Grasshopper 气象数据可视化
前述
由于某只北山在之前参加了深圳绿色建筑设计竞赛（深绿设），当时气象数据的分析任务交给了我，于是乎就去学习了利用Rhino的Grasshopper进行气象数据的可视化
然后呢，和模组开发教程及本分站的东西一样，为持续对世界输出，同时为了提高我自己的水平，咱们还是来分享分享
至于分析的部分，当然也是要的，但GH能干的只是输出图及图表，后面的分析内容是你得根据地理学的知识去分析的，不是光有个图就完了
而分析的部分，并不是本篇的重点，可视化才是
不过，我们先简单了解一下Grasshopper
DeepSeek的话
1 | Grasshopper 是 Rhino（Rhinoceros）中的一种可视化编程工具 |
北山の话
好，那现在我来喵几句
为什么我也要来喵两句呢？DS在上面提到了一个东西——可视化编程。然后北山现在，也将永远在技术向的道路上狂奔，扯上编程的东西，那自然得来说一说
咋了？可视化编程该不会吓到你了吧。对于一个没有如何编程经验的小白来说，确实可能有点吓人。但是，可视化编程并不是像传统我们手敲代码那样，需要理解编程语言和逻辑——相反，它是一种通过图形界面来构建程序的方法
它通过一个个封装好的模块，用一条条线连接起来，实现一些功能。这种编程方式更加直观，易于理解和实现
这就有点像传统编程中的API（应用程序接口），开发者无需了解API背后的实现细节，只需要知道如何调用它，就可以实现一些复杂的功能
可视化编程的学习成本可比传统编程低得多了，但对于GH来说，还得学很多很多东西，但至少你不用从一个字一个字地敲开始的传统编程了
这里呢，咱们再深入一点。感兴趣的话，其实你可以双击那些电池，而后他们会弹出来一个窗口，熟悉编程语言的应该会知道，那玩意是Python
其实吧，GH和Rhino都是支持Python的，也就是说你完全可以利用Python来进行参数设计，也可以自己设计电池（当然，这自然是对你的编程能力是有要求的）
Rhino的话，在其工具->脚本->编辑，就可以打开Rhino的脚本编辑器，而在这里就可以拿Python来写一些代码，执行一些语句（在此之前，建议先看看Rhino的开发相关的内容，不然是真的写啥都不知道）
可视化编程在很多很多软件中都有，Blender的着色器（Shader），它也是一块块的模块（节点），通过一条条线连接起来的，去实现一些渲染相关的东西
Unreal Engine的Blueprint（蓝图），也是这样的
不过，可视化编程自然是有它的局限性的，因为现有模块可能无法满足你的需求，这个时候，你就得通过编程语言自己去编程了
上面说过了，Rhino支持Python，Blender同样支持Python（嗯，Blender是有Python控制台的）
所以，知道为什么要学Python了吧？
我在我自己的《随·言》系列中也讲过，其实最好是能够每个人都能学习一门编程语言。毕竟在AI时代，绝大多数的AI都是Python写的，而Python又是最容易上手的编程语言之一
另外，其实作为建筑学专业的，亦或者是建筑行业相关专业的，你大可以向这些方向发展，用Python、用Rhino参数化设计、设计AI来辅助设计、规划、管理等等。当然，技术向的道路并不好走，但总有人能走，也总会有人走
虽然说北山在未来并不会选择建筑行业，而是奔赴技术美术（TA）。不知道我有没有这个话语权，上面那一段，也是算是给同辈或者后辈的建议吧
对于北山而言，要学的东西非常非常得多（毕竟现在是干到第四个编程语言了，而且技术美术完全是一个未知领域），建筑学的东西，自然还是有用的。和以前一样，我依旧需要建筑学的强综合性，能够涉及的面越广越好
至于北山为何最终选择了技术美术作为未来主要的发展方向，参见《随·言 #6》，这里就不多说了
别的话，感兴趣的还是可以去看北山的《随·言》系列，讲专业，讲学习，讲技术，讲生活……各方各面，当然，仅代表个人观点
那么，最后再喵几句，不论你未来想做什么，不管和专业是否相关，趁你还没有毕业，赶紧去。不要觉得你不会做、你不喜欢做，只有你真正着手去做了，自己亲身体验了，才知道自己到底喜不喜欢做，其他的都是空话
曾经的北山，是完完全全的电脑小白（CPU、GPU是什么我不知道）；到后来自诩为技术宅，开始制作教程；再到现在，有了自己的模组开发及学习理论（见长线教程计划的前言）。而这几年，正好是5年，我完全有理由相信，你同样能做到
