使用实时数据预测天气

您之前创建了一张从世界各地的卫星、雷达和气象站收集的实时天气数据地图。 您已经了解到收集数据的方法和人员，但在本课程中，您将对数据进行更深入的探索，并使用您学到的知识来预测不同的时间和空间的天气。

首先，您需要查找数据趋势。 天气预报的准确性取决于对现在正在发生的模式的观察。 您将从检查温度图层开始。

之前，您对此图层进行了符号化，所以每个点都具有相同的符号。 现在，您将合并 Stations 和 Buoys 图层并更改符号系统，以便较热和较冷的温度具有不同的颜色。

随即显示更改样式窗格。

地图上的符号发生变化。 现在，越高的温度颜色越深。 默认配色方案是从浅蓝色到深蓝色，这可能并不是最佳的温度样式。

随即会出现一个窗口，其中包含符号的样式选项。

默认情况下，高值为蓝色，低值为红色。 通常，高温与红色关联，低温与蓝色关联，因此您需要反向色带。

要查看每个符号代表的温度范围，请打开图例窗格。

在示例图像中，温度看上去受纬度影响较大（您的温度可能会有所不同）。 至少在美国，最热的气温在南部，最冷的气温在北部。 然而，温度和纬度并不完全相关，并且同一纬度上的一些州有不同的温度。

您可以在全球范围内探索，了解您可以找到的其他模式。

西欧大部分地区与加拿大和美国北部处于同一纬度。 例如，伦敦与温哥华的纬度相近。 在美国很明显的纬度趋势是否仍然适用于欧洲？

虽然您的地图可能会有所不同，但欧洲在相近的纬度地区通常比美国更温暖。 为什么会这样？ 在比较两大洲时，您是否发现其他趋势？

在东亚，气象站和浮标的数量远远少于美国或欧洲。 虽然这个数据集确实覆盖全世界，但请注意覆盖范围并不均匀。 对于天气数据较少区域的预测可能不如天气数据较多的区域准确。

澳大利亚位于南半球，因此它的季节与北半球的季节不同。 例如，当美国处于夏季时，澳大利亚处于冬季，反之亦然。 季节性变化如何影响温度？

科罗拉多州位于落基山脉的边界。 该州的西半部是山区，而东半部是平原。 海拔高度对温度有明显影响吗？

放大时，可能会显示点的标注。 由于此图层最初用于显示风速，因此标注与该属性相关。 您可以通过单击图层的更多选项按钮，选择管理标注，然后取消选中标注要素来关闭标注。

接下来，您可以计算出统计数据，以了解世界各地的温度范围。

统计数据窗口随即显示。

您的数字会有所不同，但考虑到全球各地的季节和纬度变化，气温范围通常会跨越 100 华氏度。 接下来，您将定位最热和最冷的地区。

该表格的排序为首先显示最高温度。

地图会导航至所选站点，即目前世界上最热的站点。

当您按升序对行进行排序时，前几行可能没有值，这意味着站点在上次更新数据时没有记录温度。 您可能需要向下滚动直到发现最冷的温度。

接下来，请您仔细查看降雨和气压数据。 结合其他数据图层，您可预测可能在不久的将来发生降雨的地点。

首先，您需要比较当前降雨和风型来查看哪里的风可能在不久的将来导致雨云移动。 然后，您将了解压力如何影响降雨并确定处于高压和低压系统的区域。

通常，温暖的云层距离地面更近，并吸收蒸发的水分。 当它们上升时会变冷，水蒸气凝结成液滴。 这使得云变重，所以会以降雨的形式释放液滴。

在示例图像中，路易斯安那州南部和密西西比州正在发生强降雨。 风速要素的标注以千米/小时为单位指示风速。 虽然不是所有的风速箭头都指向同一个方向，但风型整体是朝向北方和东方。 如果这个风型保持不变，则亚历山大市可能很快会发生降雨。 但是要多久呢?

