气象数据是在各项研究中都经常使用的数据，气象指标包括气温、风速、降水、能见度等指标，说到气象数据，最详细的气象数据是具体到气象监测站点的数据！

对于具体到监测站点的气象数据，之前我们分享过1929-2022年全球气象站点的逐年平均气温数据、逐年最高气温、逐年最低气温数据、逐年平均降水量数据、逐年平均能见度数据、逐年平均风速、逐年降雪深度数据和逐年平均海平面压力（可查看之前的文章获悉详情）。本次我们为大家继续带来具体到气象监测站点的数据——1929-2022年全球气象站点的逐年平均露点数据！

原始数据来源于美国国家海洋和大气管理局（NOAA）下设的国家环境信息中心(NCEI)，原始数据以华氏度为单位，数据格式为csv，缺失数据用9999.9表示。为了方便大家使用，我们对原始数据进行了一些处理，包括：①数据单位由华氏度转为摄氏度；②处理得到了shp和excel两种数据格式；③对于excel格式，将缺失数据表示为空值，对于shp格式，缺失值依然用9999.9表示；④基于当年所有天数的平均露点通过求平均值得到平均露点的年平均值。该数据的其他重要信息包括数据坐标为GCS_WGS_1984，以2022年为例全球有12000多个气象观测站点，具体的数据处理方式会在下文详细介绍！

以下为数据的详细信息：

01 数据预览

该数据包括shp和excel两种格式，每种格式文件里面包括1929-2022年每年的平均露点！

我们先来看一下Excel格式的数据，数据字段包括气象观测站点的编号（STATION)、气象观测站点的名称（NAME)、纬度（LATITUDE）和经度（LONGITUDE）以及每年平均露点数据（例如2022）。我们来预览一下：

接下来我们来看一下Shp格式的数据，Shp格式数据的具体属性和Excel数据相同，我们来预览一下：

02 数据来源

数据来源于美国国家海洋和大气管理局（NOAA）下设的国家环境信息中心(NCEI)，网址为：https://www.ncei.noaa.gov/data/global-summary-of-the-day/archive/，包括了1929—2022年的气象数据，大家可以自己去该网站下载原始数据！

03 数据处理说明

1.合并处理：

从NCEI网站下载到的原始csv数据，每一个csv是某个特定站点1年内所有日期的平均露点数据，按天记录，但并不全是365天，有的300多天，有的只有十几天。我们按照年份将每年涉及到的所有气象观测站点的每日平均露点数据进行合并处理，最终得到以年份命名的1929-2022年全球范围气象站点的逐日平均露点数据。

2.平均处理：

然后基于所有站点的逐日平均露点数值，我们求得每年所有天数的日平均露点数据的平均值，以此分别得到所有站点的逐年平均露点数据！

3.单位换算：

将华氏度转化为摄氏度单位，数据处理公式为摄氏度 = (华氏度 - 32°F) ÷ 1.8进行换算。

4.空值处理：

原始csv数据中的缺失值用数字9999.9表示！在处理时，Excel格式文件用空值表示数据缺失；由于Shp文件会自动把空值识别为0，为区分空值与数值中的0，Shp中仍保留数字9999.9表示数据缺失，特此说明！

5.站点数量说明：

每一年的站点数并不相同，基本是越新的年份全球气象站点数越多，2022年有12319个，早些年份的气象站点较少。有一点需要注意，对于缺失经纬度信息的站点，Excel中进行保留，其经纬度信息为空值。Shp中则将缺失经纬度信息的站点进行了删除。所以存在Excel和Shp中站点数量不一致的情况，例如2022年Shp中的站点个数为12281，Excel中的站点数量为12319。

文末下方是我们的公众号名片，我们将定期介绍各类城市数据以及数据的可视化和分析技术，有关1929-2022年全球站点的逐年平均露点数据，欢迎大家多多关注我们进行了解！