简介splitr是面向R语言环境的大气轨迹与扩散建模工具包能够调用HYSPLIT模型完成空气团来源追溯与污染物输送模拟。它适用于大气科学、环境监测、生态学等研究领域常用于分析极端降水的水汽来源、跨区域粉尘和生物气溶胶传输以及植物病原体远距离传播等场景。压缩包共包含108个文件大小10.9MB内含R源码、Rd帮助文档、可执行程序、标准输入输出文件、R数据对象及示例图像支持在RStudio中直接加载使用并可根据实际需求修改参数。已有578人学习适合具备一定R基础、希望快速上手splitr包的研究者或学生。借助这份材料读者能够掌握模型调用流程、输出结果解析及可视化方法并可参考示例数据完成从经纬度设定、时间范围选择到轨迹批量计算的完整实验从而简化HYSPLIT复杂命令行的使用门槛提升大气传输过程分析的效率。 做大气污染源解析和气流轨迹分析的人多少都被HYSPLIT折腾过。网页版虽然能点几下就出一条后向轨迹但一旦要批量跑几十个站点、跨几个月的数据上传、等待、下载、整理这套流程就很折磨人。当年我拿到一批站点数据要做季节溯源时看到splitr这个R包发现它能把HYSPLIT模型直接在R内部调用配合管道和数据处理工具把整个分析串成流水线那个体验完全不一样。这篇博客我就围绕splitr把从安装、气象数据准备到跑出第一条轨迹、再做聚类和网格化处理的过程完整梳理一遍适合正在用R做空气质量、气团来源或者污染过程分析的读者参考。1. 为什么需要splitr从网页点击到命令行流水线1.1 原始工作流到底痛在哪里我最早用HYSPLIT是在NOAA网页上手动跑。界面逻辑其实不复杂选起止时间、选站点经纬度、选高度、选后向还是前向然后等结果画成KML或PostScript图。问题是只要分析对象超过三五个站点这套操作就要重复几十遍。网页端的结果还是图片为主想拿到逐小时经纬度坐标做二次分析得额外勾选输出文件再下载、解压、整理路径一多很快就乱了。后来有人推荐用TrajStat这类桌面插件配合GIS软件确实能批量做轨迹聚类但操作链路更长了。数据要从HYSPLIT结果文件里解析再导入GIS再做聚类每一步都在不同软件之间切换。最麻烦的是整个流程很难复现半年后想换个气象数据源重跑一遍得重新回忆当初在网页上填了什么参数点了哪些按钮。1.2 splitr的思路与设计特点splitr的核心思路很直接把HYSPLIT模型封装成一个R6对象用R函数去配置模型参数、调用模型程序、读回输出结果。这样整个分析链条都留在R环境里不用再跳去浏览器或GIS软件。气象文件路径、起始时间、起始高度、运行时长这些参数都变成代码里的参数跑完一条轨迹后结果直接是数据框格式能立刻接到dplyr、ggplot2这类工具上继续处理。它在设计上做的关键选择是保留了HYSPLIT本身的运行目录和文件结构只是替用户处理好“临时目录创建、参数卡写入、调用外部程序、解析输出文件”这一堆脏活。这样做的好处是模型行为没有黑箱化底层仍然是你熟悉的HYSPLIT但交互方式从“点按钮”变成了“写代码”只要是能写成代码的流程就能批量跑、循环跑、并行跑。1.3 可复现和自动化的价值用splitr之后我最直观的感受是整个分析的“成本重心”变了。过去花大量时间在重复点击和数据搬运上现在只需要写好脚本把站点列表、时间范围、气象数据目录作为变量传入剩下的交给循环或purrr处理。结果文件统一归档参数全在脚本里项目结束复盘或者审稿人要求补充实验时改两个参数重新执行一遍就行再也不会出现“我当时到底用的哪套气象数据”这种追问。2. 环境准备安装、模型二进制与气象数据2.1 splitr的安装与常见坑安装splitr不算复杂但第一次装时容易卡在依赖上。推荐直接用remotes从GitHub安装如果你用的是R 4.0以上版本一般能顺利编译。下面这个命令是我常用的方式install.packages(remotes) remotes::install_github(richfitz/splitr, upgrade_dependencies FALSE)我踩过的一个坑是如果系统里缺少RtoolsWindows或者编译工具链Linux/macOS原生包编译会直接报错。Windows用户建议先装好Rtools并保证它能被R调用Linux用户确认gcc、gfortran可用。装好之后用library(splitr)验证一下能看到包加载成功就可以了。需要说明的是splitr的API在不同版本之间有过调整函数名和返回结构可能略有差异。如果你看到的版本没有下面示例里的某个函数优先查看包自带的帮助文档或小插图核心逻辑是通用的。2.2 HYSPLIT可执行文件的准备splitr只是调度器真正跑轨迹计算的是HYSPLIT模型自带的可执行程序。你需要先从NOAA ARL官网把对应系统的HYSPLIT模型程序下载下来放在一个稳定的目录里然后确保这个目录在系统PATH环境变量中。这里有一个容易忽略的点不要把HYSPLIT程序放在带空格或中文的路径下否则splitr在调用时会因为路径解析问题找不到文件。我一开始图省事放在“Program Files”目录结果反复报错后来换到C:/hysplit这类简洁路径就好了。