基于位置的災害性天氣靶向預警系統的設計與應用

摘要 駐馬店市具有獨特的地理位置和氣候條件，歷來是洪澇、干旱等氣象災害的多發、重發地區，同時又是氣候變化影響敏感的地區之一。建立快速便捷的信息傳輸渠道，確保災害性天氣信息快速、精準有著重要意義。筆者實現了基于位置的災害性天氣靶向預警系統的設計與開發，建立了駐馬店氣象綜合數據庫系統，構建了業務應用的數據框架;完成短臨天氣監測預警子系統開發，研發基于“Farneback光流法”的雷達外推預報模型，實現未來0～3 h駐馬店市災害性天氣監測預報;完成預報預警服務發布子系統開發，研發建立了融合站點實況、雷達實況、雷達外推及數值預報等多種數據資料的災害性天氣預報預警應用系統;利用移動通信基站大數據分析結果，實現了預警信息按災害落區的靶向發布。

關鍵詞 氣象災害;靶向預警;Farneback光流法雷達外推

中圖分類號：P49 文獻標識碼：B 文章編號：2095–3305（2022）02–0079–03

中小城鎮和基層地區是防范氣象災害的薄弱之地，是防災減災的最后一道防線。駐馬店市具有獨特的地理位置和氣候條件，歷來是洪澇干旱等氣象災害的多發、重發地區同時又是氣候變化影響敏感的地區之一。受全球氣候變化影響，極端氣象災害越來越頻繁，給城市管理和人民群眾生命財產安全帶來重大隱患，建立快速、便捷的信息傳輸渠道，確保災害性天氣信息快速、精準傳遞給防災責任人，為防災減災爭分奪秒至關重要。梁華玲等[1]開發了災害性天氣自動報警系統，金成等[2]提出了杭州市基于位置的突發事件預警信息全媒體發布方式。

駐馬店市氣象局在前人研究的基礎上，結合地方防災減災的需要，開發了基于位置的災害性天氣靶向預警系統，實現災害性天氣“智慧定位”，預警信息“靶向發布”，為全市防汛應急指揮工作提供精準、高效的氣象服務，為保障人民群眾生命財產安全爭取有效時間，有力提升氣象災害應對能力。

1 系統總體設計思路及技術路線

1.1 總體設計思路

構建一個可實現氣象災害監測預警預判及應急短信服務的輔助決策系統，實現常規氣象資料（溫度、雨量等資料）和非常規氣象資料（云圖、雷達拼圖等）的采集、處理和入庫，歷史常規氣象資料統計分析和圖形化處理等。利用光流法外推雷達回波反演出災害性天氣即將發生的強度及位置，結合實況資料對氣象災害預警信息進行自動精細化預判，同時可進行人工干預。利用移動通信基站大數據分析，在災害性天氣落區范圍內，以移動通信基站輻射范圍為單元，有針對性地向相關部門和人民群眾靶向發送預警信息，提高預警信息發布的準確率，實現氣象防災減災精準服務。總系統由基礎支撐系統、數據庫系統、應用系統、信息發布終端、安全保障系統、標準規范體系組成。

1.2 技術路線

1.2.1 業務流程 主要業務流程如圖1所示。

氣象監測報警業務流程分析：接入氣象站點及天氣雷達實況資料，顯示實況資料，對歷史資料進行統計分析，用戶設置關注區域各類氣象要素的報警閾值，當實況值超臨界閾值，進行報警提醒，提醒方式包括圖形報警、聲音報警及短信提醒多種方式。

氣象預報業務流程分析：接入短臨預報、EC中期預報、公服中心及省級預報服務產品，提供預報產品的顯示查看功能，同時利用實況資料，對預報產品進行預報檢驗，進行誤差統計分析。

氣象預警業務流程分析：系統根據用戶設置的預警閾值，及時進行預警信息制作，并通過整合的預警信息發布平臺，向多渠道發布預警信息。

數據監控管理業務流程分析：系統后臺實時監控源端的數據產品，根據源數據的生產時間自動更新到本地，并標準化處理。對數據同步更新過程持續監控，對于數據缺失、異常的情況，做好日志記錄，并及時提醒值班人員，進行數據查看和補調。

1.2.2 主要技術方法 （1）雷達外推技術研發：對雷達的基本反射率、組合反射率和累積降水進行外推。外推采用光流法。Farneback是一種基于梯度的方法[3]，假設圖像梯度恒定且假設局部光流恒定。圖像一般是二維的（灰度圖像），那么圖像像素點的灰度值可以看成是一個二維變量的函數。假設以感興趣的像素點為中心，構建一個局部坐標系（并不是針對整張圖像）。對函數進行二項展開，可以近似為：

