基于網格數據的內蒙古決策氣象服務技術研究與實現

司瑤冰，韓經緯，李云鵬，吳 昊，周恒超

（1.內蒙古自治區生態與農業氣象中心，內蒙古 呼和浩特010051；2.內蒙古自治區氣象臺，內蒙古 呼和浩特010051；3.內蒙古自治區氣象干部培訓學院，內蒙古 呼和浩特010051；4.成都信息工程大學，四川 成都610000）

決策氣象服務工作是氣象部門向黨政領導和各級政府部門傳播重大氣象信息的重要窗口之一，長期以來居于我國氣象服務工作的首位[1-2]。2013 年內蒙古自治區氣象局成立決策氣象服務辦公室以來，為內蒙古自治區黨委、政府和各部門提供了大量綜合決策氣象服務材料，在自治區農牧業經濟生產和防災減災中發揮了重要作用。目前根據內蒙古黨政領導和部門需求，一份綜合決策氣象服務材料中主要包括實況監測分析、預報預測和歷史統計分析三部分，產品中采用的是站點數據和預報員定性預報。另外，決策氣象服務產品制作流程是根據業務人員主觀判斷后進行任務啟動、加工分析和人工發布。隨著氣象科技發展和信息技術的不斷提高，決策氣象產品材料從內容到制作無法滿足精細化和智能化決策氣象服務需求。

2017 年，中國氣象局天氣預報業務由原來的站點預報發展為5 km 全要素格點預報[3]，同期完成降水、氣溫、風、濕度、能見度和總云量等6 個要素共計15 種網格實況分析產品下發[4]。初步建立了逐1 h滾動更新、實時共享的全國5 km 分辨率0～30 d 和每日兩次滾動更新全球10 km 分辨率的0～10 d 無縫隙精細化網格天氣預報業務[5]。為此，國家和各省逐步對智能網格產品開展預報效果檢驗[6]和可視化平臺的設計[7-9]。關于智能網格產品的應用與評估方面也做了大量工作[10-12]。2018 年內蒙古自治區氣象局建立了基于B/S 結構的決策氣象綜合服務系統[13]，將網格數據融入到決策氣象服務系統平臺，實現基于智能網格產品從啟動制作、數據分析、產品展示、圖形下載和產品自動生成，為提高精細化和智能化決策氣象服務提供技術支撐。

本文主要介紹基于原有內蒙古決策氣象綜合服務系統構架，以智能網格預報和中國氣象局陸面同化系統融合產品（CLDASV2. 0）實況作為基本數據源，確立決策氣象服務啟動標準閾值、閾值檢測、格點數據可視化、圖形產品自動生成和下載以及格點數據統計分析查詢等技術方法研究和實現。

1 技術方法與設計

主要技術有NetCDF.jar[14]、Quartz[15]、Java 的MVC（Model-View-Controller，模型—視圖—控制器）[16]。

NetCDF 是由美國大學大氣研究協會（University Corporation for Atmospheric Research，UCAR）的Unidata 項目科學家針對科學數據的特點開發的，是一種面向數組型并適于網絡共享的數據描述和編碼標準，支持多維資料數據結構[17]。目前，NetCDF 廣泛應用于大氣科學、水文、地球物理等諸多領域[18]。本研究采用NetCDF 實現網格格點氣象數據的快速提取。

Quartz 是OpenSymphony 開源組織在Job Scheduling 領域又一個開源項目，支持B/S 架構，利用Quartz 創建簡單程序，實現氣象格點海量數據的檢索和調度。

MVC 是傳統Web 應用開發中服務器端廣泛使用的軟件開發模式[19]，具有高內聚、低耦合、可復用、可維護性高等特點，利用Java 的MVC 實現氣象要素色斑圖和格點圖可視化展示。

