从一条轨迹说起。做大气污染溯源的时候，光看单条HYSPLIT后向轨迹意义有限——某一口气团只能代表那个时刻那个高度的输送路径，没法回答“这个季节污染物主要从哪来”这种大问题。我第一次做污染气团来源分析时，以为把几十条轨迹叠在一张图上就能交差，结果图一出来自己都懵了：几百条彩色线缠成一团，根本看不出规律。后来老老实实学了后向轨迹聚类分析，才算是把“散点轨迹”变成了“可解释的输送通道”。这里把整套流程从数据准备到出图踩过的坑写出来，给要用MeteoInfo和TrajStat做轨迹聚类的朋友省点时间。
这套工具链的核心思路其实不复杂：用MeteoInfo读入气象再分析数据，用TrajStat插件对批量HYSPLIT轨迹做插值、聚类，最后把聚类结果叠加在地图上做可视化。关键是每一步都有不少“不说清楚就得自己摸半天”的细节，尤其是数据格式校验和聚类数目选择这两块。
1. 后向轨迹聚类到底在解决什么问题
1.1 单条轨迹与聚类结果的本质区别
后向轨迹模拟的是气团在过去一段时间内的移动路径。HYSPLIT模型根据气象场插值计算气团轨迹，输出每个时刻气团所在的经纬度和高度。这条轨迹本身是“个体”，而聚类分析是把大量轨迹按照空间形态的相似程度进行分组，让相似路径归为同一类，最终得到几条代表性的“平均轨迹”。
打个比方：单条轨迹像一个人上班的路线，聚类结果像整个城市居民通勤的主流走向。你关心的是城市交通整体规划，而不是某个人的具体路线。污染溯源场景里，决策者需要知道的是“这个季节气团主导来源是哪几个方向”，而不是“1月3日那天气团经过了哪里”。
1.2 实际应用场景与适用范围
聚类分析结果可以用来支撑以下几类工作：
- 污染过程成因分析：识别重污染期间气团的主要输送通道，判断是本地积累还是区域输送主导。
- 季节传输特征对比：按季节分别聚类，比较不同季节的气团来源差异，对应到沙尘、霾、臭氧等污染类型。
- 潜在源区分析的前置步骤：聚类结果可以作为条件概率函数（PSCF）和浓度权重轨迹（CWT）分析的分组依据。
- 水汽来源分析：在降水同位素研究中，聚类后的轨迹用于判断水汽来源方向。
适用对象主要是环境监测、气象科研、高校课题组里需要做溯源分析的人。不需要太深的数学基础，但要能理解聚类算法的基本逻辑，否则容易出现“聚类数设置不合理但结果照用”的问题。
2. 数据准备阶段的高频事故区：GDAS数据获取与轨迹文件生成
2.1 气象数据的选择与下载渠道
HYSPLIT模型本身不自带气象数据，需要先下载再喂给它。NOAA ARL提供全球数据同化系统（GDAS）数据，是目前最常用的驱动数据。GDAS数据主要分两类：
| 数据名称 | 空间分辨率 | 时间分辨率 | 适用场景 |
|---|---|---|---|
| GDAS1 | 1°×1° | 3小时 | 常规后向轨迹模拟，精度足够 |
| GDAS0p5 | 0.5°×0.5° | 3小时 | 局地精细化模拟，数据量大很多 |
数据从NOAA ARL的FTP站点下载，文件名格式类似gdas1.apr18.w1，代表2018年4月第1周（w1~w6，每5天一个文件，6个文件覆盖一个月）。GDAS0p5文件名是gdas0p5.20180401这种按天命名的格式。需要注意几点：
- FTP下载建议用专门的下载工具，断点续传功能很重要，GDAS1单月数据量大概2~3GB，GDAS0p5单月能到几十GB，网络不稳定时中断很常见。
- 数据要覆盖模拟时间窗口。做72小时后向轨迹，起始时间是4月18日00时，那么气象数据必须覆盖4月15日00时到4月18日00时，往前推3天，不能只下载起始日当天。
- 跨月、跨年时要把相邻月份的数据都下载完整，文件缺了模型运行会直接报错，而且报错信息不一定能立即定位到是缺数据。
2.2 用HYSPLIT生成批量轨迹文件
轨迹来源有两种路径：用NOAA READY网站在线生成，或者在本地装HYSPLIT PC版批量跑。在线版适合单次少量轨迹，本地版适合批量任务。
无论哪种方式，关键参数设定要提前想清楚：
