se.set_yticks([0,1,2,3,4,5,6,7,8,9,10])
se.set_yticklabels([-10,-8,-6,-4,-2,0,2,4,6,8,10])
frommatplotlib.ticker import MultipleLocator
xminor = MultipleLocator(1)
se.yaxis.set_minor_locator(xminor)
se.tick_params(axis="y", direction="in", which="both")
plt.title('Combination Rose Chart of Average Wind and $\mathrm{PM_{2.5}(μg·m ^{-3})}$ Mass Concentration')
cb.ax.set_title(r'$\mathrm{PM_{2.5}(μg·m ^{-3})}$',pad=10,size=10)
調(diào)整后的效果顯示為正確,對(duì)圖形進(jìn)行輸出,案例輸出結(jié)果如圖1所示。
3 應(yīng)用個(gè)例
文章案例選取2022年8月1日河北師范大學(xué)地理科學(xué)學(xué)院監(jiān)測(cè)點(diǎn)及石家莊氣象站點(diǎn)(53698站)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù),監(jiān)測(cè)距地1km的逐時(shí)PM2.5濃度和石家莊市近地面平均風(fēng)速風(fēng)向信息,并基于ERA-5數(shù)據(jù)的2021年1月石家莊市的局部風(fēng)場(chǎng)信息及TAP數(shù)據(jù)按照編寫(xiě)的程序?qū)€(gè)例數(shù)據(jù)進(jìn)行繪制測(cè)試。
3.1 基于地面監(jiān)測(cè)數(shù)據(jù)的PM2.5濃度風(fēng)域空間分布圖
程序支持日均、月均、年均等多種格式的Excel表格數(shù)據(jù)(包括風(fēng)速m/s、風(fēng)向°及污染物濃度值μg/m3),案例程序選擇日均格式的Excel表格數(shù)據(jù),所用數(shù)據(jù)為2022年8月1日00:00至8月31日23:00河北師范大學(xué)近地面監(jiān)測(cè)點(diǎn)監(jiān)測(cè)到的PM2.5污染物濃度值及石家莊市國(guó)家基礎(chǔ)氣象站(53894站)監(jiān)測(cè)到的同天近地面風(fēng)速風(fēng)向數(shù)據(jù),如表1所示。
通過(guò)繪制所選監(jiān)測(cè)點(diǎn)的大氣污染物濃度風(fēng)域空間分布圖(圖3),對(duì)風(fēng)向與污染物質(zhì)量濃度進(jìn)行相關(guān)性分析:2022年8月1日河北師范大學(xué)周圍1km內(nèi)總體AQI值較低,全天各時(shí)段PM2.5質(zhì)量濃度均不足50μg/m3。其中風(fēng)場(chǎng)是影響大氣污染物累積和消散的關(guān)鍵性因素,不同的風(fēng)速風(fēng)向會(huì)影響大氣中污染物的濃度和傳輸方向。當(dāng)日監(jiān)測(cè)點(diǎn)的主要風(fēng)頻為西南風(fēng),根據(jù)PM2.5污染物的分布位置可知,當(dāng)日PM2.5主要聚集在水平風(fēng)為偏南風(fēng)和東南風(fēng)的位置;PM2.5濃度較高的地方風(fēng)速較小,最高風(fēng)速不足4m/s,最低風(fēng)速約為1m/s。風(fēng)速不足使污染物缺少跨區(qū)域傳輸?shù)膭?dòng)力,因此所選區(qū)域當(dāng)天PM2.5的主要來(lái)源為當(dāng)?shù)刈陨砼欧?,有少許污染物來(lái)自于河北師范大學(xué)南部方向。
3.2 基于ERA-5和TAP數(shù)據(jù)的PM2.5濃度風(fēng)域空間分布圖