分4 層設計：數據獲取、數據處理、數據檢測和數據可視化（圖1）。

圖1 設計流程圖

2 技術實現

2.1 數據獲取

采用的主要數據包括智能網格氣象預報產品、CLDASV2.0 實況產品、地圖數據和地理信息數據。智能網格預報、CLDASV2.0 數據和災情數據來源于綜合氣象信息共享系統（China Integrated Meteorological Information Sharing System），CIMISS[20]。預報數據包括中國范圍0～3 d 的逐3 h 降水、氣溫和UV 風場等氣象要素預報，空間分辨率為0.05°×0.05°。實況數據為歐亞范圍逐1 h 和1 d 的降水、氣溫、風場、土壤相對濕度、氣壓和比濕等，空間分辨率為0.0625°×0.0625°。地圖數據使用WebGIS 開源瓦片天地圖MapBox（https：//www.mapbox.com/）[21]。

智能網格預報產品和CLDASV2.0 中的風場、氣壓和比濕從CIMMIS 定時訪問MUSIC 接口提取數據，根據資料推送頻率，設定數據采集定時策略，保證數據的實時穩定接入，同時監控采集進程運行狀態。

CLDASV2.0 實況產品中經過驗證后的降水、氣溫和土壤相對濕度從內網共享文件夾（\172.18.112.19dqfw awcmacast afpCLDAS） 提取，使用Smb 協議完成服務器之間通信和交互，定時掃描文件夾下文件，按照文件生成時間進行增量掃描和接入，獲取逐小時降水、氣溫和土壤相對濕度數據。

地理信息數據是通過在線注冊天地圖服務，實現GIS 底圖獲取，利用Geoserver GIS 服務將內蒙古自治區國界、省界、中小河流、水庫、鐵路和道路等shp 數據發布為GeoJson 格式文件，用于疊加地理信息顯示。

數據采集后，按照對應資料類別編碼，將文件索引信息（文件名、文件路徑、文件大小、文件日期等）分層存儲在結構化數據庫中，將文件存儲在分布式文件系統HDFS 中，并標記文件狀態等待處理。

2.2 數據處理

數據處理使用NetCDF.jar 技術，實現氣象網格數據的讀取和解析。主要包括對智能網格預報數據和CLDASV2.0 產品實況數據的JSON 格式轉換；對格點數據生成色斑圖的插值處理、CLDASV2.0 數據統計處理和地圖疊加幾部分。

2.2.1 JSON 格式轉換

利用XXL-JOB 定時掃描待處理狀態文件，以保證數據處理實效性。智能網格預報為GRIB2 數據格式，CLDASV2.0 實況為NC 數據格式，將數據進行解析，統一轉換成JSON 文件。預報數據解析內蒙古經緯度區域范圍內開始與結束經緯度信息、經緯度格點數、分辨率、要素值和預報時效；實況數據解析內蒙古經緯度區域范圍內開始與結束經緯度信息、經緯度格點數、分辨率、要素值。

智能網格降水和氣溫預報解析如下：

其中，氣溫預報的單位是國際單位K，根據用戶需要轉換成℃。

降水預報：Prefore= Pre [timeIndex][latIndex][lonIndex]；

氣溫預報：Temfore=Tem [lonIndex+ latIndex*_lonCount+ timeIndex * （lonCount）*（latCount）] -273.15f；

CLDASV2.0 中降水、2 m 氣溫、10 m 風速和土壤相對濕度實況解析如下：

降水實況：Pre=Pre[lonIndex+latIndex*lonCount]；

2 m 氣溫實況：Tem=Tem [lonIndex + latIndex*lonCount] - 273.15f；

10 m 風速實況：Win=Wind[lonIndex + latIndex*lonCount]；

土壤相對濕度：Rsm=Soil [lonIndex + latIndex*lonCount]；

2.2.2 插值處理

為提高圖形展示和自動生成色斑圖的分辨率，避免圖像失真，采用雙線性插值處理方法，是有兩個變量插值函數的線性插值擴展，核心是在兩個方向分別進行一次線性插值。

插值處理部分代碼為：

2.2.3 格點歷史數據統計

將格點實況產品NC 文件解析為結構化數據后，存儲在分布式Postgres 數據庫中，然后利用數據庫的快速檢索和分組查詢統計技術進行格點數據統計，由于內蒙古范圍廣，格點數據量大，使用分庫和分表的設計，利用數據庫索引技術實現快速統計，使用POI 技術將最終的數據導出為Excel 文件。