其中，X=（x，y）為二維列向量，A為2×2的對稱矩陣，b為2×1的矩陣。構建目標函數來進行優化求得位移：

在實際情況中，這種方法求得的結果中噪聲太多，因此可以使用興趣像素點的鄰域，然后使用加權的目標函數：

而對于稠密的光流法存在孔徑的問題，即從小孔中觀察一塊移動的黑色幕布觀察不到任何變化。但實際情況是幕布一直在移動中。因此將引入金字塔結構，即從不同尺度（圖像金字塔）上對圖像進行觀察，由高到低逐層利用上一層已求得信息來計算下一層信息。

Gunnar Farneback金字塔的步驟為：（1）首先計算金字塔最頂層圖像的光流，根據最頂層光流結果計算其次上層的光流初始值，再進一步估算其光流的精確值。最后，用計算的次上層光流結果估計下一層光流的初始值，計算其精確的值后再繼續代入下一層計算，直到金字塔的最底層。

（2）靶向發布技術研發：基于SOA架構的服務接口，與移動建立基站300 m范圍人口信息、基站信息、基站短信發布監控等實時信息共享庫，建立信息實時更新機制。采用大數據分析實現：災害性天氣落區智能提取;落區基站提取（基站位置、活動人口信息、定時更新）落區人口分析（人口分布熱力圖）;落區人工修正（基于地圖的在線編輯）;分基站發布（與移動通訊基站的短信發布接口）。

2 氣象監測預報業務資料加工處理

2.1 數據收集

通過CIMISS氣象基礎數據支撐平臺和實況降水接口河南省綜合業務平臺收集各類氣象監測實況數據資料。基于CIMISS數據和實況監測接口，各類數據資料通過項目開發建設的“數據運行監控系統”實時訪問、傳輸及獲取，經過相關處理后存入數據庫系統中。

2.2 數據處理

結構化數據處理：對于結構化數據，通過后臺程序，利用多線程異步技術，定時批量讀取省臺數據庫然后保存到本地氣象數據庫。根據省臺不同的數據列別更新頻率不同，分別設置不同的掃描間隔時間去同步，其中氣象站監測數據為1 min頻率，水文站數據為5 min頻率，站點代表站預報為10 min頻率，臺風和站點統計數據為1 h頻率[4]。

非結構化數據處理：本程序后臺基于FTP協議，使用多線程異步定時批量讀取省臺2個FTP服務器（其1為EC服務器）同步到本地磁盤陣列中保存。根據各個預報格點資料的不同更新頻率，本地也設置了不同的時間間隔來同步。該同步日志的默認保存時間也為7 d，可以根據需要做相應的修改。如果第一次同步出現異常情況，會把該異常信息加入到同步日志并在另外一個單獨的線程里面去同步這些異常的文件資料，前端顯示會在數據后面顯示（補）加以區分。

2.3 雷達監測及外推數據實現

對各類雷達資料，需要按照實際需要加工處理各級產品。本程序適用于處理雷達回波強度基本反射率、雷達估測（QPE）和雷達預報（QPF）、風暴追蹤、中氣旋等氣象產品。

回波強度處理示例：將FTP同步程序同步到的雷達回波強度原始數據轉化成氣象數據標準格式之一的NC格式，并將該NC文件根據回波強度圖例設定的值生成不同級別的回波強度SVG供系統前端調用。

雷達估測（QPE）：由于省臺FTP默認只有10 min的估測格點數據。本程序根據歷史估測10 min數據先生成30 min NC格點數據文件，再通過2個30 min估測數據生存1 h估測，再根據3個1 h生成1個3 h估測，以此類推一共生成72 h的累計估測數據。

雷達預報（QPF）：由于省臺最長的雷達預報只有未來6 h、12 h不是連續的，暫時沒有采用。所以需要根據6 h的QPF生成12 h、24 h、48和72 h的產品。類似雷達估測的方式生成。

3 數據庫系統建設

3.1 數據庫結構

本系統后臺一共用了3個SQLSe-rver數據庫，分別為：氣象數據庫、地理數據庫和業務數據庫。其中氣象數據庫每天的數據增量為95 M左右。數據庫邏輯結構圖見圖2。

3.2 數據入庫

本系統后臺采用多線程異步定時去省局數據庫和FTP服務器批量讀取最新數據。這樣能保證每種數據類別能同時更新，不用等某一類別數據同步完后再開始同步下一列別數據。當某個同步線程出異常，將該異常信息記錄在數據庫日志表中，系統后臺單獨開辟一線程單獨去處理同步過程中出錯的數據，等待下次2次同步，如果再次出異常就會進入第3次或者第4次，直到同步成功為止。

