气象是地球系统中最基础、最连续的自然观测要素之一。大气中的温度、湿度、降水、风场等要素,以小时为粒度、以经纬网格为尺度,持续记录着地球表层环境的演变轨迹。这些看似枯燥的数值序列,实际上是人类理解气候变迁、评估极端事件、规划生产生活的最原始证据。
历史气象数据的存在,使得"过去某地某时的天气如何"这一问题可以从主观记忆转化为可量化的事实。将空间坐标与时间轴交会,在网格化数据中回溯任意位置的气象历史,本质上是打破了人类感知的时空局限——让任何人在任何时刻,都能以统一的尺度审视地球任意角落曾经发生过的自然过程。这种能力对于农业决策、灾害回溯、工程设计和学术研究而言,是不可或缺的基础信息支撑。
历史气象数据的获取与分析,遵循"定位—定段—定项—检索—解析—呈现"的六步方法论。
气象数据天然与地理位置绑定。查询的起点是明确目标地点的经纬度坐标。经度的有效范围为 -180 到 180,纬度的有效范围为 -90 到 90。坐标精度直接影响数据匹配的准确性——系统会将输入坐标匹配到最近的气象网格点上,因此输入坐标与实际目标越接近,返回的数据越能反映目标位置的真实状况。
确定一个起止日期,界定所需数据的时间跨度。起始日期不得晚于结束日期,且时间跨度通常需要控制在一定范围内。合理的时间范围既保证数据量可处理,也避免因数据量过大导致响应缓慢或超出服务限制。选择起止日期时应注意:起始日期的 00:00 到结束日期的 23:00 之间的所有逐小时数据均会被包含。
气象变量种类繁多,各有其物理含义和度量单位。常见的变量包括:近地面气温(摄氏度)、相对湿度(百分比)、降水量(毫米)、降雨量(毫米)、降雪量(厘米)、风速(千米/小时)、风向(角度)、云量(百分比)、海平面气压(百帕)和太阳短波辐射(瓦/平方米)。用户应根据分析目的筛选相关变量,避免请求无关数据造成冗余。可同时选择多个变量进行综合对比分析。
将位置坐标、时间范围、变量列表组合为标准化的请求参数。这些参数以键值对形式拼接,通过通用网络协议发送至数据服务端点。请求方式为单向获取(读取操作),服务器无需验证身份即可返回公开数据。时区参数可指定,以便返回的时间序列符合目标时区的日期划分。
服务端返回的结构化数据包含:实际匹配的网格点坐标、海拔高度、时区偏移信息,以及按时间轴排列的变量数值数组。逐小时数据以等间距时间序列呈现,每个变量对应一个等长数组,索引位置与时间数组一一对应。解析时应校验返回数据的完整性,确认时间数组长度与各变量数组长度一致。
将数值序列转化为统计图表,通过折线图展示时间趋势,通过柱状图展示周期累计量。图表应支持缩放、悬停提示等交互。同时支持将完整响应数据导出为结构化文件,供下游分析工具二次处理。
本项目在数据处理和可视化环节使用了三个构建工具提供的软件包。
图表实例的初始化与生命周期管理通过封装后的组合函数实现,核心逻辑如下:
// 初始化图表实例(来自 useECharts.ts)
chartInstance = echarts.init(chartContainer.value)
// 设置图表配置
chartInstance.setOption(option, true)
// 窗口大小变化时自适应
chartInstance.resize()
// 销毁实例释放资源
chartInstance.dispose()
图表配置采用工厂函数模式,每种图表类型对应一个生成函数,根据传入的天气数据和主题色彩动态生成配置对象。以气温趋势图为例:
// 气温折线图配置生成(来自 weatherHistoryChart.ts)
export function generateTemperatureChart(
data: WeatherApiResponse,
theme: ChartThemeColors
): EChartsOption {
const hourly = data.hourly
if (!hourly?.time || !hourly.temperature_2m) {
return {}
}
return {
xAxis: {
type: 'category',
boundaryGap: false,
data: hourly.time.map((t) => t.substring(0, 16).replace('T', ' ')),
},
yAxis: { type: 'value', name: '温度 (°C)' },
series: [{
name: '气温',
type: 'line',
data: hourly.temperature_2m,
smooth: true,
areaStyle: {
color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [
{ offset: 0, color: oklchToHex(theme.primary) + '40' },
{ offset: 1, color: oklchToHex(theme.primary) + '05' },
]),
},
}],
}
}
