農業氣象大數據共享平臺設計與實現*

李 軒，吳門新，侯英雨，莊立偉，何延波，孫少杰

農業氣象大數據共享平臺設計與實現*

李 軒，吳門新**，侯英雨，莊立偉，何延波，孫少杰

（國家氣象中心，北京 100081）

為了適應現代農業氣象業務發展，增強海量數據快速處理、多源數據融合智能分析、數據挖掘等數據分析能力，實現農業氣象數據和產品在全國范圍內的共享，國家氣象中心采用開源框架，分布式（Hadoop）大數據技術和Web架構，融合現代農業氣象業務技術，構建B/S（Browser/Server即瀏覽器/服務器）模式的農業氣象大數據共享平臺，實現多源農業氣象數據分布式存儲與管理，同時提供網絡端數據和業務產品可視化展示。共享平臺于2021年業務運行，部署在國家級服務器上，為國家級和31個省級用戶提供13大類200余種數據要素和產品的在線快速瀏覽和查詢，實現國家?省級用戶通過網絡快速瀏覽、查詢業務數據和產品，實現農業氣象業務數據資源的共享和交匯，形成統一應用的農業氣象大數據共享環境。

農業氣象大數據共享平臺；B/S模式；分布式存儲；數據可視化；產品可視化

國內農業氣象業務始于1958年，經過60多年的發展，已成為氣象部門業務規模最大、業務技術最成熟、業務體系最規范的專業服務。農業氣象業務內容涵蓋農業氣象情報、土壤墑情監測、農業氣象災害監測預報、農用天氣預報、國內外作物產量預報、植被與草地生態監測評估、農林病蟲害發生發展氣象等級預報、春耕春播、秋收秋種等關鍵農時農業氣象服務專報等多方面[1?3]。農業氣象業務所涉及的數據種類多、內容和結構復雜，科研人員在數據管理及業務軟件系統方面做了大量研發。楊太明等[4?9]研發了省級農業氣象數據庫，但這些數據庫具有明顯的時域和地域的局限性，只能滿足各自省的農業氣象業務需求；早期多個基于微機版的農業氣象情報預報業務系統具有電報報文收報解報、繪制氣象要素等值線、作物產量預報等功能[10?15]，這些系統普遍是因業務發展過程中新增業務需求單獨研發，缺乏統一規范化規劃與管理，使農業氣象業務在發展過程中存在較多模塊小而零散的業務系統。2010年國家氣象中心建設了基于C/S（Client/Server即客戶端/服務器端）架構的中國農業氣象業務系統（CAgMSS）[16]及基于集中式關系型數據庫的國家級農業氣象數據庫[17]，制定統一規范的農業氣象數據標準[18]，CAgMSS系統涵蓋農業氣象業務范圍，具有農業氣象監測、分析、預報和制圖等多種功能，國家級和省級業務單位通過CAgMSS系統獨立開展業務工作。

隨著現代農業的多元化發展及大數據、分布式存儲、云計算、人工智能等信息技術的快速發展，農業氣象業務的服務種類越來越多樣化，服務的精細化、精準化、智能化水平不斷提升，業務產品的時空分辨率顯著提高，從原有周、月、季、年尺度圖形產品發展到精細化、格點化日尺度產品。同時，數據規模呈爆發式增長，從而對數據和產品的海量存儲、快速交互分析、實時共享和發布方面的需求愈加迫切。而目前的CAgMSS系統主要基于氣象觀測站點數據來設計，無法滿足高空間精度、高時間精度的數據存儲和運算；由于CAgMSS是基于C/S的架構，使其在省級用戶推廣應用與系統維護方面較為困難，需要投入大量人力和財力進行系統培訓、設備與系統維護。現有的基于集中式關系型數據庫在服務器上過于集中存儲大量數據和數據分析功能，占用較多服務器資源，大量存儲過程并發時對服務器造成很大的壓力，存在一定的安全隱患；由于對外接口受限制，不能跟其他類型的數據進行交互，在數據共享與發布上存在一定的局限性[19]。同時，國家級與省級、省級之間的業務系統未能實現有效對接，國家?省兩級用戶在數據和產品共享時存在流程復雜、多途徑傳輸、效率低等問題，導致反復流轉造成網絡和存儲資源的浪費，而省級用戶之間存在實時信息共享困難，短時間內不能對數據和業務產品進行高效訪問和應用，影響了服務時效。

