文章目录
今天打开天气软件，大概率会看到薔琵（Champi，老挝提供的名字）在台湾以东洋面慢慢挪动，香港快运已经取消了明天十个班机。但如果你去拉香港天文台官方的热带气旋 best track（事后分析路径）数据集，41 年的记录里找不到它：这份数据叫 post analysis，事后分析，台风谢幕之后才归档。此刻在头顶上慢慢旋转的这团云，在数据世界里还不存在。
这件事本身比任何统计都更直观地说明数据的性质：它永远比现实慢一步。而在它慢的那一步之外，41 年、1038 个热带气旋的记录，足够回答一个每年夏天都会被问一遍的问题：台风到底在变多还是变少。
一、四十年的账本：总数和强度都在降
天文台官方的 best track 数据覆盖 1985 到 2025 年，西北太平洋和南海范围内共生成 1038 个热带气旋，年均 25.3 个。
按前后各二十年对比：
- 总数：前二十年年均 26.6 个，后二十年 24.1 个
- 达到台风级（Typhoon 及以上）的：从年均 15.8 个降到 12.6 个
- 最多的年份是 1994 年，36 个；最少的是 2010 年，14 个
两个方向一致：海上的台风在变少，强的也在变少。「台风越来越猛」的直觉，在这份数据的总量和强度两个维度上都不成立。需要说明的是，这份数据只覆盖天文台的分析范围，且分析技术本身在四十年里有演进，跨四十年的精细对比要留一分余地。
二、但路过香港的，没有变少
真正反直觉的是第三条线：进入香港约 800 公里范围的热带气旋，前二十年年均 8.8 个，后二十年 9.3 个，不降反微升。而 2025 年这一年，有 15 个，是 41 年里最多的一次，超过 2013 年的 14 次和 2017 年的 13 次。
海上的总量在降，路过香港的却没降。一个可能的解释是路径分布的变化：台风生成的位置或移动路径整体偏移，使得进入华南沿海警戒范围的比例上升。这份数据能指出现象，但要归因到环流变化，需要更专业的气候分析，本文不下这个结论。
这里要把口径说清楚：800 公里是天文台一号戒备信号的官方范围（「有一热带气旋集结于香港约 800 公里的范围内，可能影响本港」）。天文台的官方博客专门解释过：即使风暴进入 800 公里范围，也不一定需要发出一号信号，要看移动速度、路径、强度、大风区范围综合判断。所以本文统计的是「进入警戒范围」，不等于「天文台发了信号」，两者不能互相替代。
三、八月是顶峰，夏天只有四个月
按生成月份统计 1038 个热带气旋，八月是绝对顶峰，226 个；七月到十月合计 736 个，占七成一。
一月到三月合计只有 36 个生成。所谓「台风季」，在这份数据里就是七月到十月这四个月，其余八个月是凑数的。这个分布也解释了为什么秋季台风总能成为新闻主角：十月的 148 个虽然比八月少，但碰上东北季风叠加，风雨往往比盛夏更难看。
四、极值与「同名不同台」
41 年里气压最低的是 2013 年的海燕（HAIYAN），890 百帕，最高风速 155 海里，达到超强台风级；2016 年的莫兰蒂（MERANTI）同为 890 百帕。路径最靠近香港的是 1997 年的维克托（VICTOR），最近时距港约 7 公里，基本是正面扑港。
讲这两个纪录要小心一个坑：台风名字是 140 个循环使用的，海燕这个名字在 41 年里出现过三次（2001、2007、2013）。只写「海燕 890 百帕」是错的，必须带年份。做同名统计时如果不按 JMA 编号而按名字分组，两个海燕会被合并成一个不存在的「超级海燕」。
五、这份数据的六个坑，我全踩了
把 41 个 CSV 拉下来解析的过程，比统计本身更值得写。
坑一：前三行是标题，不是表头。 每个文件开头三行分别是英文、繁体、简中的数据集名称，第四行才是表头。直接 read_csv 会把标题行当成数据。
坑二：表头是三语言斜杠分隔。 Tropical Cyclone Name/熱帶氣旋名稱/热带气旋名称，一个列名里三种语言。要按正斜杠切开取第一段，否则按中文列名取数直接 KeyError。
坑三：经纬度是 0.01 度单位。 数据里 840,12750 不是 840 度，是 8.40°N、127.50°E，要除以 100。忘了除，所有距离计算都是笑话。
坑四：时间是 UTC。 和香港时间差 8 小时，跨日期的路径点要留意。
坑五：1981 到 1984 的文件返回的是 HTML 错误页，不是 CSV。 文件名、状态码、体积都像正常响应，只有读内容才发现是 nginx 的 404 页。清理规则不能只看文件大小，要嗅探内容。这也是为什么本文的统计从 1985 年开始。
坑六：2026 年没有文件。 就是开头说的，事后分析还没发布。写脚本时如果假设「今年一定有」，循环会静默跳过一年，图表上凭空少一格。
还有两个数据特性值得知道：41 年里有 10 个热带气旋在数据里叫 nameless（有 JMA 编号但未命名）；有 40 个路径点的强度标记为 LOW，是低于热带低压级的低压残余，集中在海燕、山神等 6 个气旋的衰减段。
六、怎么用这份数据
解析函数长这样，六个坑一次绕完：
python
import csv, math
from pathlib import Path
def load_tc(year_dir):
tcs = {}
for f in sorted(Path(year_dir).glob("tc_*.csv")):
lines = [ln for ln in f.read_text(encoding="utf-8-sig",
errors="replace").splitlines()
if ln.strip()]
hi = next(i for i, ln in enumerate(lines)
if ln.startswith("Tropical Cyclone Name"))
hdr = next(csv.reader([lines[hi]]))
ix = {c.split("/")[0]: i for i, c in enumerate(hdr)} # 坑二
for ln in lines[hi + 1:]:
row = next(csv.reader([ln]))
if len(row) < len(hdr):
continue
jma = row[ix["JMA Code"]].strip()
t = tcs.setdefault(jma, {"name": row[ix["Tropical Cyclone Name"]].strip(),
"pts": []})
t["pts"].append((int(row[ix["Month"]]),
float(row[ix["Latitude (0.01 degree N)"]]) / 100, # 坑三
float(row[ix["Longitude (0.01 degree E)"]]) / 100,
row[ix["Intensity"]].strip()))
return tcs
def hav(lat1, lon1, lat2, lon2):
R = 6371.0
p1, p2 = math.radians(lat1), math.radians(lat2)
a = (math.sin(math.radians(lat2 - lat1) / 2) ** 2
+ math.cos(p1) * math.cos(p2)
* math.sin(math.radians(lon2 - lon1) / 2) ** 2)
return 2 * R * math.asin(math.sqrt(a))判断「是否进入香港 800km」，就是对每个气旋的所有路径点算一遍到（22.30°N, 114.17°E）的 Haversine 距离取最小值。这只是一种近似：把香港当成一个点，实际警戒范围是个以香港为中心的圆，且官方还要看路径趋势，不是只看距离。
七、慢一步的数据，和快一步的人
回到开头。今天头顶的薔琵不在这份数据里，明年的某个版本发布后，它才会有第一行记录。数据永远是滞后的，这是所有统计的宿命，也是它的价值所在：正因为 2025 年的 15 个已经归档，我们才知道「路过香港没变少」不是今年夏天的错觉，是四十年的结构。
台风季还剩最后一个月。今年会不会成为 41 年统计里的新极值，要等 post analysis 发布才知道。在那之前，看雷达比看数据集管用。
