太阳辐射的重要因素之一是控制O_3美元的形成,从而影响大气中各种次要物种的水平。然而,在运动环境美元PM_{2.5} $抽样,我没有工具获得实际的太阳辐射数据。自从可以计算太阳辐射主要由高度的太阳,我要找到一个方法来计算理想价值观状况干净的天空。我发现[pysolar] (http://docs.pysolar.org/en/latest/的例子)是一个潜在的工具来解决这类问题。通过简单地定义位置(经度、纬度),日期时间,太阳辐射的单位可以生成W / m ^ 2美元。>然而,这里的输出结果似乎是奇怪的。使用Python 3.4——这是一个例子:#指出包只能在Python 3.4中实现从pysolar环境。太阳能进口*进口datetime #定义位置(中国,北京)纬度,经度= 39.9075、116.39723 #太阳辐射产生的时间序列数据集开始= datetime。datetime (2018 1 1 8 0, 0, 0, tzinfo = datetime.timezone.utc) solar_data =[]我的范围(0,24 * 90,1):# 24小时x 90天日期=开始+ pd.to_timedelta (1,“H”) altitude_deg = get_altitude(纬度、经度、日期)solar_data.append(辐射。get_radiation_direct(日期、altitude_deg)) solar_ = pd.Dataframe ([]) solar_['值]= solar_data #策划# #策划之前,我发现有很多辐射大于10 e5极端值。我不知道他们出现的原因,以及如何删除这些数据条件。 solar_.loc[solar_.value>5000, 'value'] = np.nan plt.plot(solar_.value) [![enter image description here][1]][1] The result seems to be incorrect. In my opinion, the solar radiation should present a clear diurnal pattern with seasonal heterogeneity. How to explain the bizarre results? Or is there any better solution for the solar radiation data if the monitoring equipment is unavailable. Any comments or suggestions would be appreciated. [1]: https://i.stack.imgur.com/C63Xq.png