airmosaic-ai

PM2.5 站点历史数据：单日获取与整理示例

选择来源

当前已验证路线是 Quotsoft 公开历史归档。维护者按日汇集中国环境监测总站发布的数据，提供全国站点单日 CSV，说明通常凌晨 2 点后有前一日完整文件。全国归档从 2014-05-13 起，可能缺日；它是第三方归档，不是总站官方历史 API。

本路线不需要注册、API key 或网盘登录。按日获取既有归档即可，不需要重新抓取实时平台，也不自动创建定时任务。

第一次使用：下载一天

打开来源说明，确认选择全国站点文件 china_sites，而非城市汇总 china_cities。
在成员自己的 AIRMOSAIC_ASSETS_DIR 下新建 results/<project_id>/<run_id>/03_atmospheric_transport/pm25-stations/raw/；每次使用新任务目录，保留已有文件。
打开2024-01-01 单日站点 CSV，另存为 china_sites_20240101.csv 到上述 raw 目录。其他日期替换为八位 YYYYMMDD，先核对归档范围。
检查下载成功、文件非空且不是错误 HTML。以 UTF-8 读取；Excel 使用“数据 → 从文本/CSV”，明确选 UTF-8，不直接用错误编码保存回原文件。
核对前三列 date,hour,type、其余站点编码、目标日期及实际小时标签；拒绝重复列、列数异常和重复 (date,hour,type) 行。
保存来源、取得时间、相对文件位置、字节数和 SHA-256。非秘密获取计划放 AIRMOSAIC_CONFIG_DIR/pm25-stations/，运行摘要放工作区的 results/<project_id>/<run_id>/records/<tool_id>/record.json。

程序调用使用同一个公开 HTTPS URL。本次验证使用 Python requests，一个 GET、连接超时 15 秒、读取超时 60 秒、响应上限 20 MiB、不自动跟随重定向或重试；保留 TLS 验证。HTTP 状态异常、HTML 或文件格式不符时终止，不能当成缺测值继续处理。当前没有注册下载工具 ID，不使用 run-tool pm25-station-acquisition。

第二步：只整理小时 PM2.5

精确筛选 type == "PM2.5"；PM2.5_24h 是另一平均时段，AQI 是指数，均不混入。
将每个站点列展开成长表。站号按字符串保存，保留原始 date、hour、来源、污染物、1h 平均时段及 µg/m³ 单位。
空单元格保留缺失；不补零、不插值、不截断。数值须可解析且有限，负值单独报告。没有源质量标记就不生成“已质控”标签。
检查长表唯一键 (source, station_id, date_raw, hour_raw, pollutant, averaging_period)，并核对记录数等于“所选时次 × 站点列数”。每站有效小时数按非缺失唯一时次统计。
将派生文件另存 processed/pm25_hourly_long.csv，检查原文件 SHA-256 未改变。

本来源说明未明确时区及小时标签的区间起止。先保留原标签并标记时间语义待核实，不生成 UTC 时间或日均值。站点表应有适用日期、编码、名称、城市、坐标和版本；尚未取得适用历史表时保留站号，元数据版本标为未提供，不填入当前坐标。

需要继续计算日均时，先按数据说明确认时间和质量规则。采用 GB 3095 的 20 小时门槛时，按有效唯一观测小时计数，不足的日均值置缺失并保留原因；本样例未执行日均汇总。

实测结果与时间

日期：2026-10-26；以下操作时间为北京时间（UTC+8）。

操作	时间	结果
开始单日获取	18:24:04	全国站点，数据日期 2024-01-01
文件取得	18:24:07	HTTP 200，1,888,817 字节，UTF-8 CSV
字段和小时整理检查	18:24:07	360 行、2,026 个站点列；小时 PM2.5 有 0–23 共 24 个标签
长表核对	18:24:07	48,624 条记录；39,604 条有值，9,020 条缺失；无重复观测行、无负值

360 个站点列在本日小时 PM2.5 中全部为空，不能据此判定这些站点永久停用。历史站点表关联和时间语义尚待补齐；当前只交付站号长表，不做坐标匹配或日均统计。