因此，為了適應現代農業氣象業務發展，增強海量數據快速處理、多源數據融合智能分析、數據深度挖掘等數據分析能力，實現國家?省級農業氣象業務互聯互通和一體化發展，國家氣象中心采用開源框架，分布式（Hadoop）大數據技術和Web架構，融合農業氣象業務技術，構建B/S（Browser/Server即瀏覽器/服務器）模式的農業氣象大數據共享平臺，實現多源農業氣象數據分布式存儲與管理，同時提供網絡端的數據和業務產品的可視化展示，國家級和省級用戶可通過網絡快速瀏覽和查詢，為國家級、省級農業氣象業務提供高性能、高可靠性的數據支撐，推動了數據資源共享和匯交，形成全國統一應用的農業氣象大數據共享環境。

1 共享平臺總體設計

1.1 總體框架

農業氣象大數據共享平臺總體邏輯結構采用自頂向下、分層設計思路，包括數據層、基礎層、業務層和用戶層（圖1）。數據層是整個框架的基礎，為共享平臺提供多源數據，包括站點、格點、圖像、文檔等數據以及數據存儲服務。基礎層是整個框架的核心部分，以數據訪問接口、業務訪問接口、微服務框架等基礎組件為基礎，依托分布式存儲和數據計算框架，實現數據檢索統計和深度挖掘，進行數據關聯和變化對比分析。業務層采用可視化基礎組件在瀏覽端對數據和業務產品進行合理有效的組織，通過三維圖和表格等形式，向用戶展示所需數據和產品。用戶層為面向共享平臺的直接和間接用戶，主要包括國家級、省級農業氣象業務人員，通過網絡終端可實時獲取業務所需的數據和產品，為業務服務提供支撐，提高業務服務能力。

圖1 農業氣象大數據共享平臺結構圖

共享平臺采用B/S架構，分為瀏覽器端和服務器端。B/S架構在用戶端只需安裝瀏覽器即可，應用邏輯集中在服務器和中間件上，提高了數據處理性能。瀏覽器端需要在計算機上部署操作系統（Windows XP/7/8/10或Linux/Redhat/CentOS等）以及支持HTML5標準的瀏覽器。采用標準Web架構，通過瀏覽器與用戶交戶，瀏覽器是用戶操作共享平臺的接口，用戶通過瀏覽器界面向服務器端提出請求，通過數據接口對請求進行解析、運算、分析等處理，并對返回的結果進行處理和展示。服務器端采用6臺高性能Linux服務器搭建分布式作業集群，部署操作系統（CentOS7.2）以及Cloudera Manager平臺、Hadoop分布式組件等，主要提供分布式數據存儲和分布式數據計算支撐，以及應用系統和網站的基本運行。

1.2 數據流程

農業氣象業務數據來源主要包括國家氣象信息中心CIMISS[20?21]、氣象大數據云平臺（天擎）[22]、衛星遙感數據[23]、國家氣象中心精細化預報產品[24]等。數據涵蓋了基礎氣象、農業氣象觀測、土壤水分等站點數據，農業災害、作物生長模擬等格點數據，以及遙感、作物實景以及文檔產品數據等。共享平臺的數據流程可分為多源數據入庫流程和數據服務流程2大部分（圖2）。數據入庫流程包括全系列數據的獲取，根據各類數據特點對入庫數據進行分類、解析整理、質量控制等預處理，得到規范化數據，進而存儲到分布式數據庫中。數據服務流程包括通過相關Web配置接口獲取到菜單樹，用戶在瀏覽器端通過菜單點擊所需功能，通過Web服務的代理接口向數據服務發送數據請求，數據服務快速解析請求信息，利用分布式數據分析引擎對數據進行快速的邏輯計算，同時向Web端返回計算結果并進行快速發布和可視化展示。共享平臺通過數據流程實現各類農業氣象數據和產品的檢索、統計分析、數據挖掘、對比分析等，最終實現數據和產品的收集、加工、存儲、分析、共享的統一管理。

2 共享平臺實現的關鍵技術

2.1 信息技術

2.1.1 數據分布式存儲

農業氣象數據具有類型多樣、多源、時間序列長、結構復雜、海量等特點，從存儲角度可分為結構化數據和非結構化數據兩類，按照數據類型采用不同的數據庫分布式存儲，能實現對數據進行更好地存儲和管理（圖3）。具體實現中共享平臺采用具有管理海量數據優勢的Kudu結構化數據庫作為分布式大數據的底層存儲，并結合使用功能豐富的MongoDB存儲非結構化數據。

結構化數據主要包括基礎氣象數據、農業氣象觀測數據、自動土壤水分數據等，擁有以站號和時間為序列的結構化特征，包括歷史數據和實時數據，現有數據量為百GB級別，共享平臺設計為TB級別存儲，可滿足未來數據增量和業務發展要求。這些結構化數據由Kudu數據庫存儲，遵循農業氣象數據庫設計規范，對數據進行統一的入庫、管理、查詢和分析等操作，共存儲管理7大類140多種農業氣象要素。