Ladybug Tool安装
那么私活夹带完了，不过确实是北山想说的话
气象数据可视化用到的是GH的Ladybug Tool插件，嗯，对于Rhino来说，是插件上的插件（禁止套娃）
下载
接下来我们来安装Ladybug Tool这个插件，这个东西可以在Food4Rhino这个网站上找到
搜索Ladybug，应该第一个就是，是一个瓢虫的图标（因为ladybug本身的意思就是瓢虫）
点击进入，往下翻，就能翻到下载相关内容，按照表格提示的platform和你自己所安装的Rhino进行下载（当然，要登录一下这个网站，可能得用7根木棍）
下载之后，我们就得到了一个压缩包，将其解压到你能找到的地方，因为待会得用GH安装，你得知道文件路径
安装
接下来我们打开Rhino，从上方菜单栏的工具打开Grasshopper，等它加载好就会弹出一个界面
然后我们点击File->Open Document，打开我们刚才解压出来的installer.gh文件，将其加载到GH中
随后我们会看到两个大大的1和2，首先双击1中的False，让它变成True，开始安装相关的Python依赖（注：因为网络的关系，可能得关闭防火墙，尤其是校园网）
在出现以下内容后，表示安装成功（出问题一般就是网络问题）
1 | Next you should: |
随后同样的，双击2中的False，让它变成True，开始安装真正的Ladybug Tool插件（第一步没完成第二步也没法做，网络问题同上）
出现一个弹窗提示代表安装成功，重启Rhino和Grasshopper就可以多了很多东西，一共安装了5个插件，分别是Ladybug、HB-Energy、Honeybee、Dragonfly和HB-Radiance
那么5个插件都有且都能打开它的界面，使用它的电池，就说明LB安装成功了
Very Important Tip
所有电池都可以右键选择help，它会有各个输入端、输出端的解释说明
气象数据
那么我们继续，要进行气象数据的可视化，首先得有数据
下载气象数据
这里我们先打开上方菜单栏中的Ladybug，我们可以看到它分了好几个模块（部分），这里我们先把开头一列的那两个电池（LB Download Weather、LB EPWmap）拿出来
顾名思义，LB Download Weather就是下载气象数据，另外一个则是搜寻气象数据的（气象数据的文件格式是epw）
这里我们双击当前屏幕，输入Boolean Toggle，拿一个布尔值开关的电池过来，将其连接到LB EPWmap的输入端
和前面安装LB时一样，双击False，将其变成True。在你的默认浏览器中会弹出一个地图
地图上的那些点，就是不同气象站测得当地的气象数据。鼠标滚轮放大地图，我们以杭州为例，找到杭州地区（在西湖边上有3个点），选择一个点击一下
在弹出的小窗中，有copy和download
我们这里先来讲copy，点击copy，再到GH中添加一个Panel电池，双击进入编辑，将我们复制的链接粘贴进去，并将其与LB Download Weather的_weather_url连接起来
我们可以再加一个电池LB Import EPW，将LB Download Weather输出端的epw_file与它连接起来，没有报错则说明这个数据文件是可以用的
保存气象数据
当然，肯定有人会觉得每次都这么干有点麻烦
所以我们可以通过LB Download Weather电池来保存我们的气象数据
首先你得在一个你能找到的地方建个文件夹，然后我们将这个文件夹的路径复制一下，和前面添加气象数据的链接一样，添加Panel并将其与_folder_连接起来
随后我们回到刚才新建的文件夹中，就可以发现多了一些文件
不过，通过刚才的那个气象数据的地图的download，同样可以下载气象数据到本地，是个压缩包，同样解压到你能找到的地方
那么下载到本地之后怎么用呢，我们要再用到一个File Path电池，右键选择Select one existing file，在弹出的窗口中选择你保存到本地的epw文件（注意后缀名）
同样将其与LB Import EPW的_epw_file连接起来，没有报错则说明这个数据文件是可以用的