2.2.4 地圖疊加

氣象數據通過解析和處理，最終按照經緯度疊加到GIS 地圖上，同時加載時按照可視化區域范圍和地圖縮放層級，控制加載的格點數和范圍分布，解決格點數據加載的性能問題。

2.3 數據檢測

數據檢測主要是對決策氣象服務產品制作啟動標準閾值進行檢測，檢測到實況數據和預報數據達到閾值后，在WeBGIS 上顯示，提示決策氣象服務值班人員制作決策氣象服務產品。

2.3.1 閾值確定

何時啟動制作決策氣象服務產品，需根據已發生天氣和未來發生天氣情況進行判斷，也就是決策氣象服務的敏感性分析[22]。統計近10 a 內蒙古地區暴雨洪澇、干旱、冰雹、大風、凍害、雪災、低溫冷害和沙塵暴等氣象災害造成的經濟損失、死亡人數、農業損失和農業成災面積占受災類型的比重（表1），得出暴雨洪澇災害在8 類災害中造成經濟損失最為嚴重，死亡人數最多，農業經濟損失和成災面積最大。沙塵暴造成的經濟損失最輕，對農業損失和成災面積為零，雖然有死亡人數，但較少。根據統計結果建立暴雨洪澇、干旱、大風、凍害和雪災的決策氣象服務自動響應啟動閾值，由于冰雹災害形成機理較為復雜，且預報難度大[23]，未建立冰雹災害閾值。暴雨洪澇災害閾值參考李喜倉[24]關于暴雨洪澇災害評估研究中暴雨洪澇致災危險性的降雨量級確定；干旱啟動標準閾值的設定采用土壤相對濕度確定[25-26]，大風災害閾值按致災性大風定義和風力等級標準確定[27-28]，凍害是以最低溫度低于零度作為閾值[29]，雪災閾值按照內蒙古地區任意一個氣象測點的實測氣溫穩定持續在0 ℃以下的月份內24 h 降水量≥8 mm的降水過程確定[30]。以上所有閾值均是基于網格格點氣象要素數據（表2）。

2.3.2 閾值檢測方法

采取Quartz 技術對敏感性檢測進行任務調度，對整個任務進行管理和過程日志監控，因Quartz 采用了基于多線程的架構，保證敏感性任務多并發執行檢測。每5 min 通過動態數據庫Sql 語句對存儲在數據庫中智能網格預報和CLDASV2.0 降水、土壤相對濕度、風速和氣溫格點值進行檢測，檢測到達到閾值時，啟動制作決策氣象服務產品。

2.4 數據可視化

通過WebGis 的Openlayers 技術實現氣象網格數據色斑圖在地圖上的疊加，根據色斑圖所屬地區范圍進行疊加。格點數據根據可視化區域和縮放層級進行數據篩選和過濾，減少GIS 地圖上疊加的數據量，提高頁面加載的性能效果。基于前端頁面的實時渲染可視化，在前期對數據準備和加工的基礎之上，主要實現地圖底圖信息疊加顯示、地理信息展示，格點數據按區域裁剪篩選將智能網格預報和CLDASV2.0 實況氣象要素色斑圖展示和圖形下載。

