野外数据解读 #15：烟花背后的数据

新年快乐！！

新年快乐

我不知道你们怎么样，但我最喜欢的新年传统之一就是放烟花。我不确定是谁提议用绚丽的烟花点亮夜空来庆祝时光流逝，但不管是谁……他们的想法是对的。

伦敦首个官方新年烟火表演于2000年举行，由鲍勃·格尔多夫的Ten Alps公司制作。据估计，当时有三百万双眼睛被这场盛宴牢牢吸引。自此以后，烟火表演便成为了一种全球通用的庆祝语言。而且，这不仅仅发生在伦敦。从中国到迪拜，从纽约到悉尼，烟火已成为全球庆祝的通用语言。

这意味着，在新的一年到来之际，我不得不提出一个显而易见的“数据实战”问题：

烟花背后的数据是什么？

欢迎来到野外数据
欢迎来到新的一年，也欢迎新一期的《数据野外探秘》系列节目。在这个系列节目中，我将探讨数据是如何形成、测量，以及如何在不知不觉中被用来影响我们周围的世界的。还有什么比烟花更能开启新的一年呢？

数据和烟花有什么关系？

结果发现……还真不少。

烟花表演并非凭空而来。每一次绚丽的绽放背后，都凝聚着复杂的计算、模型、阈值和限制。天气数据，尤其是风向和风力，起着至关重要的作用。烟花发射时，实际上是在特定角度和高度下，烟花弹壳内发生的一系列受控化学反应。

爆炸发生后，重力会主导一切。碎片、烟雾和放射性物质会落回地面。对于像伦敦市中心新年烟火这样的大型烟火表演，规划人员会模拟碎片可能落在哪里、烟雾会如何扩散，以及排放物可能对周围环境和居民造成的影响。

虽然风力、轨迹和碳排放量都很重要，但我想要关注的变量是一个看不见的变量，而且可以说是所有变量中最重要的。

声音。

测量不可见的事物：多大才算大？

声音大小以分贝 (dB)为单位进行测量，测量方法是利用声波传感器捕捉气压变化。这些测量结果为我们提供了舒适、不适和危险程度的基准。

以下是简要参考：

• 0 分贝——人耳能听到的最微弱的声音。
• 30分贝——轻柔的耳语
• 60 分贝——正常对话
• 100 分贝——一台运转中的割草机
• 120 分贝——在音响附近观看摇滚音乐会（此时可能开始出现疼痛和听力损伤）。
• 150–175 分贝——许多烟花在源头处的声波范围

一般来说，长时间暴露在低于70分贝的声音环境中被认为是安全的。超过这个音量，暴露时间就变得至关重要。短时间的噪音可能没有问题，但随着音量的增加，永久性听力损伤的风险会迅速上升。

接下来事情就变得有趣起来了。

常识媒体

测量不可见的事物：多大才算大？

声音大小以分贝 (dB)为单位进行测量，测量方法是利用声波传感器捕捉气压变化。这些测量结果为我们提供了舒适、不适和危险程度的基准。

以下是简要参考：

• 0 分贝——人耳能听到的最微弱的声音。

• 30分贝——轻柔的耳语

• 60 分贝——正常对话

• 100 分贝——一台运转中的割草机

• 120 分贝——在音响附近观看摇滚音乐会（此时可能开始出现疼痛和听力损伤）。

• 150–175 分贝——许多烟花在源头处的声波范围

一般来说，长时间暴露在低于70分贝的声音环境中被认为是安全的。超过这个音量，暴露时间就变得至关重要。短时间的噪音可能没有问题，但随着音量的增加，永久性听力损伤的风险会迅速上升。

接下来事情就变得有趣起来了。

为什么分贝图表会骗你

如果我们用简单的柱状图来表示这些声音，烟花看起来可能只是比音乐会或警报声“稍微响亮一些”。

但那张图表会误导人。

分贝是用对数刻度测量的，而非线性刻度。这意味着每增加10 分贝，感知响度大约就会增加一倍。

所以，120分贝不仅仅是比110分贝略大一些，感觉上要响得多。消防车的警报声通常在110到120分贝之间。烟花爆竹的音量达到150分贝甚至更高，与此相比并无太大差别。它们已经进入了一个完全不同的危险级别。

如果堵车时消防警笛声都足以让我头疼，那么烟花爆竹的声音显然更不容我们轻视。

数据如何影响政策

这就是政府介入的原因。

在英国，消费类烟花的音量依法限制在120分贝以内，并且对全年燃放烟花的时间也有严格的规定。这并非因为烟花不美，而是因为声音不仅是一种体验，更是一种生理压力源。

这里的数据不仅仅衡量噪声。
它决定谁可以发出噪音，噪音的距离，频率和时间。

它影响着围绕庆祝活动的政策、安全指南和文化规范。它在“乐趣”和“伤害”之间划清界限……即使这条界限是无形的。

野外数据

烟花是“数据在自然界中的作用”的绝佳例证。我们大多数人抬头仰望天空，看到的是绚丽的色彩、壮观的景象和欢庆的氛围。但在这美妙的瞬间背后，隐藏着各种阈值、模型和测量数据，它们默默地运作，确保这种欢乐的氛围始终在可接受的范围内。

所以，下次当你看到五彩斑斓的爆炸划破夜空时，不妨问问自己：

这些烟花在尺度上处于什么位置？
谁决定这样做是安全的？
哪些看不见的数据正在影响我们的庆祝方式？

因为有时候，最有力的数据并非我们所能看到的。
我们听到的就是这样。