##?縣域內(nèi)aqi的直方圖
vi?<-
??aqi?%>%?
??select(`好',?`中等',?`不健康',?`危險')?%>%

ggplot(data?=?vi?)

縣級數(shù)據(jù)代表空氣污染的平均水平。來自地面站的PM2.5和AQI的點(diǎn)級測量描述了空氣污染的詳細(xì)情況和當(dāng)?shù)厍闆r。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

R語言空間可視化：繪制英國脫歐投票地圖

左右滑動查看更多

01

02

03

04

站級的PM2.5和AQI的分布如下所示。兩種分布都顯示出正偏度，AQI聚集在50附近，而PM2.5低于25。在這一年中，很少出現(xiàn)兩個變量都具有高值的站點(diǎn)。

##?＃＃AQI和PM2.5的直方圖
??pmaqi??%>%
ggplot(data)?+
??geom_histogram(aes(x?=?value),?bins?=?35)?+

ggplot(data)?+
??geom_boxplot(aes(x?=class,??y?=?value))

時間變化

每日數(shù)據(jù)記錄了2018年監(jiān)測站點(diǎn)每天的觀測時間序列，可用于探索PM2.5和AQI的趨勢。首先，針對每種數(shù)據(jù)對每種狀態(tài)下站點(diǎn)的測量值求平均。選擇了七個州的時間序列以顯示其一年中的變化，如下所示。從該圖可以看出，南部和西部各州在年初就經(jīng)歷了嚴(yán)重的空氣污染問題。趨勢曲線的高峰表明，下半年的空氣質(zhì)量均較差。

##按州和日排列
vis?<-?
??select(state,?date,?pm25,?aqi)?%>%
??group_by(state,?date)?%>%
??summarise(pm25?=?mean(pm25),?aqi?=?mean(aqi))?%>%

ggplot(data?=?vis)

為了顯示總體變化，每天匯總來自所有監(jiān)視的測量值。一年中的總體變化繪制如下。我們可以看到，AQI和PM2.5的變化趨勢顯示出相似的模式，而夏季和冬季的空氣污染更為嚴(yán)重。

##按天數(shù)計算
??select(date,?pm25,?aqi)?%>%
??group_by(date)?%>%
??summarise(?mean(pm25),?mean(aqi))?%>%
ggplot(data?=?vis)?+

空間分布

匯總了針對不同州的縣級AQI指數(shù)，以探索每個州的空氣質(zhì)量的空間變化。下圖通過漸變顏色繪制了變量良好天氣的不同平均值。該地圖顯示了各州空氣質(zhì)量良好的日子。從地圖上可以看出，北部和東部地區(qū)的空氣條件比其他州更好。

##按州匯總aqi（區(qū)域水平）。

vis?<-?
??aqi?%>%
??group_by(State)?%>%


ggplot()?+
??geom_polygon(aes(x?=?long,?y?=?lat,?group?=?group,?fill?=?good)

下面還繪制了不健康天數(shù)變量的平均值，這證實(shí)了以前的觀察結(jié)果，即東部各州的空氣條件較好。

ggplot()?+
??geom_polygon(aes(x?=?long,?y?=?lat,?group?,??fill?),??????????
??scale\_fill\_distiller

每個站點(diǎn)的站點(diǎn)級別測量值匯總為年平均值。下圖顯示了美國年平均PM2.5濃度的空間分布。綠色點(diǎn)表示較低的PM2.5濃度。西部的測站測得的PM2.5濃度較高。

##?數(shù)據(jù)的匯總
###用于pm2.5
??pmaqi?%>%
??summarise(pm25?=?mean(pm25),?aqi?=?mean(aqi),?long?=?mean(long),?lat?=?mean(lat))?%>%
ggplot()?+
??geom_polygon(aes(x?=?long,?y?=?lat,?group?=?group)

AQI可以提供更全面的空氣狀況度量。站點(diǎn)上的點(diǎn)級AQI映射如下。由于AQI考慮了許多典型污染物，因此與PM2.5的模式相比，AQI的分布顯示出不同的模式。

###aqi指數(shù)
vi<-?vi\[class?==?"aqi",?\]
ggplot(vi)?+
??geom_polygon(aes(x?=?long,?y?=?lat,?group?=?group)

結(jié)論

本報告利用了空氣污染數(shù)據(jù)和R的可視化，從時空維度探討了空氣污染的分布和格局。從數(shù)據(jù)中可以識別出PM2.5和AQI的時空變化。夏季和冬季均遇到空氣污染問題。西部和南部的州比北部和東部的州更容易遭受空氣污染問題。

本文中分析的數(shù)據(jù)分享到會員群，掃描下面二維碼即可加群！

點(diǎn)擊文末“閱讀原文”

獲取全文完整資料。

本文選自《R語言空氣污染數(shù)據(jù)的地理空間可視化和分析：顆粒物2.5（PM2.5）和空氣質(zhì)量指數(shù)（AQI）》。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

上海無印良品地理空間分布特征與選址策略可視化研究

R語言空間可視化：繪制英國脫歐投票地圖

R語言在地圖上繪制散點(diǎn)餅圖可視化?

r語言空間可視化繪制道路交通安全事故地圖

在GIS中用ggmap地理空間數(shù)據(jù)分析

tableau的騎行路線地理數(shù)據(jù)可視化

R語言推特twitter轉(zhuǎn)發(fā)可視化分析

618電商大數(shù)據(jù)分析可視化報告

用RSHINY DASHBOARD可視化美國投票記錄

python主題LDA建模和t-SNE可視化

R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報告

R語言動態(tài)圖可視化：如何、創(chuàng)建具有精美動畫的圖

Tableau 數(shù)據(jù)可視化：探索性圖形分析新生兒死亡率數(shù)據(jù)

R語言動態(tài)可視化：制作歷史全球平均溫度的累積動態(tài)折線圖動畫gif視頻圖

文章來源地址http://www.zghlxwxcb.cn/news/detail-681046.html