臺風實時信息防汛服務云平臺設計與應用

顧巍巍，張衛國，張 焱，鐘 偉，孫飛飛

(寧波市水利水電規劃設計研究院，浙江 寧波 315192)

應對臺風及其次生災害，及時有效獲取臺風信息至關重要[1]。臺風信息具有專業性、時效性及受眾廣的特點。傳統的信息傳播方式難以解決這種半結構化專業解析、高速多源匯聚、差異化服務的復雜問題，綜合運用數據庫、GIS、互聯網等現代化技術的信息服務系統，成為很好的解決問題途徑。歐美、日本等在該領域研究比較深入，Kitamoto[2]開發了可用于實時和歷史臺風詳細信息查詢的Digital Typhoon系統。我國在臺風信息系統方面起步較晚但發展迅速，取得了一定成果，如，吳煥萍等[3]探討了GIS應用于決策氣象服務系統的相關問題，方建等[4]設計并開發了一套臺風災害快速評估系統。近年來，隨著移動互聯網、云計算、人工智能等前沿技術的發展，學者們不斷將最新技術引入臺風信息服務系統。李建等[5]研究了一種基于移動互聯網的臺風信息發布系統，駱小龍等[6]研究了一種基于阿里云的臺風路徑實時發布系統，均取得了較好的應用效果。然而，現有的臺風信息服務系統主要關注臺風路徑及臺風自身屬性，為氣象預警、生活服務及學術科研提供服務，未針對防汛部門需求提供信息服務。同時，防汛部門可直接獲取的降雨預報信息從發布時間節奏、關注對象、數據精度等方面也難以滿足防臺防汛需求。為解決上述問題，本文以實際防汛需求為導向，采用關鍵技術開發通用性好、實用性強的臺風實時信息防汛服務云平臺，為我國沿海城市應對洪澇災害提供針對性信息服務。

1 系統設計

1.1 設計思路

設計目標是在防臺期間為防汛部門實時提供信息，主要是臺風基本信息和未來降雨信息。其中，未來降雨信息部分是現有臺風信息服務系統的缺陷，也是本文研究重點。目前，防汛部門可獲取的降雨預報信息難以滿足防臺防汛需求，主要表現在以下3個方面：①臺風在24 h警戒線外，各主流氣象機構的降雨數值預報存在較大的不確定性，對未來降雨的初步預判難度較大；②臺風進入24 h警戒線內，氣象降雨預報發布時段與防汛需求的預報時段節奏不一致，且氣象部門與水利防汛部門關注的對象具有一定差異性；③防汛期間，多機構降雨數值預報成果存在一定的差異，難以有效抉擇并指導防汛工作。針對以上問題，本文分別從歷史數據挖掘、預報數據解析、數據嵌套融合等方面研究關鍵技術，同時，采用B/S架構、SaaS服務模式和數據與服務能力中心，保障平臺推廣應用的通用性和防汛高并發時期的系統穩定性。

圖1 平臺系統架構

1.2 關鍵技術

為解決防汛部門獲取降雨預報信息的問題，開展臺風降雨信息智能關聯[7]、多機構降雨預報長短嵌套融合、降雨預報數據時空解析等關鍵技術研究，并以服務形式融入數據與服務能力中心，支撐業務功能開發。

1.2.1 臺風降雨信息智能關聯技術

考慮臺風路徑、發生時間、中心氣壓、移速、風速、發源地、登陸點等因子，從大量的歷史數據中挖掘與本場臺風相似的歷史臺風，以相似臺風降雨統計信息輔助防汛部門對未來降雨形勢的預判，解決“臺風在24 h警戒線外，各主流氣象機構的降雨數值預報存在較大的不確定性，對未來降雨的初步預判難度較大”的問題。

1.2.2 多機構降雨預報長短嵌套融合技術

暴雨發生過程中，不同機構會發布各自的降雨預報成果，各機構預報成果在發布時間、預報時長、預報范圍、預報精度等方面往往存在一定的差異。本技術基于各機構在歷史長系列、過去15 d、過去3個時次的預報綜合表現，調整各機構動態權重，分別對短臨預報機構、短期預報機構的預報成果進行融合，再進行長短嵌套，得到最終預報成果。