表1 各類氣象災害對經濟、人口、農業損失占比

表2 基于智能網格產品格點要素決策氣象服務制作啟動標準閾值

用戶根據智能網格預報產品和CLDASV2.0 實況產品類型（如最高氣溫、最低氣溫、降水、風速等）可按時間（間隔1、3、6、9、12、24 h）查詢預報和實況信息，通過點擊時間列表中的時間和顯示方式，查看該時刻的降水色斑圖或格點圖，點擊播放按鈕，可以動畫播放所選時間段的降水色斑圖或格點圖，也可修改播放時間間隔。圖形下載是根據決策氣象服務產品制作中需要下載的要素預報或實況色斑圖，當點擊色斑圖下載后自動將智能網格預報產品或CLDASV2.0 實況產品插入到Word 模版中。

2.4.1 地圖底圖信息展示

采用OpenLayers3.js 進行地圖矢量數據源shp文件綁定展示，各地界使用GeoServer 地圖服務加載邊界JSON 數據文件。同時對部分地理信息（如河流、水庫、農田和地災點等）使用Openlayers3.js 加載shp 數據源。

2.4.2 格點數據裁剪

在頁面進行展示中，根據地圖可見區域包括內蒙古自治區行政區域、12 個盟市級區域、和103 個旗縣級區域的所屬經緯度范圍、地圖縮放層級，對格點數據進行裁剪篩選顯示，提高頁面可視化展示效率，使頁面加載更快。

具體方法：

步驟1：使用Openlayers3.js 的Map.getView（）.calculateExtent（）方法獲取地圖可視化區域范圍的經緯度坐標，使用Map.getView（）.getZoom（）方法獲取地圖當前縮放層級。

步驟2：基于獲取的可視化區域范圍，動態對格點數據進行處理，篩選出當前可視范圍用于加載格點數據集，疊加到GIS 地圖中進行顯示。

步驟3：基于獲取的地圖當前縮放層級，動態計算格點數據加載間隔，按照不同層級使用不同的數據步長進行疊加到地圖上，提高頁面加載效率。

2.4.3 色斑圖生成

從數據庫中獲取對應氣象要素的色標數據，從GRIB2 數據文件中解析出具體的要素值數據，根據要素值數據和色標值對應，并使用插值算法進行色斑圖繪制，繪制時進行不同顏色漸變的平滑處理。

步驟1：根據智能網格預報訂正后的產品中獲取GRIB2 文件和CLDASV2.0 實況產品NC 文件，使用Netcdf.jar 進行數據解析，解析出具體的要素值和要素名，存儲在二維數組中。

步驟2：根據已獲取的要素名，從數據庫中獲取對應的色標數據，利用色標數據中的rgb 值，要素值的二維數組數據集進行數據對應。

步驟3：使用插值算法畫出色斑圖，同時畫出對應色標，然后將色斑圖和色標合成一張產品圖，根據圖片所屬地區經緯度范圍，疊加到GIS 地圖中進行顯示。

步驟4：內蒙古自治區、盟市和旗縣三級色斑圖產品繪制，是根據地區所屬經緯度范圍進行GRIB或者NC 文件解析的數據篩選出新的二維數組，其中NC 文件部分數據量較大，需去除部分國外的經緯度區域數據，用于繪制對應地區的色斑圖。

3 實驗與測試

3.1 閾值檢測結果

利用CLDASV2.0 數據產品，對閾值檢測進行實驗。2020 年3 月18 日11—16 時內蒙古中部地區出現大風天氣，烏蘭察布市氣象局發布大風藍色預警。以10 m 風速為例進行驗證，數據獲取地址（\172.18.112.10dqfw awcmacast afpCLDAS），檢測2020 年3 月18 日15 時，風速≥14 m/s 以上的閾值，檢測結果與實況一致。圖2 為格點閾值提醒圖標放大后顯示的烏蘭察市察哈爾右翼中旗地區，可以看出精細到鄉鎮和蘇木，如格點對應庫倫蘇木檢測到風速達17.9 m/s，區域站點實測風速為18.0 m/s，格點實況檢測數據與區域站點實況數據相差0.1 m/s。