Linux环境下还要记得给可执行文件加执行权限用chmod x处理一下不然会提示权限不足。2.3 气象数据的选择与下载HYSPLIT的轨迹计算依赖气象再分析资料最常见的是GDAS数据时间分辨率和空间分辨率都能满足中小尺度分析需求。GDAS文件按月份和周拆分文件名类似gdas1.jun2023.w1代表2023年6月第一周。如果做长期气候态分析也可以用NCEP/NCAR再分析数据但文件命名方式不同。下载气象数据时我建议按分析时间范围一次性下载完整再归档不要边跑边下。NOAA的FTP目录里历史文件是有滚动删除策略的尤其是近实时数据错过时间窗口可能会发现某个周文件已经找不到。下载后把气象文件统一丢进一个目录比如met_data/后续在splitr里通过met_dir参数指定路径即可。3. 完整上手跑通一条72小时后向轨迹3.1 创建模型实例与参数解读我用一个具体例子说明。假设我们要分析北京某个监测点在2023年6月1日到达的气团过去72小时的来源采用后向轨迹模式。以splitr 0.3.x版本的典型用法为例代码大致如下library(splitr) h - hc( lat 39.9042, lon 116.4074, start_height 500, run_hours -72, met_dir met_data, met_files c(gdas1.jun2023.w1) )这里最关键的是run_hours参数。负值代表后向轨迹即从起点时间往前倒推72小时正值则代表前向轨迹用来模拟污染物释放后往哪里扩散。负号写错是新手最容易犯的错我自己的项目里就出现过把后向轨迹跑成前向轨迹的情况当时画出来的轨迹方向完全对不上站点观测排查半天才发现是符号问题。start_height表示气流起始高度单位是米。做地面污染溯源时常用10米、100米或500米因为不同高度对应的气流路径差异很大。如果做高空输送过程分析可能需要设置为1500米甚至更高。建议先做多个高度对比再决定最终用哪一层代表气团输送路径。3.2 运行轨迹模拟并理解输出创建好模型实例后用trajectory()函数运行模拟traj - h | trajectory() # 不同版本可能返回list或data.frame先确认结构 str(traj)在当前多数版本中trajectory()会返回一个数据框核心列包括经纬度lon、lat轨迹时间date起始时间偏移量hour.inc以及模拟高度height和气压pressure。逐小时一个点72小时就有73个点。如果返回的是list对象通常轨迹表在traj$traj里处理前先摸清结构。拿到轨迹数据后我最常做的第一步是检查轨迹点数量和时间序列是否连续。如果发现只有开头几个点后面全部缺失基本可以断定气象数据不完整或者时间范围没覆盖到位。3.3 轨迹出图与地图叠加splitr本身不负责画图但输出数据框直接交给ggplot2非常方便。我的常规画法是先加载地图底图再把轨迹路径叠加上去library(ggplot2) library(maps) world - map_data(world) ggplot(traj, aes(lon, lat)) geom_path(color steelblue, linewidth 1) geom_point(aes(lon, lat), size 1) geom_polygon(data world, aes(long, lat, group group), fill NA, color grey70) coord_quickmap(xlim c(70, 150), ylim c(10, 60)) theme_minimal()坐标范围可以根据研究区域调整。需要注意ggplot2新版本中size在geom_path里已经被linewidth取代如果你用的是旧版本只写size 1会报警告但通常还能出图。轨迹的date列还可以用来给路径着色展示气团在不同时间的移动速度深色代表较早时刻浅色代表接近到达时刻信息量比单线路径更大。4. 更多处理聚类、网格热力图与来源分析4.1 轨迹聚类的简化实现单条轨迹只能看个例做季节或月度统计时往往要把几十上百条轨迹分组找到主导输送路径。splitr不带聚类功能但我们可以用R原生的统计工具自己实现。思路是把每条轨迹的经纬度序列拉平成一个长向量再对所有轨迹做k-means或层次聚类。简单示例逻辑如下假设我们已经用循环或purrr跑完了多条轨迹并把它们合并成一个长表traj_all其中包含轨迹编号traj_id和逐小时序号hour_alonglibrary(dplyr) library(tidyr) traj_wide - traj_all | select(traj_id, hour_along, lat, lon) | pivot_wider(names_from hour_along, values_from c(lat, lon)) set.seed(42) km - traj_wide | select(-traj_id) | kmeans(centers 4) traj_wide$cluster - km$cluster聚类数centers的选择不要只看经验可以用手肘法先画出组内平方和随聚类数变化的曲线找拐点。