實(shí)例應(yīng)用選取2021年1月ERA-5的石家莊市月平均近地面10m的水平、垂直方向的風(fēng)速風(fēng)量數(shù)據(jù),利用轉(zhuǎn)化程序得到風(fēng)向度數(shù)值,后導(dǎo)入到Excel表格中,格式要求與監(jiān)測(cè)站相同。利用ERA-5數(shù)據(jù)中包含的風(fēng)速數(shù)據(jù)、轉(zhuǎn)換后的風(fēng)向數(shù)據(jù),對(duì)應(yīng)的地點(diǎn)PM2.5濃度的TAP數(shù)值共同繪制大氣污染物濃度風(fēng)域空間分布圖(圖4)。由圖4可知,2021年1月石家莊市PM2.5質(zhì)量濃度較高,空氣質(zhì)量狀況屬于輕度污染,PM2.5濃度值最高達(dá)到了170μg/m3,均值在100μg/m3左右。污染物在該時(shí)間段主要聚集在風(fēng)向?yàn)檎?、西南以及正西方向,并在風(fēng)速小于4m/s的位置出現(xiàn)堆積現(xiàn)象。當(dāng)風(fēng)速小于等于2m/s時(shí),PM2.5質(zhì)量濃度的數(shù)值最高,說(shuō)明當(dāng)月石家莊市PM2.5污染物主要來(lái)自本地排放;少許污染物來(lái)源于跨區(qū)域傳輸,且主要為偏南方向及西南方向傳輸來(lái)的污染物,其中受偏南方向的地區(qū)污染物的跨區(qū)域傳輸?shù)挠绊戄^大。因此石家莊市該時(shí)段PM2.5濃度值升高主要受到邢臺(tái)市和邯鄲市的污染物跨區(qū)域傳輸?shù)挠绊憽?/p>
4 結(jié)束語(yǔ)
文章提出了一種大氣污染物濃度風(fēng)域空間分布圖繪制方法,并研發(fā)了制圖工具:1)制圖中將原數(shù)據(jù)中的空值部分填補(bǔ)為0值,使制圖結(jié)果更加平滑、美觀。2)創(chuàng)新性的將傳統(tǒng)的風(fēng)玫瑰圖進(jìn)行優(yōu)化,結(jié)合渲染法和疊加法,將風(fēng)速風(fēng)向數(shù)據(jù)與污染物濃度數(shù)據(jù)進(jìn)行融合,使風(fēng)玫瑰圖專題化,更加直觀地體現(xiàn)了污染物的聚集位置和傳輸方向,并結(jié)合了具體的案例進(jìn)行應(yīng)用分析。但是目前制圖工具尚存在一些不足,比如導(dǎo)入數(shù)據(jù)形式較為單一,暫時(shí)只支持Excel表格,需今后加以改進(jìn),提高程序加載數(shù)據(jù)的包容性。
參考文獻(xiàn):
[1] 李婷苑,陳靖揚(yáng),龔宇,等.2022年廣東省冬季一次臭氧污染過(guò)程的氣象成因及潛在源區(qū)分析[J/OL].環(huán)境科學(xué).[2022-11-10].https://kns.cnki.net/kcms2/article/abstract?v=aoPRB0Fc1 faWAu-EXeRzyMxUuj5GhO0pt8nbA6uDJI6fvWKAnxvMUkK Xlr_OzYQUlayrCHhpecA4CyHKtyU8Y3AbZwdNoPqmutJB6 3LNWZfibjA1EJ1L3g==&uniplatform=NZKPT.
[2] 王海寧,于大江,劉碩,等.龍鳳山大氣本底站CO濃度特征及傳輸路徑分析[J].環(huán)境科學(xué)學(xué)報(bào),2022,42(9):392-400.
[3] 武威,單鐵良.基于后向軌跡的秋冬季漯河重污染輸送及典型個(gè)例分析[J].氣象與環(huán)境學(xué)報(bào),2022,38(3):65-74.
[4] 謝放尖,鄭新梅,竇燾燾,等.南京地區(qū)細(xì)顆粒物污染輸送影響及潛在源區(qū)[J/OL].環(huán)境科學(xué). [2022-11-10].https://kns.cnki.net/kcms2/article/abstract?v=aoPRB0Fc1fZYNQy3XUdgTVvss 7uswCns2_qOPmgG0jy4UkMqNSG33Q7qRoj8t7zcAQHeptjxX zGZl12pMzHwcBZeTNe_JQkT3uJT2Jz0qsMSCKSa8pmv_A==&uniplatform=NZKPT.
[5] 楊芳園,潘婭婷,康道俊,等.2019年昆明市一次臭氧污染過(guò)程特征及成因分析[J].環(huán)境科學(xué)學(xué)報(bào),2022,42(10):71-79.
[6] 張軍海,李仁杰,傅學(xué)慶.地理信息系統(tǒng)原理與實(shí)踐[M].2版.北京:科學(xué)出版社,2015.
[7] 陳旭,鄒濱,李沈鑫,等.個(gè)體大氣污染暴露測(cè)量與可視化系統(tǒng)[J].地理與地理信息科學(xué),2019,35(4):21-26,56.
[8] 杜詩(shī)薇,陳慶濤,向竟德.基于ArcGIS Engine的桂林市七星區(qū)大氣污染擴(kuò)散模擬[J].城市地理,2017(10):188-189.