圖2 農業氣象大數據共享平臺數據流程圖

圖3 農業氣象大數據共享平臺數據存儲結構圖

對于農業氣象精細化格點產品、農業作物實景圖片和視頻、衛星遙感數據、農業文檔產品等結構不規則的數據則歸屬于非結構化數據。非結構化數據具有數據量大、數據時效和精度高以及數據類型多樣（柵格、圖像、文本）等特征，由MongoDB數據庫存儲，同時對數據的屬性進行統一管理，建立文件索引，方便隨機快速定位訪問，目前存儲了6大類60余種農業氣象產品數據。

2.1.2 數據服務接口

共享平臺的數據支撐來自分布式存儲的200余種數據，不同種類數據之間關聯性不強，對于開發人員來說，數據處理會較為困難，同時為了網絡用戶更快速便捷地訪問到底層數據庫中的數據，建立標準化的數據服務接口可以解決這些問題。數據服務接口具有無需詳細了解數據存儲、數據內部結構和格式，即可快速訪問，提高訪問效率；采用標準化統一規范，降低了開發的難度；有較強的靈活性，可滿足不同的業務需求，能高效、完整、安全轉換和傳輸數據；同時簡化服務器部分，改善其可擴展性和不同平臺上的可移植性等優點。

共享平臺通過流行的Restful API接口對外提供數據服務。API（Application Programming Interface，應用程序接口）是一組編程接口規范、客戶端與服務端通過請求響應進行數據通信。Restful API（Representation Station Transfer，表述性狀態轉移）是基于Rest思想實現Web架構約束的應用程序接口[25]，具有輕量級、跨平臺、跨語言的風格[26?27]，是比較流行的互聯網軟件設計規范。它在設計API的路徑時同一個資源要使用同一個地址，通過不同的請求方式來表示不同的操作，結構清晰、易于理解、擴展方便[28?30]。

共享平臺從數據端的自動采集入庫，到數據查詢、數據分析、業務分析，均使用Restful API接口對外提供數據服務，不同模塊之間采用接口相互訪問，并以標準格式對數據進行交換，通過參數傳遞方式實現數據的請求訪問。業務與數據通過接口形成隔離，業務層與數據層互不干擾，從而在數據優化時依然能夠保障數據分析服務的正常工作。實現數據與業務分離，降低數據與業務的耦合度，減少數據端對應用端的影響。

共享平臺包含了各類數據入庫、數據管理、數據查詢、數據分析、數據監控、業務分析、數據挖掘、數據報表、元數據、輔助功能等模塊，為業務提供分析，為服務提供支撐。如格點數據入庫，在檢索到新的格點數據文件時，通過接口的形式發起數據寫入請求，服務端接收到數據請求后對數據進行解析，提取格點數據的數據量、數據類型、數據范圍、坐標系等元數據信息，將元數據信息和數據流統一存儲到相關數據庫。元數據接口主要給用戶提供基本數據信息服務，包括數據的種類、數據配置、站點信息、表信息、字段信息等輔助功能信息的數據查詢獲取。通過數據分析接口用戶可以對所需的數據要素進行累積、平均、天數統計、連續天數統計、對比分析等數據分析操作。

2.1.3 精細化格點產品

農業氣象業務的發展越來越要求精準的、高時空分辨率的產品，以往以站點為主要信息源的產品無法滿足高空間精度的需求，空間上從站點向精細化格點發展，已成為農業氣象業務的必然選擇。精準的農業氣象業務基于觀測數據、遙感數據、業務指標數據等多數據源，結合精細化格點預報產品和高精度的地形數據，利用成熟的業務技術模型對多種信息快速處理分析，生成精細化格點產品，為業務服務提供客觀的指導產品。

在精細化格點產品制作流程中（圖4），首先根據所要完成的業務，選取相關的站點觀測數據，如作物發育期、氣象要素、地理范圍等數據，通過相關的算法（如距平、最大/小、天數等）進行數據加工處理，隨后對加工處理后的數據進行地理空間插值，獲得業務模型所需的格點數據；同時結合精細化格點預報數據、遙感數據以及業務指標（如干旱、寒露風、干熱風、連陰雨等指標）等，通過相關業務模型的分析處理，最終生成業務所需的精細化格點產品。