圖2 敏感性分析啟動標準閾值檢測結果顯示

3.2 可視化顯示和預報結果驗證

從內蒙古綜合信息網（http：//10.62.89.55/cimissapiweb/）獲取內蒙古自治區氣象臺訂正后的GRIB 文件，驗證智能網格預報產品的可視化顯示，以最低氣溫為例。在平臺上選取時間，選擇2020 年3 月18 日，時效24 h，預報產品類型選最低氣溫，顯示方式選色斑圖，顯示結果（圖3），選擇色斑圖下載，下載的色斑圖自動生成預報結果進行服務。

圖3 智能網格預報圖可視化顯示（2020 年3 月18 日24 h 最低氣溫預報）

選取2020 年3 月1 日智能網格預報的3 月2日最高氣溫、最低氣溫、降水量和2020 年3 月2 日區域站觀測最高氣溫、最低氣溫和降水量的實況圖進行對比分析（圖4）。最高氣溫和最低氣溫預報與實況基本一致，最高氣溫在內蒙古自治區西部、中部和東部偏南地區從地理分布到量值分布具有高度的一致性。在東北部分布趨勢一致，地形地貌影響特征均一致，但在大興安嶺西側略有差異，預報較實況略有偏小。最低氣溫全區分布趨勢一致，特別是東北地區，從地理分布到量值分布相當一致，地形影響的特征得到明顯的體現。降水預報量級和實況大部一致，中部和西部表現較好，但東部地區降水面積有一定誤差。

圖4 2020 年3 月1 日智能網格24 h 預報最高氣溫（a）、最低氣溫（b）、累計降水（e）和2020 年3 月2 日區域站觀測最高氣溫（d）、最低氣溫（e）、24 h 累計降水（f）實況

3.3 數據統計

CLDASV2.0 實況數據統計計算從2014 年開始，利用分布式數據庫Postgres 的快速檢索功能，實現格點數據按照時間和空間的維度進行查詢和統計，統計過程中對任意時段數據進行求和計算；對于大數據量快速計算使用數據庫分表、分區、索引技術實現格點實況數據計算。用戶按時間和要素類型進行選擇統計任意時間段平均以及求和等計算。選取2016年8 月1—31 日數據進行統計，得出實驗結果（圖5）。

圖5 2016 年8 月1—31 日CLDASV2.0日降水量統計

4 結論

（1）利用智能網格數據確立決策決策氣象服務啟動標準閾值和數據檢測。采取Quartz 技術，通過動態數據庫Sql 語句對數據庫中智能網格產品進行檢測，當檢測達到啟動標準閾值時，基于WebGIS 顯示檢測結果，啟動制作決策氣象服務材料。

（2） 根據決策氣象服務業務需求，采用OpenLayers3.js 技術方法對智能網格預報和CLDASV2.0 實況數據進行地圖疊加、層級縮放展示和網格氣象數據要素色斑圖顯示，根據用戶需求，按時間、區域進行查詢顯示。采用Netcdf.jar 技術對數據進行解析，使用相關插值算法得出所需不同行政區域的色斑圖或格點圖，根據需求將色斑圖下載，實現智能網格預報和實況產品的自動生成。

（3）利用分布式數據庫Postgres 的快速檢索功能，實現格點數據按照時間和空間的維度進行查詢和統計。

（4）利用訂正后的CLDASV2.0 大風實況數據對敏感性啟動標準閾值進行試驗，結果達到顯示標準。

（5）對智能網格預報最低、最高和累計24 h 降水與區域觀測站實況數據進行檢驗，均達到準確客觀的顯示效果。

將網格數據應用于內蒙古決策氣象服務業務，對精細化決策氣象服務有一定支撐，但在產品預報準確率上還需進行檢驗。在業務流程的智能化方面，決策氣象服務啟動標準設定需要在業務實踐中不斷完善，充分利用計算機學習技術和計算方法，真正實現智能化啟動。