1.2.3 降雨預報數據時空解析技術

從時間角度，氣象機構預報信息發布時間固定，其節奏與防汛需求不一致。本平臺研究“降雨預報數據時空解析技術”，將各機構發布的降雨預報信息解析為逐小時降雨過程，為防汛部門提供當前時間以后的降雨過程。從空間角度，將各機構實時預報的大尺度、低分辨率降雨數據，快速插值加密成防汛關注對象范圍內的高精度、高密度網格降雨數據，提高面雨量計算效率和精度。

1.3 架構設計

基于臺風多元信息智能跟蹤關鍵技術研究成果，結合云計算、大數據、人工智能等新興信息技術，構建一套基于能力中心的臺風實時信息防汛服務云平臺。系統總體架構分為數據層、服務層、業務層和用戶層，見圖1。平臺架構的主要特點為采用B/S架構、SaaS服務模式和數據與服務能力中心建設。

1.3.1 B/S架構、SaaS服務模式

B/S模式[8-10]是目前在水利信息化領域應用最為廣泛的架構形式，與C/S模式相比，具有業務擴展便捷、開發簡單、共享性強的優點。本平臺引入SaaS軟件服務模式[11-12]，系統部署于云服務器，利用云服務器集群架構、彈性伸縮等特點，保障本平臺的經濟性、可靠性和可擴展性；用戶申請賬號后，即可訪問平臺信息，數周內即可導入全部用戶區域數據、增加客戶個性化需求，最大限度提高用戶入駐效率，兼顧平臺信息集約化和用戶服務差異化，提高系統通用性。

1.3.2 數據與服務能力中心

數據與服務能力中心為上層業務應用建設提供標準的數據集成服務和核心算法支撐，包含數據集成與共享交換平臺、大數據中心和應用支撐與服務平臺。數據集成與共享交換平臺將通過抽取、轉化、清洗、開發等一系列標準化流程將多源異構數據整理進入大數據中心；大數據中心提供結構化數據存儲平臺，采用極速響應、海量計算、高效低成本的MPP架構的關系型數據技術；應用支撐與服務平臺是關鍵技術的標準化服務集成，為業務應用提供一系列分析服務。同時，平臺基于spring cloud、 docker的微服務系統云架構，使用API Gateway統一向外部系統提供REST API，專業用戶可基于API服務自主開發其他應用系統。

圖2 系統功能模塊

1.4 系統功能設計

臺風實時信息防汛服務云平臺分為6個模塊，以多種方式、多重視角展現臺風未來降雨及其他相關信息，提升防汛部門獲取臺風預報信息的效率和水平，見圖2。

a. 臺風信息模塊。功能定位為當前或歷史臺風相關信息的查詢。可查詢當前臺風實測及預報路徑、詳細信息(中心氣壓、風速、移速、風圈半徑等)、襲擊概率、登陸點和影響范圍等當前臺風信息；可查詢1945年以來歷史臺風實測路徑、詳細信息、各預報時刻預報信息、災情、登陸點、影響范圍等歷史臺風信息；可查詢云圖、風場等值面及風場動畫、雷達圖及動畫、溫場等氣象預報信息。

b. 相似分析模塊。基于臺風降雨信息智能關聯技術，為用戶提供形勢預判服務。可選擇臺風路徑、發生時間、中心氣壓、移速、風速、發源地、登陸點等因子進行歷史相似臺風分析，提供降雨、災情等歷史臺風關聯信息查詢。

c. 未來降雨模塊。分為全國未來降雨和地區未來降雨。全國未來降雨功能可查詢全國范圍內各點位T639、GRAPES_MESO、GFS和ECMWF等模式預報未來12 h、24 h、48 h和72 h的降雨量。地區未來降雨針對防汛用戶所在地區，提供轄區、流域、水庫等防汛關注對象未來面雨量過程，提供各大主流機構預報、當地預報及智能融合預報選擇。為提高預報準確率，提供預報后評估功能，多維度反饋各機構及智能融合預報表現。