2.1.4 可視化產品

數據可視化是業務服務的有效手段，通過地圖、圖形和圖表等多種方式直觀、便捷地為用戶展示各類數據和產品。隨著互聯網、云計算和智能終端的發展，用戶的需求越來越動態化、時效化和多樣化，傳統的點、線、面等可視化方式已不能滿足這些需求，同時農業氣象大數據具有高時效性、長時序性、格式多樣性、空間尺度大、關聯性強等特點，迫切需要基于Web端的數據可視化技術。共享平臺通過三維可視化和圖表可視化更直觀、便捷地為用戶展示數據和產品的時空信息，其中三維可視化采用Cesium組件，它支持豐富的地圖數據服務（二維地圖（2D）、哥倫布視圖（2.5D）和三維地球（3D））和數據格式；圖表可視化采用Echarts組件，它支持種類豐富的統計圖、交互式強，能將數據關鍵信息采用多種形式直觀表達，并可根據用戶需求選擇性展示數據。

共享平臺利用接口調取分布式數據存儲的站點數據、格點數據、文檔產品等數據，利用WebGIS地圖可視化、可視化圖表、色標渲染等前端技術對數據進行可視化展示。如站點數據可視化通過調用數據訪問接口獲取可視化展示數據，獲取數據后對數據進行解析，加工為標準空間可視化格式，通過獲取色標等級對數據進行分級渲染，并以空間可視化形式進行展示；同時對數據增加時效切換、色標控制等操作，以及進行數據的圖表制作（圖5）。Web端的用戶切換數據時效，共享平臺根據設置請求對應時效數據，并將獲取的數據加載到地圖上；同時，根據請求的數據返回該數據的色標配置，Web端獲取到數據色標配置信息后，解析色標等級，將數據渲染為對應等級效果。

共享平臺采用直觀可視化方式將農業氣象大數據信息展示給國家級和省級用戶，以便更直觀地交互分析數據間的關系。共享平臺對數據進行數據解析分級、圖表制作、空間可視化等操作，實現了地圖、折線圖、柱狀圖、散點圖、餅狀圖、格點圖等多種方式展示數據。用戶通過共享平臺可隨時瀏覽全國范圍內任何省、市、縣的溫度、降水、日照、作物發育期、土壤水分等地面觀測要素和農業氣象要素的站點數據，也可瀏覽作物發育期、災害監測、作物生長模擬等精細化格點數據，同時也可瀏覽作物實景、農田小氣候、文檔產品等多種格式的數據與產品。

圖4 精細化格點產品制作流程

圖5 農業大數據共享平臺站點數據可視化流程

2.2 農業氣象業務技術

2.2.1 農業氣象條件監測分析

農業氣象條件監測分析是根據農業氣象業務的特殊需求，建立作物生長和氣象條件等環境因素的相關性，判斷某個時期（日、周、月等尺度）氣象條件對作物生長的影響。它主要包括農業氣象條件分析、作物生長狀況監測、土壤水分監測等技術，是農業氣象業務的基礎。

農業氣象條件分析常用的統計方法包括相關分析、回歸分析、聚類分析、距平分析、比值分析等，比較客觀、定量地反映出農業生產對象與氣象條件之間的相關關系。光、溫、水等因素是作物生長各階段的重要因素，因而溫度、降水、日照時數等氣象條件分析是評價作物生長的重要指標。農業氣象條件分析通過集成常用的統計方法，能對日、周、旬、月及任意時間段的平均氣溫、降水、日照、風速、積雪深度、土壤相對濕度等要素進行累計、平均、最大、最小、排位、對比等統計分析。

農業氣象站觀測作物生長信息，主要觀測包括作物發育期、苗情、高度、密度等要素。通過觀測數據中的發育期實況或發育期距平可監測當前作物發育期進程，苗情實況反映了當前作物長勢，因而作物生長狀況監測主要通過發育期、發育期距平和苗情來進行，為農業氣象情報、關鍵農時農事氣象服務、作物產量預報等業務服務提供支撐。

水分是一切生物維系生命的重要因素，水分過多或過少都會造成作物生理失調，針對作物各生育期對水分的需求，需要對土壤水分狀況進行判斷。目前，全國約2000多個業務化應用的土壤水分自動觀測站，土壤水分觀測數據經過質量控制[31?32]、GIS空間插值及實時對比等計算分析后，根據土壤墑情等級指標可以客觀反映土壤水分的真實情況，為農業氣象業務服務提供參考依據。