聚类完成后把类别标签合并回原始轨迹表就能按类别统计每条轨迹的时间和来源方向也可以把每个聚类中心轨迹画出来做对比。4.2 网格落点统计与热力图除了聚类把大量轨迹经过的区域变成网格频率图也很常用。它的含义是“气团经过哪些区域的频次更高”相当于输送通道的可视化。实现时只要把经纬度离散化到网格再统计每个网格内的轨迹点数grid_hist - traj_all | mutate(lon_bin floor(lon / 0.5) * 0.5, lat_bin floor(lat / 0.5) * 0.5) | count(lon_bin, lat_bin) ggplot(grid_hist, aes(lon_bin, lat_bin, fill n)) geom_tile() scale_fill_viridis_c()网格大小可以根据研究范围调整0.5度网格适合区域尺度局地分析可以加密到0.1度。需要注意网格统计结果受轨迹时间分辨率影响不同模拟之间做比较时尽量保证运行小时数和气象数据源一致否则没有可比性。4.3 结合站点浓度做来源分析的思路如果手头还有监测站的污染物浓度数据可以把轨迹分析和浓度结合做潜在源贡献分析。常见做法是把每条轨迹按到达时间与站点某天浓度匹配然后将轨迹经过网格内的浓度累加或平均最终识别出高浓度对应的输送通道。这类方法网上通常叫PSCF或CWT核心其实都是“轨迹加权重”。用splitr做这部分扩展时我的建议是自己组装数据处理管线splitr负责生成轨迹和基础字段dplyr负责浓度匹配和权重计算ggplot2负责出图。这样灵活性最高也方便按不同污染物分别分析不会被某个固定工具的按钮限制住。5. 常见报错与排查技巧5.1 气象文件相关报错最典型的报错是“无法找到指定气象数据文件”或者“气象数据时间范围不够”。前者常见原因是met_dir参数写错了路径或者文件名与下载的文件不匹配。后者则多见于你要求模拟的时间已经超出了气象文件覆盖范围比如用2023年6月第一周的文件去跑6月10日以后的轨迹自然会失败。我的排查顺序是先手动检查气象文件是否存在、文件名是否正确再检查模拟起始时间是否落在文件覆盖范围内。如果是做多天批量模拟最好在脚本里先打印出每个站点的起止时间和气象文件的时间区间做一次比对尽早暴露问题。5.2 模型可执行文件的问题如果报错信息里出现类似“无法执行”“找不到命令”的提示基本可以确定是HYSPLIT程序路径没配置好。Windows用户常见的是安装路径带空格Linux用户常见的是没加执行权限。还有一个隐蔽问题如果在RStudio里测试正常但部署到服务器或定时任务里报错要检查环境变量是否一致尤其是PATH的设置。遇到这类问题先回到基础验证在系统终端里手动执行一下HYSPLIT程序的可执行文件名看能否正常启动。如果终端里都起不来那问题就不在splitr这一层。5.3 输出结果异常输出轨迹只有几个小时或经纬度全是NA通常有几种情况一是run_hours符号设置错误导致模拟方向反了二是起始高度设置太极端超出了气象数据层覆盖范围三是某段时间气象数据缺失模型强行终止只输出部分轨迹点。我建议运行完成后先统计一下轨迹点数量和预期的97个点72小时加起始点做对比。数量不对就往下追这样可以快速区分是参数问题还是数据问题。5.4 时区与命名导致的混乱HYSPLIT内部默认使用UTC时间我们在中国做分析时习惯用北京时间两者相差8小时。这个坑非常隐蔽如果你直接把当地时间当作模拟起始时间跑出来的轨迹整体偏移8个小时画图后可能看不出太大问题但一旦和浓度数据按日期匹配误差就出现了。我现在的习惯是所有时间统一在脚本开头指定为UTC在输入splitr之前先做一次时区转换输出结果时再转回本地时区。文件名也是这样严格按照yyyy-mm-dd_HH格式命名避免因为日期格式不一致导致匹配错误。建议你在代码注释里写清楚时区转换的规则方便几个月后的自己快速恢复上下文。5.5 大批量运行的性能建议当你要跑几十个站点乘以几个月的数据量时单线程跑会非常耗时。splitr本质上是逐个调用外部程序并行化思路也比较直接把“站点×日期”拆成多个任务用parallel或furrr包做并行调用。但要注意并行任务最好各用独立的工作目录避免多个HYSPLIT进程同时读写同一组临时文件造成冲突。我的实践是本地先用2到4个并行任务做小规模测试确认输出结果与单线程一致后再扩大规模。服务器部署时更要留意磁盘空间和内存占用HYSPLIT运行过程中会产生中间文件跑完后及时清理。最后再分享一点个人经验用splitr最大的价值不是省去网页点击而是让每一次分析都变成可复现的脚本任何时候重跑都能得到一致结果。我现在每个项目都会保留气象数据清单、R脚本和参数说明后续复盘特别方便。如果你正在做空气质量分析建议先拿一条轨迹完整跑通再逐步扩展到批量场景这套工作流会成为你手里很顺手的工具。本文还有配套的精品资源点击获取