太阳轨迹
那么气象数据解决了，接下来就可以开始可视化了
导入epw的过程就不讲了，和前面一样的
基础部分
随后我们就要用到一个LB Sunpath电池，它在LB的第三个模块中
我们先来看一下我们可能会用到的输入端
north_这个是输出图形的正北方向与你实际要分析的区块（模型）的正北方向的夹角，缺省则默认为轴正方向为正北方向
_location这个是分析的地理位置信息，直接才前面的电池中导入
hoys_分析的时间段，在后面的日照时数的可视化也会用到
_center_pt_这个是可视化图表的中心点，你可以用Point电池重新指定一个点
_scale_这个是可视化图表的大小，太阳轨迹默认显示的是100m为半径的，根据实际需要进行缩放
daily_显示某一天或者某一时间段的太阳轨迹，配合hoys_使用
那么接下来，我们将LB Import EPW的location与LB Sunpath的_location连接起来，双击屏幕输入一个0.01，自动创建一个Number Slider，将其与_scale_连接起来
而后我们就可以在Rhino界面中看到太阳轨迹图了，你可以通过另存为去导出各个部分的图纸（至于烘焙的话其实可以不干，因为要烘焙的东西有点多）
至于分析的话，就不是我们这篇教程干的事情了，这是地理学上的东西，得靠你自己来分析了
进阶部分
好，我们来进阶一下
在实际分析中，我们可能会选择一些特殊的日期来进行分析，比如二分二至日（春分、夏至、秋分、冬至）
这里我选取夏至日（6月21日）来进行分析
这里我们引入LB Analysis Period电池，它的输入端我应该不用解释了吧？直接看名字直译就好了
最后一个_timestep_可以理解为迭代步数，设置为1的话就从设置的开始时间（小时）到结束时间（小时），再加1
如设置6-18，则会输出13个点位；设置为2的话，则有25个点位，以此类推（当然一般1就够了）
然后利用Panel设置日期，只要一天的话，就如图设置即可
而后将hoys与LB Sunpath的hoys_连接起来
随后我们就可以在Rhino的界面中看到13个叉叉（也就是十三个点位）
我们可以用Boolean Toggle电池，将其与LB Sunpath的daily_连接起来，双击False，将其变成True，就可以看到6月21日这一天的太阳轨迹了
当然，还没完，毕竟这13个叉叉看着很诡异，所以接下来我们就是将这13个叉叉变成我们的太阳
上面的13个点位对于输出的是LB Sunpath的sun_pts，所以我们将它连接到Point电池，再将其连接到Sphere电池，就可以得到13个“太阳”（如果太小了就再给个半径的值）
然后在rhino的界面中我们就可以看到13个红球，那就是“太阳”
但是纯红的也不好看对吧，现在我们得给它个颜色
引入Custom Preview电池和Gradient电池，将Gradient的output与Custom Preview的material连接起来，再将其geometry与sphere的输出端连接起来
当然，现在还会报错，因为Gradient电池需要输入内容
这里我们就可以进一步思考，假设说我们现在想让日落和日出的太阳颜色淡一点，在正午的太阳颜色最深，应该怎么操作？
还没想到？那么再思考一下，就那13个太阳，它们的什么符合我们的需求？
答案是Z轴坐标（也就是高度轴）——Z轴坐标越大，颜色越深，Z轴坐标越小，颜色越浅
所以现在，我们需要一个Deconstruct电池，将这些太阳的Z轴坐标分离出来
除此之外，由于Gradient需要输入一个范围的，所以我们对提取的Z轴坐标数据还要进行进一步处理
这里我们再引入Bounds电池，这个就是用于输出一个XXX TO XXX的一个范围，我们可以拿Panel将其打印出来
随后，我们还要一个Remap Numbers这个电池，来重新映射范围，因为一般来说，我们是要将数值压进0~1这个范围的
按照前面Bounds输出的写法，我们创建一个Panel，里面写上0 TO 1，将其连接到Remap Numbers的target，Bounds输出端连接到source，前面提取的Z轴坐标连接至value
最后，我们再将Remap Numbers的mapped连接至Gradient的parameter
!