2.2.2 農業氣象災害監測預報

中國特殊的地理環境和氣候特征使得氣象災害頻發，對農業生產影響較大，農業氣象災害監測預報是農業氣象業務的重點工作。農業氣象災害監測預報根據觀測的農業氣象條件、作物發育期、土壤水分等實況數據以及精細化格點天氣預報數據，通過災害指標和災害模型運算，監測或預報氣象災害對農業生產的影響。災害指標技術研究已較為成熟，均已發布了相關的國家標準[33]和行業標準[34?35]。經過多年的業務應用，多種指標、多模型綜合集成判識[36]是較為成熟的方法。以農業干旱為例，國家氣象中心通過集成降水距平、土壤相對濕度、作物水分虧缺距平、衛星遙感等多種指標構建了農業干旱綜合監測、預報模型，實現農業干旱的逐日動態監測預報。目前平臺可以對干旱、漬澇、低溫冷害、霜凍、寒害、凍害、低溫、低溫陰雨、寒露風、干熱風、高溫熱害等主要農業氣象災害進行監測預報，為防災減災和農業生產提供指導產品。

2.2.3 作物生長模型模擬

作物生長模型根據農業系統學原理，利用作物生長發育的觀測資料、環境氣象資料和農田技術條件等作為驅動因子，通過計算機模擬實現作物生長、發育和產量形成等基本生理過程的定量、動態描述[37?38]。目前，在國家級農業氣象業務中集成了WOFOST、APSIM和WheatSM等較為成熟的作物生長模型，通過本地化參數因子調整，結合農業氣象觀測和土壤水分自動觀測數據，實現對冬小麥、玉米、水稻等作物進行生長模擬，用于作物產量預報、災害影響評估等業務服務。

2.2.4 農用天氣預報

農用天氣是指從農業生產角度分析、考慮和應用的天氣，著重強調對農業生產活動和作物生長影響較大的天氣現象或天氣過程[39]。農用天氣預報是根據當地農業生產過程中作物生長發育、各主要農事活動以及相關技術措施對天氣條件的需要而編發的針對性較強的專業天氣預報。經過多年的技術研發，農用天氣預報業務根據農業生產的需求，結合天氣預報、氣候預測等多方因素，通過農業氣象指標和農業氣象評價方法，分析、預測未來天氣條件對農業生產的影響，并提出針對性的措施和建議，為農業生產提供全過程的指導性服務，如春耕春播、夏收夏種、秋收秋種等關鍵農時農事活動的預報業務服務已在全國開展多年。

3 共享平臺的應用

3.1 用戶數據共享

共享平臺可實時為用戶提供包括站點數據和5km×5km格點數據的展示與共享。站點數據包括2412個站點的基礎氣象數據即日資料的平均（最高/最低）氣溫、20：00?20：00降水量、日照時數、最大風速等小時資料、24h變溫和12h降水量等要素，10cm、20cm、30cm、40cm和50cm土壤水分自動觀測數據（圖6a），5cm、10cm、15cm、20cm、40cm和80cm地溫自動觀測數據（圖6b），10種作物包括冬小麥、水稻、玉米、棉花和油菜等的生育期和長勢觀測資料（圖6c、6d），農田小氣候觀測資料和中央氣象臺城鎮預報資料等7大類140余種要素。可以根據需要分省、分區域、分站點查看要素渲染圖，通過在地圖上點擊選擇站點即可展示該站點所有關聯要素的數值及其時序變化。也可以通過查詢統計頁面進行多條件組合查詢，分站點、分區域對氣象要素進行累計、平均、最大、最小等統計，并按時序進行排位。

格點數據為用戶提供5大類產品的下載服務，主要包括農業氣象災害監測（干旱、漬害、高溫熱害、干熱風、低溫冷害、霜凍害等）（圖7a、7b），作物生長模擬（作物葉面積指數、作物地上總生物量和作物穗重指數模擬）（圖 7c），農用天氣預報（春耕春播、夏收夏種和秋收秋種關鍵農時預報產品）（圖 7d）、土壤水分監測和氣象條件監測，用戶可根據需求下載經空間分級渲染后可視化的格點數據圖。用戶還可在頁面上通過瀏覽、查詢、下載等功能，直接獲得經匯總分析后形成的有關農業氣象業務的文檔產品，主要有農業氣象周/月報、災害監測評估、關鍵農時農事服務、特色農業、生態氣象等。

3.2 業務產品共享

共享平臺發布日、周、月等不同時間尺度的農業氣象條件分析、農作物生長狀況、土壤水分監測等產品，這些產品從單要素分析到綜合分析，都緊密結合實際農業生產，客觀、準確、及時地為各級用戶部門提供宏觀決策、指揮農業生產的科學依據；同時根據農業氣象條件對農業生產的作用及提出的建議和措施，為農業生產者科學安排農業生產，因地制宜、積極有效地采用農業技術措施，充分利用有利的天氣條件，避免或減輕不利和災害性天氣條件的影響，為保障農業高產穩產提供科學依據。

