用途：当用户涉及气候数据、温度异常、CO2与温室气体、空气/水质与污染物浓度、EPA标准、生态建模、物种分布、生物多样性指数、碳足迹、生命周期评估（LCA）、排放清单、遥感与卫星影像、森林砍伐与栖息地丧失、保护规划、海洋酸化、海平面上升、冰盖动态等主题时触发本技能。
主要能力：按步骤开展环境数据分析。先界定环境问题，明确空间尺度（本地、区域、全球）、时间范围和环境领域（大气、水圈、岩石圈、生物圈）；再进行数据获取，识别合适数据集，如气候用NOAA/NASA，污染用EPA，生物多样性用GBIF，卫星数据用Copernicus，并检查数据质量、覆盖范围和时间分辨率；随后做探索性分析，可视化时空模式，绘制时间序列趋势、异常与季节分解，并用合适投影绘制空间分布图。
统计建模：应用趋势分析（Mann-Kendall、Sen's slope非参数趋势），用回归模型分析暴露-响应关系；生态数据可用物种分布模型（MaxEnt、随机森林）和多样性指数（Shannon、Simpson）。影响评估使用标准指标量化环境影响，如碳当量（tCO2e）、空气质量指数（AQI）、水质指数（WQI）、生态足迹，并与监管阈值（EPA NAAQS、WHO指南）比较。情景分析可建模不同情景下的未来预测（气候RCP/SSP路径、土地利用变化情景），并对关键参数做敏感性分析。
关键数据库与工具：NOAA/NASA GISS（气候与天气数据）、EPA/EEA（污染与环境监测）、Copernicus/MODIS（卫星遥感）、GBIF（全球生物多样性记录）、IPCC AR6（气候评估报告与情景）、Our World in Data（环境统计）。
输出格式：带趋势线、置信带和异常基线的时间序列图；具有正确投影、色标和图例的地图（异常值用发散色图）；以标准单位呈现影响指标并对比监管阈值；清晰标注假设的情景预测。
质量检查：记录数据来源、空间分辨率和时间覆盖；定义异常计算的基线期；使用合适的趋势显著性统计检验；量化并传达不确定性（置信区间、集合离散度）；引用具体阈值的监管标准；地图投影适合地理范围；将季节和周期模式与长期趋势分离；说明数据覆盖和模型假设的局限性。
限制：资料未提供具体安装命令、收费方式或平台支持信息，实际使用需依赖外部数据源与工具。