2. 环境数据认知与指标梳理

设计环境数据仪表盘，第一步不是选图表，而是搞清楚“数据从哪来、代表什么、能回答什么问题”。环境数据具有来源异构、时空尺度差异大、量纲与语义复杂的特点：一个监测站的小时值、一颗卫星的日过境像元、一个传感器网络的分钟级读数，背后对应完全不同的可信度、覆盖范围和业务用途。如果仪表盘把不同来源的数据混在一张图上却不加区分，读者很容易得出错误结论。因此本节围绕两条主线展开：常见环境数据源的特性与适用边界，以及关键环境指标的业务含义与可视化表达需求。

一、四类常见环境数据源及其特性

地面监测站是最权威的定点数据源，通常按国家标准布设，输出逐小时或逐分钟的污染物浓度、气象参数等。它的优势是精度高、可追溯、有质量控制体系；局限是空间代表性有限，一个城市国控站往往只有个位数，难以刻画街区级差异。在仪表盘上，监测站数据适合做“权威基准”和“超标判定”，点位图配合时间序列是最常见的组合。

卫星遥感提供面状覆盖，常见产品包括气溶胶光学厚度（AOD）、对流层NO₂柱浓度、地表温度、叶绿素a浓度等。它的优势是空间连续、可覆盖无站点区域；局限是受云遮挡、过境时间固定（如极轨卫星每日1～2次）、反演产品存在系统偏差，且柱浓度与地面浓度不是同一物理量。仪表盘使用遥感数据时，必须标注产品级别、空间分辨率和过境时刻，避免与地面小时值直接比较。

传感器网络（低成本微型站、物联网节点）提供高密度、高频次数据，适合做热点识别和趋势预警。但其漂移、交叉干扰和温湿度影响显著，未经校准的数据不宜用于合规判定。仪表盘上应明确区分“校准后”与“原始”两种口径，并给出数据完整率。

开放数据集包括政府开放平台、再分析资料（如ERA5）、排放清单、水文年鉴等。它们适合做背景分析、长周期对比和模型输入，但更新频率低、口径可能与业务系统不一致，接入时需要建立字段映射和版本记录。

二、关键环境指标的业务含义

AQI（空气质量指数）不是污染物浓度本身，而是把SO₂、NO₂、PM10、PM2.5、CO、O₃六项污染物浓度按分段线性函数折算为0～500的无量纲指数，取各项IAQI的最大值作为首要污染物判定依据。它的业务含义是“健康影响分级”，因此可视化必须使用标准六级色带（优、良、轻度、中度、重度、严重），不能随意改色，否则会破坏公众认知一致性。仪表盘上AQI适合做城市排名、日历热力图和分级占比，而不适合做精细趋势分析——因为AQI的分段折算会掩盖低浓度段的细微变化。

PM2.5是质量浓度（μg/m³），业务上关注年均值达标、日均值超标天数和重污染过程。它与AQI的关系是“浓度经分段折算后进入指数”，因此同一AQI可能对应不同污染物。可视化上，PM2.5适合连续色阶的浓度分布图、带阈值线（如35、75 μg/m³）的时间序列，以及“浓度—气象条件”的散点关系图。

COD（化学需氧量）反映水体受还原性物质污染的程度，单位mg/L，业务上按《地表水环境质量标准》分为Ⅰ～Ⅴ类及劣Ⅴ类。它的可视化需求与空气指标不同：水质关注“断面沿程变化”和“类别归属”，因此沿河断面的折线图、类别分档的堆叠条、超标断面高亮比单纯的时间序列更有业务价值。

碳通量（如NEE，净生态系统碳交换）单位常见为μmol/(m²·s)或换算为gC/(m²·d)，其关键特征是有正负号：按生态学约定，负值表示生态系统吸收碳（碳汇），正值表示排放碳（碳源）。这一符号约定必须在仪表盘图例和坐标轴标注中明确写出，否则读者会把“吸收”误读为“排放”。碳通量适合双向柱状图、日变化曲线和累积收支面积图。

三、从指标到可视化表达需求的映射

指标的业务含义决定了它“该用什么图”。判断逻辑可以归纳为三个问题：这个指标要回答的是“是否超标”“空间在哪”“变化趋势”还是“构成关系”？超标判定类指标（AQI、水质类别）需要分级色带和阈值线；空间分布类指标（遥感AOD、站点浓度）需要地图与插值面；趋势类指标（PM2.5日均值、碳通量日变化）需要时间序列；构成类指标（污染物组分、排放来源）需要堆叠或占比图。

以一个城市空气质量仪表盘为例：顶部用AQI分级色带和“优良天数比例”卡片回答达标情况；中部用站点点位图叠加PM2.5浓度色阶回答空间分布；下部用30天PM2.5时间序列加35 μg/m³阈值线回答过程变化；侧栏用首要污染物占比环形图回答构成。四类图各司其职，而不是把所有指标塞进一张折线图。

需要强调的是，指标梳理不是把字段列一遍，而是把“物理量—统计口径—业务判断—图形语法”四者对齐。例如同样是PM2.5，小时值用于污染过程分析，日均值用于达标统计，年均值用于考核评价，三者在同一仪表盘中应使用不同的聚合层级并明确标注，避免用户把小时峰值误读为日均超标。完成这一步，后续的布局、交互和告警设计才有可靠的语义基础。