共享平臺實時提供農業干旱、高溫熱害、低溫冷害、霜凍害等多種農業災害監測與預報產品，做到農業氣象災害監測、預報預警、評估信息的快速發布，及時、準確地為各級用戶提供長期宏觀調控和短期應變對策，最大限度地減輕災害對農業生產造成的影響；同時使農業生產者及時獲得準確的農業氣象災害監測、預報預警和評估結果，及時采取防御和減災措施，減輕災害帶來的損失，促使農業氣象災害的防災減災由被動減災向主動防災轉變。

圖6 2022年4月5日10cm土壤水分（a）、2022年3月4日5cm土壤溫度（b）、2022年4月3?9日冬小麥發育期（c）和2022年4月3?9日冬小麥生長狀況（d）（缺港澳臺數據，下同）

共享平臺實時定期發布作物生長模型模擬、農用天氣預報、國內外產量預報、糧食作物生育期氣象評價等服務產品，開展對主要糧食作物生長發育、產量形成的定性和定量評價，提高了糧食生產過程中農業氣象技術支撐能力。目前，共享平臺發布基于作物生長模型模擬的產品主要包括冬小麥、春玉米、夏玉米、一季稻、早稻和晚稻等作物的相關精細化格點產品，為作物長勢和產量評估提供葉面積指數、地上生物量和穗生物量等資料，為研究大區域作物生長、發育變化、產量形成的動態過程提供科學依據，同時為作物生長全生育期提供穩定、可靠、全方位、精細化監測預報服務。

3.3 服務效果

共享平臺于2021年業務運行，部署在國家級服務器上，31個省級業務單位通過網絡瀏覽器進行訪問，運行性能穩定，達到很好的用戶訪問效果。

目前共享平臺實時提供200余種農業氣象數據和產品的在線瀏覽，打破了以往數據、產品的時空割裂和限制；實時快速地對農業氣象觀測、農業氣象災害、作物生長模擬、農作物實景和文檔產品等多源農業氣象數據進行全時間尺度、大范圍、多層次、多要素的分析與展示；具備時間序列、柱狀圖、折線圖、雷達圖、三維和二維數字地圖等多種方式靈活直觀地展示數據的能力，同時采用符號等級、色斑分級等渲染方式進行數據表達；根據權限管理用戶，用戶可以實時更新、下載業務產品。

圖7 2022年4月5日農業干旱綜合監測(a)、2021年7月21日夏玉米農田漬害監測(b)、2021年8月23日晚稻葉面積指數(c)和2022年4月14?16日春耕春播農用天氣預報(d)

共享平臺打通技術、數據、產品和服務各環節，實現了農業氣象業務一體化應用，為國家?省級用戶提供了統一的數據和業務產品，提升了國家級和省級用戶業務服務能力。

4 結論與討論

4.1 結論

共享平臺通過分布式大數據、集群管理和Web架構等技術，解決了農業氣象多源海量數據統一存儲、管理、實時共享、發布和可視化應用的難題。采用基于空間、時間等屬性的靈活的數據供給，使各級用戶可以真正體驗到所見即所得、所得即所需的數據獲取，可為用戶提供高效便捷的網絡化共享服務，增強了服務時效性。共享平臺采用B/S架構，部署在服務器端，平臺升級與維護只需在服務器端進行操作，大大節約了開發、維護及推廣應用成本。同時，共享平臺提供“云+端”服務，解決了國家級?省級兩級用戶和省級用戶之間的數據和產品傳輸流程復雜、實時共享困難等問題。共享平臺自2021年投入業務應用以來，已為31個省級業務單位提供200多種數據和產品的實時在線服務，實現了農業氣象業務數據和產品的互聯互通，推進了農業氣象業務向集約化、網絡化和共享化發展，實現了農業氣象業務服務“一張網、一張圖”。

4.2 討論

隨著人工智能、大數據計算與挖掘分析技術的發展，用戶對在線實時數據分析的需求越來越高。共享平臺可為用戶提供數據與產品的網絡可視化和部分格點數據下載，但尚未為用戶提供實時的深度數據挖掘分析，如何實現農業氣象在線大數據挖掘與快速智能分析是共享平臺下一步的研究與應用發展方向。目前，共享平臺主要展示國家級農業氣象業務，業務雖然具有普遍通用性，但部分省級用戶的特色業務未得到充分體現，考慮到省級用戶的特色業務，未來會逐步提供數據服務接口與平臺框架，便于省級用戶訪問底層大數據及研發基于共享平臺的省級業務頻道；隨著共享平臺的業務應用，用戶訪問需求越來越大，目前對省級用戶進行權限管理開放，下一步需要對更多用戶（如地縣級業務單位用戶）進行權限開放，使更多用戶能訪問共享平臺。

[1] 太華杰.我國農業氣象業務體系的形成、完善和發展[J].應用氣象學報, 1995,6(4):505-508.