设计中采用了渐变色域填充(areaStyle + LinearGradient),使折线下方呈现由浓到淡的颜色过渡,增强视觉层次感。主题色彩通过 oklch 色彩空间传入后转换为十六进制格式,确保图表配色与界面主题协调一致。
核心配置:
// 日期选择器配置(来自 WeatherHistoryPage.vue script 部分)
:time-config="{ enableTimePicker: false }"
:min-date="minDate"
:max-date="endDateModel || today"
model-type="yyyy-MM-dd"
:formats="{ input: 'yyyy-MM-dd', preview: 'yyyy/MM/dd' }"
:year-first="true"
:clearable="false"
:locale="zhCN"
placeholder="选择开始日期"
关键设计要点:
enableTimePicker: false),不涉及时分秒,符合历史天气按天查询的场景。yyyy-MM-dd 格式输出日期字符串,与 API 的日期参数格式保持一致。zhCN 本地化对象实现中文界面,该对象由 date-fns 提供。// 导入中文本地化对象(来自 WeatherHistoryPage.vue)
import { zhCN } from 'date-fns/locale'
数据在系统中的流转路径如下:
toDateString 格式化,确保输出格式与 API 要求一致(yyyy-MM-dd)。输入经纬度查询历史天气数据,支持多种气象变量选择
历史天气查询工具用于获取全球任意经纬度位置在指定时间段内的历史气象数据,并以可视化图表和结构化数据两种形式呈现结果。数据来源于全球气象再分析数据集,可追溯至 1940 年,支持逐小时粒度的多变量查询。无需注册或密钥,免费使用(限非商业用途)。
| 输入项 | 类型 | 约束 |
|---|---|---|
| 经度 | 数字(小数) | -180 到 180 |
| 纬度 | 数字(小数) | -90 到 90 |
| 开始日期 | 日期(YYYY-MM-DD) | 不早于 1940-01-01,不晚于结束日期 |
| 结束日期 | 日期(YYYY-MM-DD) | 不早于开始日期,不晚于当天 |
| 气象变量 | 多选按钮 | 至少选择一项 |
第一步:输入坐标。 在"经度"和"纬度"输入框中填写目标位置的坐标值。可使用小数精度。界面会实时校验数值是否在合法范围内。示例:北京为经度 116.4、纬度 39.9。
第二步:选择日期范围。 点击开始日期和结束日期旁的日期选择器,在日历面板中分别选取起止日期。日历会限制可选范围:最早为 1940 年 1 月 1 日,最晚为当天。起始日期不能晚于结束日期。日期格式固定为 YYYY-MM-DD。如果日期范围超过 365 天或起止顺序错误,界面会显示红色提示文字,查询按钮保持禁用状态。
第三步:选择气象变量。 在变量选择区域点击需要查询的气象变量按钮。可多选,选中的按钮会高亮显示。支持的变量包括:气温、相对湿度、降水量、降雨、降雪、风速、风向、云量、海平面气压、太阳辐射。至少需要选择一项,否则查询按钮将处于禁用状态。
第四步:执行查询并查看结果。 确认参数无误后,点击"查询天气数据"按钮。查询过程中按钮显示加载动画。成功后页面展示两个区域:
查询结果可通过"下载 JSON"按钮导出为本地文件,文件名自动包含坐标和日期信息。点击"清除结果"可重置当前查询结果。
数据为网格再分析数据,非站点实测数据。 返回的数据是气象再分析模型在网格点上的模拟或融合结果,其空间分辨率约为 9 到 25 公里。系统会将您输入的坐标自动匹配到最近的网格点,因此返回坐标可能与输入坐标存在微小偏差(通常在一个网格间距以内)。该数据不适用于需要精确到街道级别的气象回溯。
单次查询最多覆盖 365 天。 界面会阻止超出此范围的请求。如需更长时间跨度的数据,请分段查询后自行合并。分段查询时注意时间衔接,避免出现日期重叠或遗漏。
调用频率存在限制。 数据源对免费用户设有请求频率上限(每分钟约 600 次,每小时约 5000 次,每日约 10000 次)。短时间内大量连续查询可能触发限流,请合理安排查询节奏。商业用途需联系数据提供方获取授权。
查询数据量取决于时间跨度和变量数量。 365 天对应约 8760 条逐小时数据记录,若同时选择多个变量,数据体积将成倍增长。大量数据的图表渲染可能需要数秒时间,请耐心等待。
早期数据的完整性和精度可能低于近期数据。 1940 年代至 1970 年代的再分析数据受当时观测手段的限制,变量覆盖面和精度均不如卫星时代(1980 年代以后)的数据。涉及较早年度的分析时,建议对结果保持审慎态度,并结合其他资料交叉验证。
请勿在查询进行中频繁切换参数或重复点击查询按钮。 每次查询会发起一次网络请求,请求完成前按钮已置灰禁用。若查询超时或长时间无响应,请检查网络连接后重新尝试。
鼠标悬停查看各省份的访问数据统计
所有评论均为匿名发布