台风数据采集全攻略：从数据源到实操落地

台风数据采集是很多项目的基础——不管是做台风路径可视化、灾害预警系统，还是气象数据分析，都离不开精准、高效的台风数据支撑。最近刚好做了相关需求，整理了一套完整的台风数据采集方案，涵盖权威数据源、实操方法，话不多说，直接上干货！

在开始采集前，先理清核心需求，避免做无用功。台风数据的核心维度主要分为3类，覆盖从实时监测到历史回溯的全场景：

• 基础信息：台风名称（中文名+英文名）、编号、生成时间、生成海域、强度等级（热带低压、热带风暴、强热带风暴等）；
• 动态数据：实时位置（经纬度）、移动方向、移动速度、中心气压、最大风速、风圈半径；
• 延伸数据：历史路径、未来预报路径（多时段预测）、影响区域、卫星云图关联数据。

根据需求选择采集维度，比如做实时预警，重点抓动态数据；做历史分析，重点采集历史路径和基础信息。

数据的准确性是核心，优先选择官方机构或权威平台的数据源，避免使用非正规渠道的数据（易出错、易失效）。整理了5个常用且免费的数据源，各有侧重，按需选择：

中国气象局（最权威，国内台风首选）

中国气象局是国内台风监测的核心机构，不仅提供实时台风数据，还有完整的历史数据归档，同时涵盖多源观测设备（风云卫星、天气雷达、北斗探空等）的协同观测数据，数据可信度拉满。

• 核心数据：实时台风动态、历史路径、强度变化、卫星云图、雷达观测数据；
• 获取方式：① 网页爬取（中央气象台台风网：http://typhoon.nmc.cn/web.html）；② 官方API（需申请密钥，适合批量采集）；
• 优势：数据全面、更新及时（每1-3小时更新一次），覆盖西北太平洋及南海区域台风；

 

爬取中央气象台台风网（无API限制，适合批量采集）

中央气象台台风网没有公开API，但网页数据结构清晰，可通过爬虫解析获取实时台风和历史路径数据，适合需要大量数据且不想受API调用限制的场景。

代码示例（爬取当前台风列表及实时信息）：

import requests
import re
import json
import pandas as pd
import time

# 1. 配置请求头（模拟浏览器，避免被反爬）
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36"
}

# 2. 获取当前台风列表
def get_current_typhoon_list():
    t = int(round(time.time() * 1000))  # 13位时间戳（网页动态加载需要）
    url = f"http://typhoon.nmc.cn/weatherservice/typhoon/jsons/list_default?t={t}&callback=typhoon_jsons_list_default"
    response = requests.get(url, headers=headers, verify=False)
    # 解析JSON数据（处理网页回调格式）
    data_str = re.match(".*?({.*}).*", response.text, re.S).group(1)
    data = json.loads(data_str)
    typhoon_list = data["typhoonList"]
    # 筛选当前活跃的台风（state为start）
    active_typhoon = []
    for typhoon in typhoon_list:
        if typhoon[7] == "start":  # state字段，start表示活跃，stop表示结束
            item = {
                "台风ID": typhoon[0],
                "英文名": typhoon[1],
                "中文名": typhoon[2],
                "编号": typhoon[4],
                "名字含义": typhoon[6]
            }
            active_typhoon.append(item)
    return active_typhoon

# 3. 获取单个台风的实时动态和路径数据
def get_typhoon_detail(typhoon_id):
    t = int(round(time.time() * 1000))
    url = f"http://typhoon.nmc.cn/weatherservice/typhoon/jsons/view_{typhoon_id}?t={t}&callback=typhoon_jsons_view_{typhoon_id}"
    response = requests.get(url, headers=headers, verify=False)
    data_str = re.match(".*?({.*}).*", response.text, re.S).group(1)
    data = json.loads(data_str)
    typhoon_data = data["typhoon"]
    # 解析实时动态
    detail = {
        "台风ID": typhoon_id,
        "当前状态": typhoon_data[3],
        "中心经度": typhoon_data[8][-1][4],
        "中心纬度": typhoon_data[8][-1][5],
        "中心气压": typhoon_data[8][-1][6],
        "最大风速": typhoon_data[8][-1][7],
        "更新时间": typhoon_data[8][-1][1]
    }
    return detail

# 4. 批量采集并保存
if __name__ == "__main__":
    active_typhoons = get_current_typhoon_list()
    if active_typhoons:
        all_detail = []
        for typhoon in active_typhoons:
            detail = get_typhoon_detail(typhoon["台风ID"])
            # 合并基础信息和详细信息
            all_detail.append({**typhoon, **detail})
            time.sleep(1)  # 延迟1秒，避免反爬
        # 保存数据
        df = pd.DataFrame(all_detail)
        df.to_csv("中央气象台台风实时数据.csv", index=False, encoding="utf-8-sig")
        print(f"共采集到{len(all_detail)}个活跃台风数据，已保存")
    else:
        print("当前无活跃台风")

　　

数据处理与避坑指南

1. 数据清洗（必做步骤）

采集到的原始数据可能存在缺失值、格式不一致、异常值等问题，需进行清洗：

• 缺失值处理：中心气压、风速等关键字段缺失时，可通过相邻时间点数据插值补充，或剔除无效数据；
• 格式统一：将经纬度、风速、气压等单位统一（如风速统一为m/s，气压统一为hPa）；
• 异常值过滤：根据物理约束筛选异常数据，如台风移动速度不超过100km/h，中心气压与最大风速满足特定关联关系。

2. 避坑要点（新手必看）

• 反爬问题：爬取网页时，一定要添加请求头（User-Agent），控制爬取频率，避免短时间内大量请求；
• API密钥：使用和风天气、NOAA等API时，妥善保管密钥，避免泄露，免费版注意调用频率限制；
• 数据更新：台风数据实时变化，需定时采集（如每1-3小时），确保数据时效性；
• 数据版权：官方数据源的台风数据可用于非商业用途，商业项目需提前联系相关机构获取授权；
• 多源校验：单一数据源可能存在误差，可结合多个权威数据源（如中国气象局+和风天气）交叉校验，提高数据准确性。

3. 数据保存与可视化

• 保存方式：少量数据可保存为CSV/Excel，大量数据（如历史数据）建议保存到MySQL、MongoDB等数据库；
• 可视化：采集完成后，可使用Matplotlib、ECharts等工具绘制台风路径图、强度变化曲线，更直观地展示数据（后续会单独写一篇台风数据可视化教程）。

总结

台风数据采集的核心是“选对数据源+用对方法”：新手优先用和风天气API，简单高效；需要大量数据或定制化采集，用爬虫爬取中央气象台台风网；

另外，随着气象观测技术的发展，多源协同观测（卫星+雷达+无人机+探空）的数据越来越丰富，合理结合这些数据，能让台风监测和分析更精准。