别再死记公式了！用Python+Matplotlib可视化理解吸收率、反射率和透射率

用Python动态演示：光与物质的三种对话方式

记得第一次在实验室用分光仪测量玻璃片的透光特性时，那些跳动的数字始终无法在我脑中形成直观印象。直到某天用Matplotlib将数据转化成彩色光谱图，突然就理解了为什么紫外线会被臭氧层"吃掉"，而可见光能畅通无阻——这就是可视化的魔力。本文将带你用Python重现这个认知跃迁过程，把抽象的α、ρ、τ系数变成会讲故事的动态图表。

1. 环境配置与基础概念可视化

在Jupyter Notebook中先导入我们的"光学画笔"：

import numpy as np import matplotlib.pyplot as plt from ipywidgets import interact %matplotlib inline

三大光学系数的本质可以比作一场光线派对：

• 吸收率(α)是门卫收走的邀请函（能量转化为热能）
• 反射率(ρ)是被拒之门外的客人（能量原路返回）
• 透射率(τ)是成功入场的嘉宾（能量继续传播）

用堆叠面积图展示它们的守恒关系：

wavelengths = np.linspace(200, 2500, 100) # 200-2500nm光谱范围 def material_properties(thickness): alpha = np.exp(-0.002 * wavelengths * thickness) rho = 0.3 * np.sin(wavelengths/500)**2 tau = 1 - alpha - rho return alpha, rho, tau alpha, rho, tau = material_properties(1) plt.stackplot(wavelengths, alpha, rho, tau, labels=['吸收率α', '反射率ρ', '透射率τ']) plt.legend(loc='upper right') plt.xlabel('波长(nm)'); plt.ylabel('比例系数')

提示：运行interact(material_properties, thickness=(0.1, 5))可观察厚度变化时三系数的动态平衡

2. 材质光学指纹图谱

不同物质就像拥有独特的光学DNA。我们构建一个材质数据库：

materials = { '玻璃': {'alpha': lambda w: 0.9*(w<350), 'rho': lambda w: 0.05 + 0.1*np.sin(w/200)}, '绿叶': {'alpha': lambda w: 0.8*np.exp(-(w-550)**2/20000), 'rho': lambda w: 0.4*np.exp(-(w-750)**2/30000)}, '黑体': {'alpha': lambda w: 0.98 + 0.02*np.random.rand(len(w))}, } def plot_material(name): w = wavelengths alpha = materials[name]['alpha'](w) rho = materials[name]['rho'](w) if 'rho' in materials[name] else 0 tau = 1 - alpha - rho fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12,4)) ax1.stackplot(w, alpha, rho, tau) ax2.plot(w, alpha, 'r-', label='α') ax2.plot(w, rho, 'b--', label='ρ') ax2.plot(w, tau, 'g:', label='τ') ax2.legend()

观察到的关键现象：

1. 玻璃在紫外区的突然吸收跃迁
2. 绿叶对550nm绿光的反射峰（所以呈现绿色）
3. 黑体近乎完美的全波段吸收

3. 基尔霍夫定律的动态验证

制作一个温度可调的虚拟黑体辐射源：

def planck(w, T): h = 6.626e-34; c = 3e8; k = 1.38e-23 return 2*h*c**2 / (w**5 * (np.exp(h*c/(w*k*T)) - 1)) * 1e-9 def kirchhoff_demo(T=3000): w = wavelengths * 1e-9 # 转为米 emission = planck(w, T) absorption = materials['黑体']['alpha'](wavelengths) plt.plot(wavelengths, emission/emission.max(), 'r-', label='发射光谱') plt.plot(wavelengths, absorption, 'b--', label='吸收光谱') plt.legend()

通过滑块调节温度时可见：

• 吸收曲线与发射曲线始终重合（验证α=ε）
• 峰值波长随温度升高向短波移动（维恩位移定律）

4. 能量平衡方程的可视化拆解

构建地表辐射收支模型：

def energy_balance(albedo=0.3, T=300): solar = 1000 * np.exp(-(wavelengths-500)**2/1e5) # 太阳光谱模拟 L = planck(wavelengths*1e-9, 280) * 1e12 # 大气长波辐射 absorbed = (1-albedo)*solar + materials['黑体']['alpha'](wavelengths)*L emitted = 5.67e-8 * T**4 * np.ones_like(wavelengths) net = absorbed - emitted plt.stackplot(wavelengths, absorbed, -emitted, labels=['吸收能量', '发射能量']) plt.plot(wavelengths, net, 'k--', label='净辐射')

关键发现：

1. 短波吸收主要取决于反照率（ρ的全局平均值）
2. 长波辐射收支对温度变化极其敏感（T^4效应）
3. 植被覆盖通过降低反照率显著影响能量平衡

5. 从实验室到真实世界

将这些原理应用到卫星遥感图像处理中：

def ndvi_analysis(red_band, nir_band): red = red_band * (1 - materials['绿叶']['rho'](650)) nir = nir_band * (1 - materials['绿叶']['alpha'](850)) ndvi = (nir - red) / (nir + red) return plt.imshow(ndvi, cmap='YlGn')

这里揭示了一个有趣现象：植被在近红外的反射率突然升高（即吸收率降低），这正是NDVI植被指数的工作原理。通过这个案例，我们完成了从微观光学参数到宏观地球观测的认知跨越。