上一篇和大家分享了《可视化之Berkeley Earth》，这次看一看下面这个网站---aqicn.org。先做一个提示：文末有惊喜~

      该网站在中国有一定的权威性，PM2.5数据有一点敏感，它竟能提供全球级别，实时的，详尽的AQI数据，以及每个站点的经纬度(精度在十米内)，它的口号“provide information as clean as the air one wish to have”——提供的每一份数据，如同每个人所期望的空气那样干净。

      但该网站又有一点神秘感，没有过多的自我介绍，服务器IP来自美国，团队成员主要在北京，能够获取全球这么详细的数据，总感觉背后有很多不能说的秘密，网上只找到一篇《MY FAVORITE POLLUTION WEBSITE: AQICN.ORG》，感兴趣的可以读一下。

      去年底抓取它的PM25实时数据，但觉得这是老外的良心网站，如果把URL和网站名称曝光，有被墙的隐患，所以没有透露。最近发现它竟然推出了json api的服务，生意越做越大，那今天老夫就“好事做到底”，揭底该网站四个未公开的，却是最重量级的服务。

1AQI Map

      这是bounds查询的url：

https://api.waqi.info/mapq/bounds/?bounds={RECTANGLE}&inc=placeholders&k={KEY}&_={DATE}

      官网API里仅开发了经纬度的点查询，但它自己使用是bounds面查询，另一个比较坑的是DATE参数，我自己验证是无效的，所以该API无法做到对历史数据的查询，当然，这也可以理解，毕竟每个站点数据更新时间不一，比如中亚可能好几个月才更新一次。因为之前的PM文章详细介绍过这部分，不再重复。

2AQI Forecast

      如上是城市的天气预报服务，对应的数据url如下：

https://api.waqi.info/api/feed/@{cityid}/obs.en.json

      其中@参数是City编码，比如北京对应的id是1451。返回JSON对象如下：

      不难理解，简单说一下框选的内容，city是该城市的内容,nearest是该城市范围内的气象站点，都有geo属性，提供对应的经纬度，误差在百米内。Iaqi留到下面说，先说相对简单的—forecast属性。顾名思义，也就是气象预报的内容，包括aqi和wind两部分。

      先看上图对应表格中的AQI数值，每一项对应该时间点AQI的最大最小值。再看下图wind属性：

      这个就不那么直观了，大家能看出对应关系吗？我看了一个多小时，没看出来，只好调试源码：三小时(采用UTC时间)为一时间段，对应三组数据，如上图，c是气温，获取气温的最大值和最小值，w[0],w[1]对应当前时段风速的最小最大值，w[2]是以正南为起始点，顺时针方向的旋转角度，表示风向，蓝色是风速的柱状图效果。这样看上去就很明白了吧。事后让同事看对应关系，他竟然很快就“蒙“对了。

3AQI Current

      实时天气数据和forecast都在一个json对象中，对应iaqi属性，如下图所示，正好有11项，分别对应PM25，PM10等十一个指标。

      对应的PM25属性如下：

      p标志该指标名称为pm2.5，v中保存的是最近48小时内的极值和当前值，i是该数据的提供方。iaqi[0].h[2]下面的一堆乱码是什么，猜测应该是每个小时的PM25数值，用于显示左侧柱状图，可肉眼看不出其中的数值映射关系，这时候就需要用心眼了---调试，原来Decode代码如下：

      我很好奇这段代码的出处，因为之前看高德地图中矢量瓦片中也采用了类似的解密方式，有了解的请告诉我，再次感谢。最终该函数将乱码decode为48个PM值。

4Forecast Map

      当你在网页上看到该动态图时，假设你要实现这个效果，所需要的数据格式，用Canvas 2D还是WebGL，以及流畅度和交互式操作？

      首先，每一个城市有自己的配置文件，应该是JSP动态网页来获取的，比如New York的配置信息如下：

      如上请求的是pm25数据，model是ncep-aqm。根据这些参数，我们能够获取如下的url

https://forecast.waqi.info/forecast/aqi/ncep-aqm/best/pm25/conf.json

      其对应的json信息如下：

      如上也比较容易理解，其中size指该区域的像素宽高，bounds为经纬度范围，其中在usepa字段下有8.png（图片）和jsmap（二进制）这两种形式，可以简单的认为是PM25的范围分段。两者思路相同，网站使用的是jsmap这种形式。

      如上，从lut可知pm25值分为17份，范围是0~500。将lut的17个区间归类到domain中，domain[i]对应range[i]份。无论是jsmap还是png，规范都一致（png更精细一些）。不同的是files，png对应的是图片的相对路径，效果如下。而jsmap是二进制流形式

      代码中会给出一个色带"#ffffff", "#5ec569", "#b2d744","#f2c500", "#fe8d00", "#fa0067"]，等分为17份，形成渐变色，然后根据jsmap对应的lut构造出一个level-color的分段映射表。保存在this.stream.colors.lut属性中。

      创建好了颜色表，接着就会请求对应时段的数据，url如下：

https://forecast.waqi.info/forecast/aqi/ncep-aqm/best/pm25/jsmap/stream.jsmap

      对该数据进行解码后参与canvas的渲染，解码的算法和上面的decode相似，最终会解析为一个点串points，里面有v,x,y,n四个分量，分别是pm25值对应颜色表中的value值，xy是对应该区域的像素偏移量，n标识该值连续的次数。这样，建立了最终的value-level-color的完整映射关系，通过canvas 2d完整动态渲染的整个过程。

5其他

      在技术角度，把AQICN分解的差不多了，不知道大家有什么收获，因为篇幅太长，所以本篇就到此结束吧。如果有不对的地方或疑问，不妨留言交流。

      下一篇会介绍earth.nullschool这个可视化效果很棒的网站，然后会再来一篇个人对这三个网站的对比和分析，把一些个人的想法拿出来和大家分享。

      今天就写到这，在公众号中回复“AQICN”，不区分大小写，可以获取本文的Demo。

可视化之AQICN