太阳辐射是控制$O_3$形成的重要因素之一,从而影响大气中各种次生物种的水平。
然而,在环境$PM_{2.5}$采样活动中,我没有仪器来获取实际的太阳辐射数据。由于太阳辐射主要可以通过太阳的高度程度来计算,所以我开始寻找一种在洁净天空条件下计算理想值的方法。
我发现pysolar是解决这类问题的潜在工具。通过简单地定义位置(Lon, Lat)和日期时间,就可以生成以$W/m^2$为单位的太阳辐射。
但是,这里的输出结果似乎很奇怪。
下面是一个使用Python 3.4的例子:
#注意,该包只能在pysolar的Python 3.4环境中实现。solar import * import datetime # define the location (Beijing, China) lat, lon = 39.9075, 116.39723 #生成太阳辐射的时间序列数据集start = datetime。datetime(2018, 1,1,8,0,0,0, 0,0, tzinfo=datetime.timezone.utc) solar_data = [] for i in range(0,24*90,1): # 24小时x 90天date = start + pd.to_timedelta(1,'H') altitude_deg = get_height (latat, lon, date) solar_data.append(辐射。get_radiation_direct(date, altitude_deg)) solar_ = pd.Dataframe([]) solar_['value] = solar_data #绘图##绘图之前,我发现有很多辐射大于10e5的极端值。我不知道它们出现的原因,以及如何根据条件删除这些数据。solar_.loc [solar_。值>5000,' Value '] = np。南plt.plot (solar_.value)
这个结果似乎不正确。我认为,太阳辐射应该呈现出明显的日变化规律,并具有季节异质性。
如何解释这些奇怪的结果呢?或者在没有监测设备的情况下,太阳辐射数据是否有更好的解决方案?
任何意见或建议都将不胜感激。