- 起始高度：近地面污染分析一般选500m AGL（离地高度），这个高度能代表边界层内气团的整体输送特征。要做高空输送分析可以选1000m或1500m。不同高度的轨迹不能混在一起聚类，必须分开处理。
- 模拟时长：常用72小时（3天），也有做48小时或120小时的。回溯时长越长，气团来源范围越大，但轨迹误差也越大，因为长时间积分累积误差。常规污染过程分析72小时足够。
- 起始时间与频率：逐日逐时或逐日固定时刻。做季节聚类通常选择每日00时或08时（当地时间）起始，一天一条，一个季节约90条轨迹。做污染过程分析可以加密到逐小时。
生成后的轨迹文件通常是tdump格式的文本文件，里面按时间顺序记录了每个时刻的轨迹点坐标。文件头部有起始点的经纬度、起始时间、模拟时长等信息。这个文件就是下一步TrajStat要读入的对象。
2.3 一个常被忽视的格式问题
HYSPLIT在线版生成的tdump文件和第16版PC版生成的tdump文件在表头细节上略有差异。TrajStat在读取时对文件格式有一定要求，最容易出问题的是以下两点：
- 年份字段位数：某些版本的tdump文件里年份只写2位（如18），有些写4位（如2018）。TrajStat老版本读2位年份会出现日期解析错误，表现为轨迹点的时间轴错乱。
- 缺失值表示：轨迹模拟中如果某一时刻气象数据缺失，tdump文件里可能出现
-9999之类的填充值。插值前如果没有检查这些异常值，聚类结果里会出现飞到非洲的诡异轨迹。
我的习惯是拿到tdump文件先打开看几行，确认表头格式正常、数据行完整，再用脚本把异常值轨迹挑出来剔除。这一步虽然不复杂，但能省掉后面排查结果的很多麻烦。
3. MeteoInfo与TrajStat的环境配置和插值预处理
3.1 软件版本匹配问题
MeteoInfo是国产开源气象软件，由气象科研人员开发，在环境领域用得很多。TrajStat是它的一个插件，专门做轨迹分析。版本匹配是个比较容易踩坑的地方：
- MeteoInfo 1.x版本对应TrajStat插件，需要在软件内通过“插件管理”加载，菜单路径是
Tools -> TrajStat。 - MeteoInfo 2.x版本（Java版）中TrajStat的加载方式略有变化，需要确认插件包版本与主程序版本一致，否则会出现菜单项不显示的问题。
- 新版MeteoInfo（3.x以后）直接内置了部分轨迹分析功能，但很多教程还是基于1.x写的，界面路径对不上会让新手很困惑。
我自己用下来最稳妥的组合是MeteoInfo 1.4.x加配套的TrajStat插件包。这个版本资料多、稳定，遇到问题容易搜到解决方案。装好之后在MeteoInfo主界面能看到TrajStat菜单，就说明插件加载成功。
3.2 插值处理：为什么不能直接用原始轨迹聚类
HYSPLIT输出的轨迹点在时间上并不是等间隔的。在路径平直的地方，模型输出的轨迹点可能很稀疏；在气团转向或地形复杂的区域，轨迹点会很密。直接拿原始轨迹做距离计算有两个问题：
- 不等间隔的轨迹点会使得密集区域对距离计算的贡献更大，导致聚类结果偏向局部特征。
- 不同轨迹之间的对应点高度不一致，距离计算时如果包含了高度维度的差异，权重分配很难统一。
TrajStat的轨迹插值功能就是把每条轨迹重新采样到固定时间间隔。具体操作路径是Tools -> TrajStat -> Interpolate Traj，对话框中设置：
- 时间间隔：一般选1小时。模拟72小时的轨迹插值后就是73个点（含起始点）。
- 高度插值方式：可以选择固定高度或固定气压。固定高度（AGL）常用于近地面分析，固定气压用于高空分析。
插值后生成的文件会保存在你指定的输出目录，文件名通常是在原始文件名基础上加上_interp后缀。注意插值过程和聚类过程都要指定同一目录，否则后一步找不到前一步的结果文件。
3.3 插值前检查轨迹文件数量
批量插值前，我建议先确认待处理的tdump文件是否都在同一目录下，而且目录路径不要包含中文字符。MeteoInfo底层是Java写的，某些版本对中文路径的支持不好，容易在读取文件时抛出超长路径或编码异常。路径问题看起来低级，但实际遇到的人真不少，尤其是Windows环境。