Tai H J.The formation improvement and development of agrometeorological operational system in China[J]. Journal of Applied Meteorological Science, 1995,6(4):505- 508.(in Chinese)

[2] 侯英雨,張蕾,吳門新,等. 國家級現代農業氣象業務技術發展[J].應用氣象學報, 2018,29(6):641-656.

Hou Y Y,Zhang L,Wu M X,et al.Advances of modern agrometeorological service and technology in China[J]. Journal of Applied Meteorological Science,2018,29(6): 641-656.(in Chinese)

[3] 毛留喜,呂厚荃.國家級農業氣象業務技術綜述[J].氣象,2010,36(7): 75-80.

Mao L X,Lv H Q.Overview of national level agrometeorological operational techniques[J].Meteorological Monthly,2010,36(7):75-80.(in Chinese)

[4] 楊太明,馬曉群,盛紹學,等.新一代可視化氣象數據庫管理系統[J].氣象,2000,26(2):37-40.

Yang T M,Ma X Q,Sheng S X,et al.New generation of visual meteorological database management system[J]. Meteorological Monthly,2000,26(2):37-40.(in Chinese)

[5] 何彬方,楊太明,王海軍,等.省級農業氣象數據庫及管理系統的設計與實現[J].中國農學通報,2009,25(24): 520- 524.

He B F,Yang T M,Wang H J,et al.Design and implementation of province agrometeorological database and management system[J].Chinese Agricultural Science Bulletin,2009,25(24):520-524.(in Chinese)

[6] 湯志成,高蘋.農業氣象數據庫的研制[J].中國農業氣象, 1996,12(6):17-23.

Tang Z C,Gao P.Development of agrometeorological database[J].Chinese Journal of Agrometeorology,1996,12 (6):17-23.(in Chinese)

[7] 張旭暉,孫涵,李亞春,等,農業氣象數據庫系統的改進及應用[J].中國農業氣象,2003,24(1):41-43.

Zhang X H,Sun H,Li Y C,et al.An improved agro- meteorological database system and its application[J]. Chinese Journal of Agrometeorology,2003,24(1):41-43.(in Chinese)

[8] 劉麗,劉清,宋國強,等.基于GIS組件的農業氣象信息服務系統[J].中國農業氣象,2006,27(4):305-309.

Liu L,Liu Q,Song G Q,et al.Agro-meteorological information service system based on comGIS[J].Chinese Journal of Agrometeorology,2006,27(4):305-309. (in Chinese)

[9] 馬渝勇,徐曉莉,宋智,等.省級氣象信息共享系統的設計與實現[J].應用氣象學報,2011,22(4):505-512.

Ma Y Y,Xu X L,Song Z,et al.The design and implementation of provincial meteorological information sharing system[J].Journal of Applied Meteorological Science,2011,22(4):505-512.(in Chinese)

[10] 趙四強,曹山明,殷建國,等.農業氣象情報業務自動化系統[J].中國農業氣象,1988,9(2):55-56.

Zhao S Q, Cao S M, Yin J G, et al. Agrometeorological information operational automation system [J]. Chinese Journal of Agrometeorology,1988,9(2):55-56. (in Chinese)

[11] 趙四強,莊立偉,王健林.國家級農業氣象產量預報業務自動化系統[J].中國農業氣象,1992,13(5):45-49.

Zhao S Q, Zhuang L W, Wang J L, et al. The National agrometeorological yield forecasting operational system [J]. Chinese Journal of Agrometeorology, 1992,13(5):45-49. (in Chinese)

[12] 王健林,趙四強.農業氣象產量預報服務系統簡介[J].氣象,1991,17(7):23-26.

Wang J L, Zhao S Q, et al. Agrometeorological yield forecasting operational system[J].Meteorological Monthly, 1991,17(7):23-26.(in Chinese)

[13] 湯志成,武全崗,馮民學,等,農業氣象情報預報系統[J].中國農業氣象,1995,16(5):47-50.

Tang Z C, Wu Q G, Feng M X, et al. The variation features of grain yield in China in recent 40 years[J].Chinese Journal of Agrometeorology,1995,16(5):47-50.(in Chinese)

[14] 莊立偉,王馥棠,王石立.農業氣象產量預報業務系統的研制[J].應用氣象學報,1996,7(3):745-753.

