李昦1. 数据集背景与价值解析
2014-2025年全国监测站点的空气质量数据集，是一份覆盖中国大陆所有省级行政区的环境监测基础数据。作为环境科学研究和政策制定的基石数据，它完整记录了PM2.5、PM10、SO₂等15项关键指标的小时级监测值，经严格质控后汇总为年度统计数据。
这个数据集的核心价值体现在三个维度：
- 时空连续性：跨越12年的监测周期，完整呈现"大气十条"（2013）和"蓝天保卫战"（2018）等环保政策实施前后的空气质量变迁
- 地理全覆盖：包含全国2000+个国控站点的经纬度坐标，支持GIS空间分析与区域对比研究
- 多指标协同：不仅包含常规六参数（PM2.5/PM10/SO₂/NO₂/CO/O₃），还涵盖能见度、AQI等衍生指标，满足复合型研究需求
提示：该数据集中的CO浓度单位为mg/m³（而非ppm），使用时需注意单位换算，特别是进行国际研究对比时
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据文件结构与技术规格
2.1 Excel数据表架构
主数据文件采用多层嵌套结构：
code复制年度文件夹/
├── 省级子文件夹/
│ ├── 站点级数据表（按指标分sheet）
│ │ ├── PM2.5_日均值
│ │ ├── O₃_8h滑动平均
│ │ └── ...
│ └── 省级汇总表（含各站点年统计值）
└── 全国总表（按省份聚合）
每个站点数据表包含：
- 时间字段（日期型）
- 24小时浓度值（浮点型）
- 质量控制标记（整型，1=有效，2=可疑，9=缺失）
2.2 Shapefile地理数据构成
空间数据采用WGS84坐标系（EPSG:4326），包含以下关键图层：
- 监测站点点位（Point Geometry）
- 属性字段：站点编码、名称、海拔高度、所属流域
- 省级行政区划（Polygon Geometry）
- 属性字段：省名、GDP总量、人口密度（2010年普查数据）
- 重点污染源缓冲区（Buffer Zone）
- 以火电厂、钢铁厂为中心生成5km半径缓冲区
3. 典型应用场景与案例
3.1 科研论文中的数据处理流程
以《长三角PM2.5传输通道识别》为例，典型分析步骤：
- 数据清洗：剔除质量控制标记为2/9的记录，对连续缺失采用三次样条插值
- 时空聚合：计算各站点年均值，使用反距离加权（IDW）生成1km×1km栅格面
- 趋势检验：应用Mann-Kendall方法检测2014-2022年浓度变化显著性
- 空间自相关：通过Moran's I指数分析污染聚集特征
3.2 政府环境管理应用
某省生态环境厅使用该数据实现的三大功能：
- 污染日历：基于O₃和PM2.5的协同变化，识别复合污染高发时段
- 源解析支持：结合HYSPLIT后向轨迹模型，量化跨区域传输贡献率
- 减排评估：对比"十三五"前后重点行业周边站点SO₂降幅
4. 数据处理实战技巧
4.1 Excel批量处理方案
针对多年度、多省份数据的自动化处理方法：
python复制import pandas as pd
from pathlib import Path
# 构建文件路径矩阵
base_path = Path("空气质量数据")
province_folders = [f for f in base_path.iterdir() if f.is_dir()]
# 多线程读取Excel
def process_province(folder):
dfs = []
for year_file in folder.glob("*.xlsx"):
df = pd.read_excel(year_file, sheet_name="PM2.5")
df['省份'] = folder.name
dfs.append(df)
return pd.concat(dfs)
# 使用concurrent加速处理
from concurrent.futures import ThreadPoolExecutor
with ThreadPoolExecutor(max_workers=8) as executor:
results = list(executor.map(process_province, province_folders))
final_df = pd.concat(results)
4.2 GIS空间分析要点
在QGIS中实现站点影响范围分析的步骤：
- 核密度估计：
- 使用Processing Toolbox中的"Kernel Density Estimation"工具
- 参数设置：搜索半径50km，输出分辨率1000m
- 等值线生成：
- 对密度栅格执行"Contour"操作
- 间隔设为5μg/m³，提取关键浓度带
- 空间叠加：
- 将等值线与工业企业分布图进行Intersection分析
- 计算各污染带内的企业数量/类型分布
5. 数据质量注意事项
5.1 常见数据异常类型
- 仪器漂移：表现为连续30天以上同小时数值波动＜1μg/m³
- 传输干扰：站点周边施工导致PM10突增但PM2.5未同步变化
- 气象影响：降雨天气导致SO₂湿沉降形成数据低谷
5.2 质量控制实操建议
- 跨站校验：对相邻站点（间距＜50km）的同期数据做Pearson相关性分析，R²＜0.6时触发复核
- 时间序列诊断：使用STL分解检测季节性和异常值
- 物料平衡验证：对比SO₂与NOx变化比例，判断脱硫设施运行状况
我在处理2018年华北平原数据时，曾发现某站点冬季PM2.5数据系统性偏低。后经核查是该站点加热装置故障导致采样体积虚增，这类问题需要通过对比同期气象数据和周边站点趋势才能识别。建议在分析前先绘制各站点年际变化曲线，观察是否存在明显偏离群体趋势的异常点。