还有一个问题是轨迹文件特别多的时候，插值过程会有点慢。一个季节90条轨迹、每条73个点，插值操作一般几秒钟就能跑完；如果做逐小时轨迹（比如一个月720条），内存占用会明显上升。遇到这种情况可以分批插值，最后在聚类时把多批结果一起加载，不影响后续流程。
4. 聚类数目怎么定：TSV拐点判读与物理解释校验
4.1 TrajStat聚类的算法逻辑
TrajStat提供了两种聚类算法：
- K均值（K-means）：先随机指定K个聚类中心，然后迭代优化每个轨迹到所属聚类中心的距离总和。计算速度快，但需要预先指定聚类数K。
- Ward最小方差法：这是一种层次聚类方法，每次合并两个能使类内方差增量最小的类，最终形成一个层次树。通过树状图可以直观判断聚类数目，不需要预先指定。
轨迹聚类的“距离”并不是简单的直线距离，而是两条轨迹对应轨迹点之间的空间距离（经度差、纬度差、高度差加权）的累积。TrajStat默认使用欧氏距离平方。高度差是否纳入距离计算、权重是多少，可以在设置里调整，对聚类结果有影响。
4.2 聚成几类才合适
这个问题的标准答案是“看总空间方差的变化”。TrajStat在聚类之前会先计算不同聚类数对应的总空间方差（TSV），并生成一个TSV随聚类数变化的表格和曲线图。随着聚类数K增大，TSV单调下降——因为分得越细，组内差异越小。关键是找拐点：在拐点之前增加聚类数能显著降低TSV，拐点之后增加聚类数收益很小。
实际操作中我的做法是：
- 先让TrajStat计算K=2到K=10的TSV。
- 查看TSV曲线，找到斜率从陡峭变平缓的位置。
- 把这个位置的K作为候选聚类数。
- 结合物理解释做最终判断。比如分4类时每类对应一个清晰的气团来源方向（西北、偏北、偏东、局地），分5类时其中两类路径非常接近、物理意义重叠，那就取4类。
要注意，TSV拐点有时候并不明显，尤其是气团来源本身就比较分散的情况。这时候优先保证聚类结果的物理可解释性，而不是机械地找拐点。
4.3 聚类结果文件里有什么
聚类完成后，TrajStat会输出几类文件：
- 聚类信息表：每条轨迹属于哪一类。
- 平均轨迹数据：每类轨迹的代表性路径（平均轨迹）。
- 统计汇总：各类轨迹数量、占比、平均长度等信息。
- 地图显示文件：可以在MeteoInfo中直接查看聚类轨迹的空间分布。
这些文件是后续做可视化制图的数据基础，建议在聚类前就规划好输出目录，避免后期找不到结果散落在哪里。
5. 可视化制图：把聚类结果画成发表级的轨迹图
5.1 在地图上叠加聚类轨迹
MeteoInfo提供了灵活的地图绘制功能，核心操作逻辑是图层（Layers）概念。TrajStat聚类结果会作为轨迹图层加载到地图上。基本步骤：
- 打开MeteoInfo，在工具栏选择添加底图图层（海岸线、国界、省界）。
- 在
Tools -> TrajStat菜单下加载聚类结果文件。 - 在图层属性中设置各类轨迹的颜色、线宽、透明度。
- 调整地图投影和显示范围，让轨迹覆盖区域合理显示。
常用的地图底图数据有两种来源：MeteoInfo自带的map资源库，或者外部导入Shapefile格式的边界文件。做中国区域的分析，我通常会导入省界和市界叠加，让轨迹路径和行政区划的关系一目了然。
5.2 出图细节规范
一幅能放进论文的轨迹聚类图，不只是把线画出来就行。几个关键细节：
- 颜色区分度：每类轨迹用不同颜色，注意色盲友好配色，红绿搭配尽量避免。
- 图例信息：标注各类轨迹占比，比如“类别1（32%）”。图例字号要跟图面信息匹配，不要过大或过小。
- 起止点标记：研究区域的站点位置用醒目的符号标出。
- 比例尺与指北针：MeteoInfo的制图布局中可以添加比例尺和指北针，具体在
Layout下调整。 - 导出格式：导出版本要选高分辨率位图（TIFF或PNG，300dpi以上）或矢量图（PDF或SVG），矢量图文字清晰度最好。
5.3 轨迹密度检验