d. 分析簡報模塊。智能解析臺風實況、相似分析、未來降雨預報等成果，實時生成臺風實況、歷史相似、未來降雨信息分析簡報，保障用戶統籌、全面掌握臺風信息。

e. 數據大屏模塊。數據大屏通過臺風信息高維度降噪，實現多元數據一屏可視化，助力用戶實時監控臺風信息，為滿足不同用戶實際需求，提供個性化數據大屏定制服務。

f． 后臺管理模塊。為提升運維效率，建設后臺管理模塊，可進行用戶賬戶維護、預報數據源維護、用戶防汛關注對象維護和定制作業配置。

2 實踐應用

圖3 “201718泰利”臺風寧波市降雨預報跟蹤過程

圖4 “201718泰利”與“200422雷米”路徑對比

平臺在2017年“苗柏”“納沙”“海棠”“泰利”“卡努”等臺風期間應用于寧波市及各縣區、溫嶺市等10余處防汛部門的防臺工作。根據實踐經驗，“相似分析”和“未來降雨”模塊可分別從歷史數據挖掘和數值預報跟蹤的角度為防汛提供信息支撐。臺風演進初期，各模式數值預報成果離散，難以指導防汛，此階段可參考相似臺風預估降雨形勢，開展水庫預泄、物資調配等防汛準備；跟蹤各模式數值預報成果至逐步趨于一致，其外包線往往也逐步逼近實際降雨真值，可依據未來降雨分析成果開展洪澇風險預報預警等防汛應用。以“201718泰利”臺風為例(圖3)，對于寧波市最大3 d面雨量，2017年9月12日23時各模式數值預報成果離散程度高，最大值近300 mm，最小值僅約10 mm；各模式數值預報隨預報發布時間呈顯著集中趨勢，而實測真值44 mm始終位于外包線內。在此背景下，防汛部門應用本平臺實時跟蹤各模式數值預報成果，分別使用平臺“相似分析模塊”和“未來降雨模塊”支撐防汛決策：①2017年9月12日23時，臺風位于24 h警戒線外，整體形勢并未明朗，各模式數值預報成果離散，防汛部門使用“相似分析模塊”搜尋出相似臺風——“200422雷米”臺風(圖4)，“201718泰利”與“200422雷米”臺風路徑相似。如圖5所示，兩場臺風風速、移速、中心氣壓等要素過程均相似，同時，兩場臺風均于9月發源于馬里亞納群島附近海面，綜合以上要素認為“201718泰利”與“200422雷米”臺風對寧波的影響相似。由于“200422雷米”臺風期間寧波最大3 d面雨量僅為17 mm，故防汛部門在各模式數值預報存在分歧時，初步判斷“201718泰利”未來降雨量較小，綜合多場相似臺風判斷，未來降雨15～40 mm。②2017年9月13日2時，臺風進入24 h警戒線，根據最新預報發布時次各模式數值預報寧波市未來最大3 d面雨量位于13～83 mm區間內，基于各模式數值預報面雨量均低于100 mm且趨于一致，認為模式預報邊界條件已基本清晰，成果可靠性可接受，此時平臺智能融合預報45 mm與實測值44 mm僅有1mm偏差。“未來降雨模塊”通過兩種方式服務于防汛應用：一是在平臺界面上直接提供降雨等值面、網格、點雨量查詢，提供轄區、流域、水庫等防汛關注對象降雨詳細數據查詢；二是將降雨詳細預報數據以API形式服務于洪澇風險預報預警類系統。

(a)風速過程

(b)移速過程

(c)中心氣壓過程

3 結 語

a. 針對水利防汛部門在防臺工作中難以獲取有效高精度降雨預報數據的難題，從歷史數據挖掘和模式預報信息解析、融合的角度研究3項關鍵技術。

b. 將SaaS軟件服務模式引入臺風信息服務領域，滿足推廣應用的通用性；結合數據與服務能力中心，保障了防汛高并發時期的系統穩定性。

c. 在2017“苗柏”“納沙”“海棠”“泰利”“卡努”等臺風期間應用于國內10余處防汛部門的防汛工作中，實際檢驗表明系統針對性強、實用價值高，在我國東南沿海各地區具有推廣應用價值。