[9] 王維,程灝旻,葉秀云,等.基于ArcGIS的2020年內(nèi)江市城市環(huán)境空氣質(zhì)量特征分析[J].環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì),2021,41(10):58-60.
[10] 徐偉嘉,尹萌,李紅霞.基于GIS的珠三角區(qū)域空氣質(zhì)量實(shí)況發(fā)布平臺(tái)介紹[J].中國(guó)環(huán)境監(jiān)測(cè),2015,31(4):146-152.
[11] 張?chǎng)?,曹蕾,韓基良.基于Python氣象數(shù)據(jù)處理與可視化分析[J].氣象災(zāi)害防御,2020,27(1):29-33.
[12] 趙奎鋒.GrADS網(wǎng)絡(luò)交互繪圖技術(shù)及應(yīng)用[J].陜西氣象,2019(3):48-50.
[13] Naghibi S A,Hashemi H,Pradhan B.APG:a novel python-based ArcGIS toolbox to generate absence-datasets for geospatial studies[J].Geoscience Frontiers,2021,12(6):101232.
[14] 謝志祥,秦耀辰,鄭智成,等.京津冀大氣污染傳輸通道城市PM2.5污染的死亡效應(yīng)評(píng)估[J].環(huán)境科學(xué)學(xué)報(bào),2019,39(3):843-852.
[15] 張順堯,陳易.基于城市微氣候測(cè)析的建筑外部空間圍合度研究——以上海市大連路總部研發(fā)集聚區(qū)國(guó)歌廣場(chǎng)為例[J].華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2016(6):1-26.
[16] 張克存,奧迎煥,屈建軍,等.巴丹吉林沙漠湖泊-沙山近地表風(fēng)沙動(dòng)力環(huán)境[J].干旱區(qū)地理,2013,36(5):790-794.
[17] 張宇.赤壁市臭氧污染特征及其前體物VOCs臭氧生成潛勢(shì)分析[D].武漢:華中科技大學(xué),2021.
[18] 阿不都克依木·熱合曼.試探阿克陶縣風(fēng)玫瑰圖的繪制[J].城市建設(shè)理論研究(電子版),2019(29):53.
[19] 曹麗娟,周玲,陳艷麗,等.風(fēng)玫瑰圖的研究與程序自動(dòng)成圖設(shè)計(jì)[J].計(jì)算機(jī)與現(xiàn)代化,2013(2):134-137,146.
[20] 陳宇罡,汪永青,李琳,等.Java、Python和Matlab混合編程及其在氣象中的應(yīng)用[J].電子世界,2017(16):15-16.
[21] 褚紅健,李佑文,俞銘.一種基于ExtJs的風(fēng)玫瑰圖繪制方法[J].江蘇科技信息,2020,37(17):46-48.
[22] 段煉,岳煉,張展碩,等.基于python的WRF模式后處理研究[J].信息技術(shù)與信息化,2020(9):50-53.
[23] 申偉強(qiáng),馬欣,李劍.C#與Matlab混合編程及其在氣象數(shù)據(jù)可視化中的應(yīng)用[J].科技創(chuàng)新導(dǎo)報(bào),2013,10(3):56-57.
[24] 周積強(qiáng),魏巍,姚肖萌,等.基于Python的三維風(fēng)場(chǎng)風(fēng)玫瑰圖繪制方法研究與應(yīng)用[J].氣象水文海洋儀器,2022,39(3):83-86.
[25] Hu Weiyang.Importance of regional PM2.5 transport and precipitation washout in heavy air pollution in the Twain-Hu Basin over Central China:Observational analysis and WRF-Chem simulation[J].Science of the Total Environment,2021,758:143710.
[26] Mazzeo A,Zhong J,Hood C,et al.Modelling the impact of national vs.local emission reduction on PM2.5 in the west Midlands,UK using WRF-CMAQ[J].Atmosphere,2022,13(3):377.
[27] Wang Q,Luo K,F(xiàn)an J R,et al.Spatial distribution and multiscale transport characteristics of PM2.5 in China[J].Aerosol and Air Quality Research,2019,19(9):1993-2007.
[28] Zhang Y L,Zhu B,Gao J H,et al.The source apportionment of primary PM2.5 in an aerosol pollution event over Beijing-Tianjin-Hebei region using WRF-chem,China[J].Aerosol and Air Quality Research,2017,17(12):2966-2980.
[29] 闕金煌.基于Anaconda環(huán)境下的Python數(shù)據(jù)分析及可視化[J].信息技術(shù)與信息化,2021(4):215-218.
【通聯(lián)編輯:謝媛媛】