之前给大家分享过一份月度的中国各省市区县地表黑碳质量浓度的卫星反演数据：
1980年1月～2024年12月各省市区县地表黑碳质量浓度：https://rstata.duanshu.com/#/course/4b98b3c5edc94d6691da3b65b6896fec
因为数据源是月度，所以没办法将这份数据直接处理成日度数据。如何得到日度地表黑碳质量浓度数据呢？我在 NASA 里面找到了一份小时的卫星反演的数据：https://disc.gsfc.nasa.gov/datasets/M2T1NXAER_5.12.4/summary。
同样，我从中选取了以下几个比较常用的指标进行处理：
- 地表PM2.5质量浓度
- 地表SO4质量浓度
- 地表SO2质量浓度
- 地表有机碳质量浓度
- 地表黑碳质量浓度
- 地表粉尘质量浓度
- 地表二甲硫醚质量浓度
处理方法类似之前介绍的逆温数据处理：
逆温数据是如何处理的？使用 R 语言完成整个过程：https://rstata.duanshu.com/#/course/55b47a7a83124138b918e7475f4141d9
就是先从 NASA 下载 nc 格式的数据，使用 R 语言读取为栅格数据再分区域平均得到各省市区县的平均质量浓度。感兴趣的小伙伴可以学习逆温数据处理的课程，另外最近如果有时间的话也会推出专题课程讲解该数据的处理。
由于每个指标的处理都非常耗费时间（日度数据需要处理上万个文件），因此这次先处理地表黑碳质量浓度指标。
黑碳，是含碳物质（主要是石油、煤、木炭、树木等）不完全燃烧发生热解的产物。黑碳对气候变暖具有较强的影响，其致暖效应大约是头号温室气体二氧化碳的三分之二，跃居甲烷之前。
由于日度数据的栅格数据文件太多了，所以这一次没有准备栅格数据。
另外就是为了让大家了解推文中的图片是如何绘制的，附件中为大家保留了绘制这些图表的 R 语言代码和相关数据。详细绘制方法可以学习课程：
使用 R 语言绘制中国夜间灯光地图：https://rstata.duanshu.com/#/course/a430bddc4100426fb4dfeeec38c994d9
数据概览
为了方便大家使用，我把数据汇总成了中国各省份、各城市、各区县的地表黑碳质量浓度面板数据。数据预览如下：
- 1980年1月1日~2024年12月31日各省份地表黑碳质量浓度日度数据(微克每立方米)
- 2024年各城市地表黑碳质量浓度日度数据(微克每立方米)
- 2024年各区县地表黑碳质量浓度日度数据(微克每立方米)_第一部分
绘图展示
中国各省黑碳浓度日度面板数据
对中国范围的栅格数据数据分省份（使用 2021 年行政区划数据）裁剪汇总即可得到各省的面板数据（1980年1月1日～2024年12月31日），下图展示了 2024 年中国各省的年均黑碳浓度分布（从日度数据平均得到，单位：微克/立方米）：
中国各市黑碳浓度日度面板数据
对中国范围的栅格数据数据分城市（使用 2021 年行政区划数据）裁剪汇总即可得到各市的面板数据（1980年1月1日～2024年12月31日），下图展示了 2024 年中国各市的年均黑碳浓度分布（从日度数据平均得到，单位：微克/立方米）：
中国各区县黑碳浓度日度面板数据
对中国范围的栅格数据数据分区县（使用 2021 年行政区划数据）裁剪汇总即可得到各区县的面板数据（1980年1月1日～2024年12月31日），下图展示了 2024 年中国各区县的年均黑碳浓度分布（从日度数据平均得到，单位：微克/立方米）：
中国历年的年均黑碳浓度变化
我们还可以直接计算全国历年的年均黑碳浓度变化：
处理方法
这份数据的处理类似之前介绍的逆温数据，所以可以参考那个课程学习，另外最近如果有时间的话也会推出专题课程讲解该数据的处理。
逆温数据是如何处理的？使用 R 语言完成整个过程：https://rstata.duanshu.com/#/course/55b47a7a83124138b918e7475f4141d9
点击这里跳转到 RStata 短书平台获取附件：旧版本｜1980年1月1日～2024年12月31日中国各省市区县地表黑碳质量浓度
评论