3.3 數據庫數維護

數據庫日均增量：氣象數據庫每日的增量約為95 M。數據庫月均增量：氣象數據庫每月的增量約為3 G。數據庫備份方式：采用SQLServer計劃任務自動硬盤備份。

4 軟件應用系統開發

4.1 展示首頁

首頁主要為各分系統進入之界面，同時包括氣象直觀相關信息。展示功能如圖3。

4.2 短臨天氣監測預警系統

短臨天氣監測預警系統功能包括監測報警和預警管理兩部分組成，監測報警主要以站點、雷達、衛星、基站和預警報警提醒及發布為主（圖4）。

監測報警功能組成包括站點監測、雷達監測、衛星云圖、雷電監測、基站監測、短臨預警提醒、預警信息提醒、站點監測告警和預警信息發布（圖5、圖6）。

預警發布主要功能包括落區選擇、預警信息編輯、落區信息提取（圖7）。

預警管理功能包括短臨提醒統計、預警提醒統計、本地預警統計、發送任務統計和預警信息管理。后臺管理頁面主要平臺后臺管理提供服務，內容包括閾值管理、權限管理、用戶管理、日志查看。

5 總結與展望

5.1 總結

基于位置的災害性天氣靶向預警系統主要完成以下工作內容：建立了駐馬店氣象綜合數據庫系統，構建了業務應用的數據框架。實現了短臨天氣監測、站點監測和預警信息的智能提醒服務。研發建立了基于光流法的0～3 h的雷達外推預報應用系統。研發建立了融合站點實況、雷達實況、雷達外推及數值預報等多種數據資料的災害性天氣預報預警應用系統。利用移動通信基站大數據分析，實現了預警信息按災害落區的靶向發布。初步構建了從數據接收處理、監測預警提醒、預警產品制作發布服務的綜合應用平臺。

5.2 工作展望

為提高短臨天氣監測預報預警的準確性需要進一步加強氣象資料基礎存儲及運算支撐體系建設。同時針對預報業務技術支撐體系，未來還可做如下工作：雷達外推算法的改進，基于雷達基數據，進一步改進雷達外推算法和服務能力;融合自動站數據，改進雷達定量降水估測（QPE）方法;雷達外推融合快速更新同化系統的短臨0～6 h逐10 min降水。

參考文獻

[1] 梁華玲，劉健，余銳，等.佛山市三水區災害性天氣監測靶向報警系統的設計與應用[J].廣東氣象，2019，41（2）：53-56.

[2] 金成，王小良，蔡激揚，等.基于位置的突發事件預警信息全媒體發布方式[J].浙江氣象，2019，40（3）：39-44.

[3] 安晶晶，劉高平，朱佳寧. Farneback光流法在短臨預報中的應用[J].軟件， 2018，39（10）：26-33.

[4] 林青，潘寧，劉銘.光流法以及結合機器學習在臨近預報中的應用[J].海峽科學，2017（12）：17-20.

責任編輯：黃艷飛

Design and Application of Location-based Targeted Early Warning System for Disastrous Weather

ZHOU? Yang （Zhumadian Meteorological Bureau， Zhumadian， Hebei 463000）

Abstract Due to its unique geographical location and climatic conditions， Zhumadian city has always been a frequent and recurrent area of meteorological disasters such as floods， floods and droughts， and one of the areas sensitive to the impact of climate change. It is of great significance to establish a fast and convenient information transmission channel to ensure that disastrous weather information is fast and accurate. This paper realized the design and development of location-based disastrous weather targeting early warning system， established Zhumadian meteorological comprehensive database system， and con-structed the data framework of business application; Complete the development of short-term and imminent weather monitoring and early warning subsystem， developed radar extrapolation prediction model based on“farneback optical flow method”， and realized the monitoring and prediction of disastrous weather in Zhumadian city in the next 0-3 hours; Complete the development of forecast and early warning service release subsystem， developed and established a disastrous weather forecast and early warning application system integrating station reality， radar reality， radar extrapolation， numerical forecast and other data; Based on the big data analysis results of mobile communication base stations， the targeted release of early warning information according to the disaster area was realized.

Key words Meteorological disaster; Tar-geted early warning; Farneback optical flow radar extrapolation

基金項目 中國氣象局·河南省農業氣象保障與應用技術重點實驗室應用技術研究項目“基于人工智能的強對流天氣識別研究及模型建立”（KM202042）。

作者簡介 周揚（1987—），女，河南駐馬店人，助理工程師，本科，主要研究方向：災害性天氣預報預警。

收稿日期 2021-12-10