并且在Rhino界面我们就可以看到那些太阳有了颜色，颜色的话可以右键Gradient的那个调色盘，选择一个preset，或者你也可以自己创建一个
最后我们的效果就像这个样子，然后你就可以输出你的图纸了
至于我们得到的图表的城市名字是它默认的，如果你想只留下城市名，不想要后面的那一串，可能只能通过直接改代码来实现
日照时数
确切来讲应该是日照模拟，因为这里的条件是晴天条件下的太阳光照
然后这个模拟是需要计算大量数据的，在最终运行时，可能会卡住，耐心等待即可
那么在此之前，我们先来搞个模型（建筑），这里我就简单放几个网格模型（注意一定得是网格模型），代表我们的建筑
另外提示一下，直接从SU导入的模型可能会在模拟的时候出问题，显示的那些东西会比较奇怪，个人建议尽量使用在Rhino制作的模型
前面的步骤我们就不讲了，前面讲过了，将我们的太阳轨迹给它做出来
那么这一次，我们要进行冬至日的日照模拟，当然还有一个标准是大寒日的，不过这里就不演示了，原理是一样的
为了方便观察，我们可以先将太阳轨迹这个图隐藏起来，鼠标中键点击LB Sunpath，在弹出的环形菜单中选择右上角的Disable Preview即可
随后我们引入LB Direct Sun Hours电池，这个就是用于计算日照时数的
接下来我们要搞定它的输入端
_vectors是太阳的角度，这个连接前面LB Sunpath的vectors输出端即可
_timestep_同前面LB Analysis Period中的那样，是每小时的计算次数，设置为1即可
_geometry这个要输入我们的模型，引入一个Mesh电池，右键选择set mutiple meshes，框选我们的模型，选中之后我们的模型将呈红色，然后我们将它连接上
_grid_size这个是计算的网格大小，数值越大，计算越精确，但是计算时间也越长，一般不小于你模型网格的最小尺寸
_offset_dist_这个是网格上点的偏移距离，为了防止点被网格挡住，一般设置为0.1即可（一个很小的正数）
legend_par_是设置图例参数的，我们可以用LB Legend Parameter电池，来进行设置，这里我们就用一个布尔值开关，将它的continuous_leg_设置为True（也就是让图例连续渐变）
_cpu_count_是参与计算的CPU核心数，一般会自动选择，为你当前CPU可用核心数 - 1，一般不需要调整，最低为1个
最后，用一个布尔值开关连接_run
那么接下来，就是双击改变布尔值开关的值，启动运算，我们就得到了这么一个东西
嗯，分辨率似乎有点低，这时我们可以重建模型的面（QuadRemesh命令），把模型的面数拉上去（记得把那个开关先关了），然后将Mesh电池的东西重新选择一下，选择好之后，我们可以将Mesh给隐藏起来，防止后面显示的重叠
额，好像分的多了点，我们可以改一下显示模式
而后，我们重新打开那个开关，最后得到这么一个图
可以看到我们的精度已经很高了，可以观察建筑的日照是否满足设计要求
最后也可以叠加刚才隐藏的太阳轨迹图
风玫瑰图
那么接下来，我们来进行风玫瑰图的可视化
基础部分
首先，我们要引入一个LB Wind Rose电池，这个就是用来生成风玫瑰图的
这个电池的两个必要的输入端是_data和_wind_direction，它们对应的是LB Import EPW中的wind_speed和wind_direction，我们将它们连接起来
那么我们就能在Rhino中看到一个风玫瑰图了，这个图是全年的风玫瑰图
但是嘞，现在这些线有点密集，不太好观察，所以我们得对图进行一定的调整