老手出图之后还会做一个检查：把原始轨迹按类别分别画出来，看看聚到同一类的轨迹内部一致性如何。如果某一类内部轨迹非常发散，说明这一类本身代表的意义有限，可能需要调整聚类数或重新审视高度选择。
这个检查在MeteoInfo里操作起来很简单，就是把插值后的轨迹文件按类别筛选出来，分开加载到地图上查看。看起来很笨，但能避免聚出一类平均路径很漂亮、实际却包罗万象的“垃圾类”。
6. 实战中的报错盘查与结果解读经验
6.1 高频报错及排查链路
下面是我这几年用MeteoInfo和TrajStat实际遇到频率最高的几类问题，按排查顺序列出来：
| 现象 | 可能原因 | 排查步骤 |
|---|---|---|
| 轨迹文件加载后地图无显示 | 轨迹起点坐标超出地图范围 | 检查tdump文件头部经纬度，核对站点坐标是否写反（经度纬度顺序） |
| 插值过程报错“数据格式错误” | 文件编码或表头不符合TrajStat要求 | 用文本编辑器打开tdump文件，比对表头行数据样例 |
菜单Tools下找不到TrajStat | 插件未正确加载或版本不匹配 | 检查插件目录是否放置正确，重新启动MeteoInfo |
| 聚类结果分类数异常（所有轨迹分到一类） | 轨迹空间跨度太大，或高度权重设置不当 | 检查起始高度是否统一，尝试调整距离计算参数 |
| 出图时中文标注乱码 | 字体配置问题 | 在MeteoInfo中设置中文字体，或改用英文标注 |
排查问题有个原则：先从数据自身找原因，再从软件参数找原因。我见过不少同行遇到聚类结果异常，第一反应是软件坏了，花时间重装，最后发现是轨迹文件本身有缺失值。
6.2 结果解读的统计口径
聚类结果出来后，常规的统计分析是把每个类别的轨迹占比与观测污染物浓度做对比。做法是：
- 把污染浓度数据按时间与轨迹起始时间对齐。
- 按轨迹类别分组统计浓度均值、中位数、超标率。
- 比较各类别污染物浓度差异，结合输送路径方向给出解释。
这里要强调的是相关性不等于因果性。某类轨迹对应高浓度污染，只能说这类气团输送条件更容易造成污染积累，不能说污染就是来源地直接排出来的。严谨的表述是“该类气团对应的污染物浓度显著高于其他类别，可能存在区域输送贡献”。
6.3 季节对比的标准化流程
做季节聚类分析时，建议春（3-5月）、夏（6-8月）、秋（9-11月）、冬（12-2月）分别聚类，而不是把全年数据混在一起聚类。原因很简单：不同季节的盛行风向差异很大，混合聚类会把季节差异淹没在分类平均中，物理意义不清晰。
季节对比的图件编排建议采用四联图或2×2网格布局，同一研究站点，相同聚类设置参数，保证结果可比性。四季轨迹方向差异往往一眼就能看出规律，这也是这类图在论文里很讨喜的原因。
7. 从聚类图到完整溯源结论的最后一公里
聚类分析完成后，很多分析还会继续往前走一步，做潜在源区贡献（PSCF）或浓度权重轨迹（CWT）分析。TrajStat本身就支持这两个功能，输入聚类结果和污染物浓度序列，输出源区贡献网格图。PSCF的核心思想是统计污染轨迹经过每个网格的次数与总轨迹经过次数的比值，识别高概率源区；CWT则是用浓度值加权，能够区分高浓度来源和低浓度来源。这两张图叠加轨迹聚类结果，就是一份比较完整的污染溯源图件组合。
不过要提醒一句：PSCF和CWT的网格分辨率设置需要根据轨迹覆盖范围来确定，网格太小会导致很多网格轨迹频数很低、结果噪声很大；网格太大又会丢失空间细节。常规做法是先用较粗的网格（比如0.5°）试跑，看覆盖效果再细化。
我自己做完一整套流程之后的感受是：MeteoInfo和TrajStat这套工具链的学习曲线并不陡峭，真正花时间的是理解数据本身的特征和算法参数的含义。很多参数，比如起始高度、回溯时间、聚类数目，没有绝对正确的答案，需要你根据研究问题的物理背景去判断。多试几组参数对比结果，比死记硬背教程参数可靠得多。
最后分享一个小技巧：做完聚类出图后，把每次使用的参数记录在分析笔记里，包括数据版本、模拟时长、起始高度、插值间隔、聚类方法、聚类数目、TSV拐点截图。这个习惯在写论文方法论部分的时候会救命，因为审稿人几乎必问这些细节，到时候再回头翻操作记录就很从容。