在示例图像中，指向东北方向、风速为 17 千米/小时的箭头距离亚历山大约 180 千米。 照此速度，降雨需要 10 多个小时的时间能够到达该城市。 此外，该地区的其他站点记录到无风、风速较低或风向更偏东。 降雨可能会通过城市的整个南部。

风不是影响降雨的唯一因素。 气压也很重要。 低压导致空气上升、冷却并凝结成雨云。 高压导致空气下降并升温。 在北半球，空气往往围绕低压系统逆时针移动，围绕高压系统顺时针移动（这种趋势在南半球则相反）。

根据您的卫星图像、降雨和风速图层，您可以预测高压和低压的位置。

请添加地图注释以追踪您的预测。

添加今天的日期很重要，因为当您的天气数据实时更新时，您的地图注释图层不会更新。

在此示例图像中，新墨西哥州中部由于缺少降雨、云层较低（深色）和大致的顺时针风向（尽管风不是以一致的顺时针方向移动）而被选为可能存在高压的区域。

在示例图像中，路易斯安那州被选为可能存在低压的区域。 它不仅有强降雨和高（白色）云层，而且风大致围绕它逆时针移动。

接下来，您将对气压图层进行符号化，以查看您的预测是否准确。

就像降雨图层一样，您将根据一个属性对这一图层进行符号化，针对不同的气压级别使用不同的颜色。

地图将使用新符号系统进行更新。 可以使用浅蓝色到深蓝色的默认配色方案，但数据在每个符号类中的分布因报告数据的方式而有所偏斜。

气压通常在 1,000 到 1,030 毫巴之间，但没有报告任何数据的站点列为 0。 您可以将数据分类更改为分位数法，该方法可将记录的气压分入不因数据集中少数异常值而偏斜的均匀群组。

您已根据现有降雨、风向和气压预测降雨。 但是影响降雨的因素还有很多，其中包括温度和湿度。

空气所能容纳的水蒸气量取决于它的温度（空气越热容纳的越多）。 当空气中的水蒸气达到其所能容纳的最大值时，它就会饱和。 水蒸气开始凝结成微小的水滴，使其脱离空气。 这种凝结会产生降雨。 当容纳大量水分的热风突然冷却时，就会出现饱和现象。

您的温度数据包含一个名为 Dew Point Temperature 的字段。 露点温度是空气冷却至饱和所必须达到的温度。 因此，露点温度是空气中水分含量的量度。 如果露点温度接近空气温度，则空气的相对湿度较高并且可能很快饱和。 露点与气温相差很大时，空气干燥。

要确定露点和气温接近的地点，您需要创建一个改变样式的 Arcade 表达式。 您不能为子图层创建 Arcade 表达式，所以必须首先添加一个新版本的原始风速和方向图层，该图层只显示站点，而不显示浮标。

一个创建 Arcade 表达式的窗口随即出现。 您创建的表达式将非常简单。 它用空气温度减去露点温度，得到两个值的差。 然后，它将确定这个差值是大于还是小于 4 华氏度。

如果差值小于 4，则接近饱和度（可能还有降雨）。 如果差值大于 4，则饱和的可能性较低。

$feature.TEMP 即添加至表达式框。 在 Arcade 表示法中，它指的是 Air Temperature 字段。

您的表达式现在用空气温度减去露点温度。 接下来，您将调整表达式以确定差值是否小于 4。

完整的表达式为 ($feature.TEMP - $feature["DEW_POINT"]) < 4。

表达式即保存完毕，并且地图会基于此表达式自动进行样式化。

地图有两种类型的符号：false（红色）和 true（蓝色）。 当气温和露点温度差大于 4 时，您创建的表达式为 false。 当差值小于 4 时为 true。 蓝点显示接近饱和的地区。

选择数字 4 是因为它很小，但是如果差值是 6 度甚至 10 度，这个区域可能仍有饱和的风险。 对于可选挑战，请在更改样式窗格中单击编辑表达式按钮。 更改表达式，以找到差值小于 6 或 10 度的值，并将结果与差值小于 4 度的值进行比较。