我们看到在_wind_direction下面的_dir_count_，这个输入端是决定风玫瑰图中扇形的个数，默认的个数为36个，显然有点多了，我们可以设置到24个
这样看起来好一点，也可以根据你的实际需求进行调整
进阶部分
好，我们直接进入进阶部分
在一般的竞赛作品中，我们可以看到风玫瑰图并不只有单独的一张，而往往是12张不同月份的风玫瑰图，所以在这里我们就来学习一下怎么制作
那么首先，我们需要12个点，用于指定12个月的风玫瑰图的位置，在GH中，我们可以通过series电池来序列化生成12个点，而不用你自己手动指定（当然你不嫌麻烦可以试试）
我们先来介绍一下series电池，它有三个输入端，start、step、count，分别代表序列的起始值、步长、个数，这个学过编程的应该很轻松就能理解
比如说我们这里要生成有5个值的序列，起始值为0，步长设置为2，那么我们得到的结果就是0、2、4、6、8
当然，值得注意的是，count必须为正数，起始值和步长可以为负数，否则会出问题。步长如果缺省，则默认为1
那么现在，我们要生成12点，当然不是直接在一条直线上生成12个，我们要将其分成3x4这样的点阵，所以我们得用两个series电池
一个生成4个，一个生成3个，它们的步长先将其设置为50000，这样就能生成一个3×4，每个点间隔50000的点阵
我们可以通过Construct Point电池来显示这些点，其中一个给X，另一个给Y
但似乎有些不对劲，我们要右键点击Construct Point的X或是Y的输入端，选择Graft，这是为每个数据进行单独处理，匹配X和Y的坐标
现在看起来正常多了
但是现在，我们还不能将Construct Point的输出端连接到LB Wind Rose的_center_pt_，因为一旦连上你就会发现，这12张图是一样的，并不是每个月份的
因为风玫瑰图的数据没有分离，我们要设置LB Wind Rose的period_输入端，将风玫瑰的数据按月份拆开来
现在我们要使用LB Analysis Period电池和series电池，用series生成一个1到12的序列，然后将其连接到LB Analysis Period的_start_month_和_end_month_，这样就能将风玫瑰的数据按月份拆分了
我们可以拿panel看一下它输出的period，可以看到它已经按月份拆分了
其实用series电池就等效于下面这种方法做12次（当然我觉得你不会这么干）
那么最后就是将Construct Point的输出端与LB Wind Rose的_center_pt_连接起来，将LB Analysis Period的输出端与LB Wind Rose的period_连接起来
另外，再将_max_freq_lines_设置为小一点的数，这个是控制扇面分割的个数，因为我们拆分各个月份之后，每个月的最高风速就没那么大了，所以可以将扇面数减少
但输出的图似乎还是有点小问题
我们右键Construct Point的输出端，选择Flatten，这样就能将点阵展平，这样就能正常显示了
当然，细心的同学会发现，其实我们生成的图的月份是反着的，即1-4月在最下面，9-12月在上边，这里呢，就重新调整其中一个series来解决，将它的步长设置为-50000（对了，这个数值也是按照实际情况来调整，我这里的话55000更好一点）
这样你就能分析某几个月份的主导风向了
数据图表
接下来就介绍一些常规的数据图表，比如焓湿图、干球温度、露点温度等
它们的表现形式可以为二维的，也可以为三维的
我们这里用到一个LB Hourly Plot电池，这个是用来绘制图表的（二维三维均可）
另一个是LB Monthly Chart，这个是用来绘制月度图表的（纯粹的二维图表）
干球温度
