在研究水质变化时，了解污染物从一个地点向另一个地点的传递过程至关重要。这不仅有助于我们追踪污染物的源头，还能为污染控制措施提供指导。 以下是在同一条河流、不同点位的氨氮变化趋势图，可以明显看出污染物的传递关系，那么如何简单快捷的计算出传递时间呢？今天，我们将探讨如何利用滞后相关性来计算水质站点之间的污染传递时间。 滞后相关性的概念滞后相关性（Lagged Correlation） 是一种统计

概述在水质分析过程中，污染溯源是无法绕开的部分，当一个在线设备表现出污染特征时，我们往往希望快速知道是什么原因造成的。日常数据分析往往利用在设备、水文网络基础上，往上溯源，逐一找到相关的站点或者排污口，从而判断出污染来源，这种方式适用于点源或者上游有在线监测的断面，这种方法虽然有效，但效率低下，那么如何将其自动化呢？ 为了实现高效的水质污染溯源，首要任务是建立一个详细的河流与在线监测设备的数字

随着互联网技术的发展，地理信息系统（GIS）的应用越来越广泛，尤其是在地图服务领域。不同的应用和服务可能使用不同的地理坐标系，这导致了数据互操作性的问题。因此，了解并掌握不同坐标系之间的转换方法对于GIS开发者来说至关重要。本文将介绍几种常见的地理坐标系，并通过QGIS软件中的GeoHey Toolbox插件来演示如何进行坐标系之间的转换。 常用地理坐标系介绍1. WGS 84 (Worl

要计算各行政区划中的河流长度，需要用到 GIS 矢量分析，对于这类计算，QGIS 丰富的工具库可以轻松实现。 数据准备及工具图层： 水系图层：包含河流的线图层，属性表包括流域、河流等级等。 行政区划图层：包含行政边界的多边形图层。属性表包括镇街名称，编码等。注意图层坐标系应用投影坐标系，如果是地理坐标系，利用 QGIS 的 重投影图层 工具进行转换。 工具：QGIS 3.34 矢量分析在矢

在使用 PyCharm 或其他 Python 开发环境时，选择合适的 Python 解释器对于项目的开发非常重要。关系到包的管理，项目文件的大小。本文分析几种常见 Python 环境管理工具（venv、conda、pipenv、poetry env）的优缺点。 经过对比尝试后，个人比较推荐用 conda 环境作为学习研究，他自带数据分析相关的包，但过于臃肿，建议用 venv 作为实际项目环境

在数据分析中，表格是最常用的展现形式之一，但普通的表格往往缺乏视觉吸引力，导致数据的可读性和理解性较差。plottable 是一个专门为 Matplotlib 设计的表格美化库，操作简便，能够轻松实现丰富的颜色渐变、行距调整等。最近，我尝试使用 plottable 制作水质站点的实时数据看板，记录整个操作过程如下。 结果预览普通表格展现Plottable 美化后 我只是做了简单的颜色渐变，行距

微软的Windows 11曾推出过内置安卓子系统，但“微软大刀”岂是浪得虚名，今年上半年宣布后续将放弃更新。可能是缺乏盈利模式，毕竟在 Windows 系统中运行虚拟机就能够实现相同的效果。最近发现一个超级厉害的类虚拟机应用，就是电脑端 QQ 浏览器的手机模式。 QQ 浏览器更新至 13.1，就会有手机模式。点击浏览器侧边栏图标就可以进入。 首次进入会加载应用宝及虚拟机环境，在 win 11

元数据 [!abstract] 掌控习惯：如何养成好习惯并戒除坏习惯（《原子习惯》中文版）（新版） 书名： 掌控习惯：如何养成好习惯并戒除坏习惯（《原子习惯》中文版）（新版） 作者： 詹姆斯·克利尔 简介： 《掌控习惯》是一部系统且深入教授人们如何养成好习惯、戒除坏习惯的行动指南书。为什么“习惯改变命运”？因为个人 40%～50%的行为取决于无意识的习惯。而形成习惯需要 4 步：提示→渴求

前言随着城市化进程的加快，城市水体污染问题日益突出。在众多污染源中，降雨带来的径流被认为是城市水体污染的一个重要因素。本文以 2023 年 1 月至 2024 年 9 月期间某站点的降雨数据及其关联的污染物数据为基础，探讨降雨情形下污染物的变化规律。以高锰酸盐指数、氨氮和总磷作为主要污染物指标，通过对这些指标在不同降雨事件中的表现进行分析，以期为城市水污染治理提供参考。 分析方法为了更好地理解

引言Python in Excel 出来很久了，但是平常用得比较少，最近遇到一个需求：根据第一列相同的序号将第二列（内容）对应的内容拼接在一起，用逗号连接，返回新的数据集。这种需求单独用 Excel 自带的合并功能是难以实现的。于是我想到了 python。记录一下处理过程，以此提醒还有这样一个强大的工具。 目的根据第一列相同的序号将第二列（内容）对应的内容拼接在一起，用逗号连接，返回新的数据集