丁 圣, 田云平,李成鵬,王 寶
(1.玉溪市氣象局,云南 玉溪 653100;2.云南省人工影響天氣中心,云南 昆明 650031)
空氣負氧離子是指空氣中的氧分子結合了自由電子而形成的帶負電荷的氧氣離子。負氧離子含量的多少是反映空氣質量和大氣環境狀況的重要指標,由于負氧離子對人體的保健作用,受到人們的普遍關注,被譽為“空氣維生素”。
為配合“生態立市,旅游興市”的發展戰略,玉溪市氣象局從2008年采購了國內唯一通過氣象專用技術裝備使用許可證的威德創新科技(北京)有限公司WIMD-B1型設備建立玉溪市大氣負氧離子自動測報系統,開始采集并記錄各縣、區氣象站及主要風景點逐時負氧離子濃度觀測數據,成為云南省首個開展負氧離子監測點城市。使用連續4年來14個大氣負氧離子實時觀測資料,采用數理統計方法,對玉溪市空氣負氧離子濃度與氣象因子的關系做進一步分析,明確主要影響因子以及影響因子與空氣負氧離子濃度的關系,建立預報模型,并據此建立了空氣負氧離子濃度監測預報系統投入業務運行。
本系統是基于WEB網頁的玉溪市各縣、區和主要景區的負氧離子濃度監測預報發布平臺,每天定時發布負氧離子濃度數值和等級預報,需要滿足以下功能:①實時采集負氧離子每小時監測數據;②每小時計算下一小時的負氧離子濃度預報;③每天計算未來24小時負氧離子濃度預報;④通過因特網發布相應監測和預報網頁供大眾瀏覽;⑤能夠保存、補充生成歷史監測和預報數據庫。
系統需求的數據包括:負氧離子監測數據、負氧離子分級依據、溫度和濕度的監測數據、負氧離子監測點和氣象站監測點的經緯度和海拔高度等地理信息元數據。
根據功能需求分析,設計出系統架構圖(圖1)。系統分為3個模塊:實時監測發布模塊、預報發布模塊、歷史預報數據檢驗模塊。
實時監測發布模塊的功能是調用負氧離子監測數據庫中的數據發布到網站中。
預報發布模塊分2個功能,分別是負氧離子濃度小時預報和日預報數據。

其中日預報的負氧離子濃度是日最大濃度,預報方程同小時預報方程。
歷史預報檢驗模塊的功能是保存和補充生成歷史的預報數據由于預報檢驗,分2個子模塊,分別是歷史小時預報和日預報數據,需要保存在歷史預報數據庫中。
系統流程設計如圖2。系統首先采集氣象要素和負氧離子監測數據生成相應的數據庫,監測發布模塊從負氧離子監測數據庫讀取實時監測數據,生成JSON文件FTP發布到網站上。預報發布模塊從氣象觀測數據庫讀取實時氣象要素(濕度或溫度),根據預報方程生成預報數據庫后,再生成JSON文件FTP發布到網站,如果氣象數據出現缺測,負氧離子預報按缺測發布,不進行數據插值處理。

圖2 系統發布流程圖
系統采用3層架構(圖3),使用微軟公司的VS2012集成工具開發,開發語言c#,使用ASP.NET技術和SQLSERVER2005數據庫,服務器端程序讀取后臺數據庫相關數據計算后發布到服務器JSON文件,公眾只要接入Internet瀏覽玉溪氣象網網站就可以直接查看負氧離子的監測和預報結果。系統架構如圖3所示。

數據層涉及3種數據對應不同的數據庫,氣象要素監測數據庫、負氧離子監測數據庫和負氧離子預報數據庫。服務層根據數據層實現監測發布、預報發布和歷史檢驗三大功能模塊。表現層是前臺網頁的展示,設計好網頁界面后,網頁文件自動調用JSON文件顯示監測和預報結果。
系統采用ADO.NET技術連接和讀寫后臺的數據庫,將FTP功能封裝類后,調用并完成監測和預報JSON文件的發布。
JSON(JavaScript Object Notation) 是一種輕量級的數據交換格式,它基于JavaScript的一個子集。 JSON采用完全獨立于語言的文本格式,這些特性使JSON成為理想的數據交換語言,易于人們閱讀和編寫,同時也易于機器解析和生成。JSON不像XML那樣需要有嚴格的閉合標簽,作為數據包格式傳輸的時候具有更高的效率,這使得有效數據量與總數據包比大大提升,從而減少同等數據流量的情況下,網絡的傳輸壓力。
前臺ASPX頁面讀取目錄中JSON文件中的數據直接顯示出來,網站發布的監測和預報結果界面(圖4),左邊是預報數據頁面,右邊是監測數據頁面。

1)玉溪市負氧離子監測預報發布系統是云南省首個投入業務應用的負氧離子預報系統,面向公眾發布各縣、區和主要風景點的負氧離子監測和預報結果,對促進生態建設和旅游開發具有重要意義。
2)系統穩定性較好,服務器自動定時計算,自動上傳網站,無需人工維護,便于推廣應用。
3)隨著智能手機的普及,下一步將考慮制作面向移動端的監測預報顯示軟件。
[1] Korublue IH.The clinical effect of aeroionization [J].Medical Biometerology, 2008(3):16-18.
[2] 王寶,張自祥,趙爽.玉溪空氣負氧離子變化特征分析[J].云南地理環境研究,2011,23(6) :92-95.
[3] 張文彤,SPSS統計分析高級教程[M].北京:高等教育出版社,2009:95-208.