1. 课程导入与仪表盘设计全景

环境数据可视化仪表盘，是把空气质量、水质、碳排放、生态遥感等分散的环境监测数据，经过清洗、聚合与指标化处理后，以图形、地图、指标卡和趋势曲线等形式集中呈现的交互式信息界面。它不只是"把数据画成图"，而是面向环境管理与决策场景，把"数据—指标—判断—行动"串成一条可读、可查、可追溯的视觉链路。理解这一点，是后续所有设计与实现工作的起点。

一、仪表盘的核心价值

环境数据本身具有多源、异构、时空相关和量纲复杂的特点。一个监测站点一天可能产生数万条分钟级记录，涵盖 PM2.5、PM10、SO₂、NO₂、O₃、CO 等污染物浓度，以及温度、湿度、风速、风向等气象参数。原始表格难以支撑快速判断，仪表盘的价值主要体现在四个层面：

• 压缩认知成本：用颜色分级、阈值线和趋势箭头替代逐行读数，让"当前是否超标"一眼可见。
• 建立时空关联：通过地图热力、站点分布与时间轴联动，把"哪里超标、何时超标"同时呈现。
• 支撑对比与归因：同比、环比、区域排名、污染物构成占比等视图，帮助定位异常来源。
• 形成可复用的决策依据：预警状态、达标率、减排进度等指标直接对接管理动作。

需要强调的是，仪表盘的价值上限取决于指标定义是否清晰。例如"空气质量优良率"必须明确统计口径：是按 AQI 日均值计算，还是按小时值计算；统计周期是自然月还是滚动 30 天。口径不清，图形越漂亮，误导越大。

二、四类典型应用场景

空气质量场景关注污染物浓度与 AQI 分级。典型视图包括国控站点地图、AQI 日历热力图、六项污染物雷达对比和重污染过程曲线。设计要点是严格遵循 AQI 分级配色（优、良、轻度、中度、重度、严重），并保证色阶与数值区间一一对应。

水质监测场景关注断面水质类别与超标因子。常用视图有断面分布图、COD/氨氮/总磷趋势线、类别占比堆叠柱。设计要点是区分"类别判定"（Ⅰ—Ⅴ类及劣Ⅴ类）与"浓度数值"两套表达，避免混用。

碳排放场景关注总量、强度与结构。典型视图包括排放总量趋势、行业构成桑基图、区域强度对比和达峰进度仪表。设计要点是明确核算边界（范围一、范围二、范围三）与单位（万吨 CO₂e），并在图注中固定说明。

生态遥感场景关注植被指数、地表温度、水体面积等栅格指标的空间分布与年际变化。常用视图为 NDVI 分级渲染图、变化检测双时相滑块对比和区域统计曲线。设计要点是标注投影坐标系、分辨率与时间窗口。

三、完整设计流程概览

一个可交付的环境仪表盘，通常经历六个阶段，且各阶段之间存在明确的反馈回路，而非单向流水线：

1. 需求与受众分析：明确使用者是值班人员、科室负责人还是对外发布，决定信息密度与刷新频率。
2. 指标与口径定义：确定指标公式、统计周期、阈值分级和数据来源表，形成指标字典。
3. 数据接入与治理：完成接口对接、缺失值与异常值处理、时空对齐和单位统一。
4. 视觉编码与布局设计：为每类指标选择合适图型，规划总览区、趋势区、明细区的层级。
5. 交互与联动实现：实现筛选、下钻、时间轴联动和预警高亮。
6. 验证与迭代：用已知异常时段回放检验判读准确性，收集使用反馈后调整。

下面的图示把上述流程与四类场景、关键交付物组织成一张全景关系图，便于在动手前建立整体框架。

四、从流程到落地：一个可执行的起点

在真正打开可视化工具之前，建议先完成一份最小可用的指标字典。以空气质量场景为例，可以按如下结构记录，示例数值仅用于说明字段填写方式，并非实测结果：

指标名称: AQI 日均值
计算公式: 依据 HJ 633 由六项污染物 IAQI 取最大值
统计周期: 自然日 00:00-24:00，至少 20 小时有效数据
阈值分级: 0-50 优 / 51-100 良 / 101-150 轻度 / 151-200 中度
          / 201-300 重度 / >300 严重
数据来源: 站点小时表 air_hourly
缺失处理: 有效小时不足 20 时标记为"数据不足"，不参与达标率统计
展示形式: 地图分级着色 + 日历热力图 + 趋势折线

这份字典一旦确定，后续的数据治理和视觉编码就有了共同依据：色阶数量由分级数量决定，趋势图的时间粒度由统计周期决定，缺失标记的显示方式也提前约定。很多仪表盘返工，根源就在于跳过这一步直接画图。

五、学习路径说明

本课程后续将沿着上述流程逐层展开：先讲指标口径与数据治理，再讲图型选择与视觉编码规范，然后进入布局、交互与预警设计，最后通过完整案例完成从原始数据到可交付仪表盘的闭环。本章的全景图可作为贯穿全程的参照——每当设计遇到取舍，回到"受众是谁、指标口径是什么、这张图要支撑什么判断"这三个问题上，往往就能找到答案。