很难同时比较露点温差和气温，因为这些图层大多存在重叠。 另一种比较它们的方法是标注要素。 您可以使用每个点的气温标注露点温差图层。

标注要素窗格随即显示。 默认标注会显示风速。

在当前范围内，标注可能不可见。

标注即添加完毕。 但是，在默认情况下，每个温度值包括两个小数位。 添加的小数会使地图混乱，并且不会添加太多信息。 您可以创建表达式来删除小数位。

Round($feature.TEMP, 0)

此表达式可将 Air Temperature 字段舍入到 0 个小数位。

小数即从地图上的标注中移除。

在聚集了许多点的区域（例如，在示例图像中位于亚利桑那州菲尼克斯附近的区域），一些标注可能不会出现。 如果放大，您就能够看到所有标注。

飓风是大型风暴，往往在海洋上空形成。 飓风可能登陆并造成财产和生命损失，而且经常伴有强风、降雨和低压。 接下来，您将检查飓风图层，并了解飓风与其他一些数据图层之间存在的联系。

您学习本课程时在一年中所处的时间可能没有任何活跃的飓风。 如果这样，您可以跳过本节。

示例图像显示了马达加斯加附近的热带风暴 Chalane。 每个橙色点代表风暴存在的每一天所观察到的位置。

热带风暴 Chalane 起初是一个相对较弱的热带低气压，但最终成为热带风暴。 预计在接下来的几天里风暴会加大强度，可能成为飓风。

根据一年中您学习本课程的时间以及特定日期，您可能无法清楚地看到飓风图像。 如果是这样，请以 2018 年 11 月在马达加斯加沿岸的飓风 Alcide 为例，回答以下问题：

到目前为止，您所做出的天气预测一直是确定未来的天气情况。 但是，有时候预测没有数据可用区域的天气非常重要。

您的温度、压力和风速数据都来自于世界各地的气象站。 但是，没有任何一个气象站可以覆盖世界上所有地方。 您怎样了解没有气象站的地区的天气情况？ 一种方法是插值成面。 插值法是根据与已知值的接近程度估算空间中的未知值。 其基本原理是使用已知的数据来猜测未知的数据。

您需要插入已定义地理区域的温度数据，这些数据必须足够多，以保证插值的准确性，但是还应有足够的间隙，这样插值才有用。 本练习选择美国的加利福尼亚州。 首先，过滤您的 States 图层，仅显示加利福尼亚州。

过滤器窗口随即显示。 请创建一个简单的表达式，以便只显示带有州名 California 的要素。

您的表达为 STATE_NAME is California。

请导航至加利福尼亚州，这是现在 States 图层中显示的唯一的州。

加利福尼亚州南部海岸（洛杉矶和圣地亚哥所在地）和旧金山湾附近有许多站点。 通常，站点的数量往往与人口中心相对应。 但该州的东部和北部地区站点较少。 使用插值法可以估算这些区域的温度。

插值点窗格随即出现。 此窗格包含有关插值方式的选项。

您还可以决定是否要优化插值过程以提高速度或准确性。 默认情况下，该工具不会为了达到您的目的而优先考虑速度或准确性。 但是，您确实需要更改选项，以便将插值过滤到加利福尼亚州。

因为您过滤了图层以仅显示 California，所以这也会将插值表面裁剪到加利福尼亚州。

工具随即开始运行，图层将添加到地图中。 您的结果可能会与示例图像不同。

现在，您不仅已经预测了不同时间的天气，而且预测了不同空间的天气。 在本课程中，您已经了解到温度、降雨、气压和风如何共同作用创造出您所体验到的温度。 您回答了有关数据的问题，并对其进行统计分析，获得了新的见解。

您可以将本课中学习的许多概念应用于任何与天气相关的 GIS 工作流，甚至可以创建自己的工作流。 使用实时数据，您可以回答哪些本课中未提及的问题？

您可以在 Learn ArcGIS 课程库中找到更多课程。