我们将lb import epw的dry_bulb_temperature（干球温度）连接到LB Hourly Plot的_data
我们就可以在rhino中看到一个图表了
那么另外，base_pt_就是指定一个点作为图表的原点
_x（y/z）_dim_就是指定x（y/z）轴的长度，三个轴都设置一下就可以让它变成三维的
z轴的值越大，那么在图上的起伏也就越大
另外通过设置statement_，可以让图表只输出我们要的数据，比如我们只让他输出温度高于20°C的数据，就可以将条件写在panel里，再将其连接
另外一边，我们可以通过lb hourly chart来绘制月度图表，这个比较简单，直接连接_data即可
也可以再在data上接上一个LB Time Interval Operation，对数据进行进一步处理，daily则输出每天的数据，monthly输出每月的平均数据，mon_per_hr输出每月每小时的平均数据
LB Time Interval Operation的输入端数据是可以重叠的（用Merge电池合并一下），比如这样（相对湿度和干球温度的叠加）
露点温度
那么同样的，只需将dew_point_temperature（露点温度）连接到_data，就可以得到露点温度的图表了
也是可以处理为三维的
焓湿图
焓湿图的做法与上面的图表又不太一样，这个或许得从焓湿图的含义考虑了，咱们这里就不作介绍了
焓湿图需要两个数据，一个是dry_bulb_temperature（干球温度），另一个是relative_humidity（相对湿度）
另外需要一个LB Psychrometric Chart电池，这个是用来生成焓湿图的
然后将干球温度和相对湿度连接上，就能获得一个焓湿图了
另外，我们可以看到焓湿图横轴（温度）并没有全部用到，所以我们可以进行优化
利用Construct Domain电池，将横轴的范围设置为-10-40，连接至_temp_range_，这样横轴就不会有太多的空白了
图表中的斜线，默认为等焓值线，你可以用一个布尔值开关控制LB Psychrometric Chart的plot_wet_bulb，可以将其转换为等湿球温度线，这个就按需调整了
在接下来，我们看到data_，它也可以叠加一些数据，比如我们将风速连接到data_中，就会得到另外一张图
另外我再画一条线，可以将两个图联合起来分析，看它们干球温度、相对湿度、空气焓值和风速关联起来看，得出一些应对方法
热舒适多边形（PMV指标）
PMV指标是衡量室内热舒适性的一个重要指标，关乎建筑节能方面
（注：我暂时没有研究过PMV相关内容，如未能解释清楚还请谅解）
这个图是建立在前面的焓湿图基础上的，我们要用到LB PMV Polygon电池，连接psych_chart
我们就能在刚才生成的焓湿图中发现一个多边形了
接下来我们来设置新陈代谢速率（应该是这个房间使用者的主要活动的新陈代谢速度），我们要用到LB Activities Met List电池
在这个电池中，它已经给我们预设好了一些活动，我们选择一个将其连接到_met_rate_上
随后还要设置一个穿衣指数（这个房间使用者会穿什么或者不穿什么），要用到LB Clothing List
通过选择或取消选择上面的对勾，就可以指定这个房间使用者穿或者不穿什么，并将其连接到_clothing_上
随后在焓湿图上，就出现了一个和刚开始不一样的多边形，就是指这个房间使用者穿什么衣服时，在什么干球温度和相对湿度下，是舒适的
总结
那么以上内容就是北山在过去所学的气象数据可视化
说实话，GH其实挺好玩的，有没有激起一点点兴趣呢？
那么，也感谢大家看到这里，感谢支持！