Zhuang L W,Wang F T,Wang S L,et al.Development of agrometeorological yield forecasting operational system[J]. Journal of Applied Meteorological Science,1996,7(3): 745-753.(in Chinese)

[15] 王石立,莊立偉,劉庚山等,網絡化農業氣象信息服務技術研究[J].中國農業氣象,2004,25(1):1-4.

Wang S L,Zhuang L W,Liu G S,et al .Study on agrometeorological information service techniques based on WebGIS[J].Chinese Journal of Agrometeorology, 2004,25(1):1-4. (in Chinese)

[16] 吳門新,莊立偉,侯英雨,等.中國農業氣象業務系統(CAgMSS)設計與實現[J].應用氣象學報.2019,30(5): 513-527.

Wu M X,Zhuang L W,Hou Y Y,et al.The design and implementation of China Agricultural Meteorological Service System(CAgMSS)[J].Journal of Applied Meteorological Science,2019,30(5):513-527.(in Chinese)

[17] 李軒,莊立偉,吳門新,等.基于Oracle的國家級農業氣象數據庫設計與實現[C]//全國農業氣象業務服務技術交流論文集.北京:全國農業氣象業務技術交流會,2014:79- 86.(in Chinese)

Li X,Zhuang L W,Wu M X,et al.Design and implementation of national agrometeorological database based on Oracle[C]//Papers on National Agrometeorological Service Technology Exchange,Beijing:Meeting of National Agrometeorological Service Technology Exchange,2014: 79-86.(in Chinese)

[18] 莊立偉,吳門新,王穎,等. QX/T 435-2018.農業氣象數據庫設計規范[S].中國氣象局,2018

Zhuang L W,Wu M X,Wang Y,et al.QX/T 435-2018. Specification of agrometeorological database design[S]. China Meterological Administration,2018. (in Chinese)

[19] 汪華,李波,王彪,等.融合架構的分布式數據庫技術在氣象大數據平臺上的應用時間[J].中低緯山地氣象,2020, 44(5):93-96.

Wang H,Li B,Wang B,et al.Application practice of distributed database technology with fusion architecture on meteorological big data platform[J].Mid-low Latitude Mountain Meteorology,2020,44(5):93-96.(in Chinese)

[20] 熊安元,趙芳,王穎,等.全國綜合氣象信息共享系統的設計與實現[J].應用氣象學報,2015,26(4):500-512.

Xiong A Y,Zhao F,Wang Y,et al.Design and implementation of China Integrated Meteorological Information Sharing System(CIMISS)[J].Journal of Applied Meteorological Science,2015,26(4):500-512.(in Chinese)

[21] 趙芳,熊安元,張小纓,等.全國綜合氣象信息共享平臺框架設計技術特征[J].應用氣象學報,2017,28(6):750-758.

Zhao F,Xiong A Y,Zhang X Y,et al.Technical characteristics of the Architecture Design of China Integrated Meteorological Information Sharing System[J].Journal of Applied Meteorological Science,2017,28(6):750-758.(in Chinese)

[22] 徐擁軍,何文春,劉媛媛,等.氣象大數據存儲體系設計與實現[J].電子測量技術,2020,43(22):19-25.

Xu Y J,He W C,Liu Y Y,et al.Design and implementation of meteorological big data storage system[J].Electronic Measurement Technology,2020,43(22):19-25.(in Chinese)

[23] 羅敏寧,劉立葳.遙感大數據分布式技術研究與實現[J].應用氣象學報,2017,28(5):621-631.

Luo M N,Liu L W.Research and implementation of remote sensing big data distributed technology[J]. Journal of Applied Meteorological Science,2017,28(5):621-631.(in Chinese)

[24] 賀雅楠,高嵩,薛峰,等.基于MICAPS4的智能網格預報平臺設計與實現[J].應用氣象學報,2018,29(1):13-24.

He Y N,Gao S,Xue F,et al.Design and implementation of intelligent grid forecasting platform based on MICAPS4[J]. Journal of Applied Meteorological Science,2018,29(1): 13-24. (in Chinese)

[25] Florian H.A REST-based open API architecture for cloud computing[C]. 2015 International conference on Advanced Management Science And Information Engineering (AMSIE 2015),2015:822-832.

[26] 章國材.氣象云建設的研究與思考[J].氣象與環境科學, 2015,38(4):1-11.

Zhang G C.Study and thinking on the construction of meteorological cloud[J].Meteorological and Environmental Sciences,2015,38(4):1-11. (in Chinese)

[27] 于洋. RESTFUL架構風格及其演變與發展[J].計算機時代,2020(4):10-13.

Yu Y.Review of RESTFUL architecture style and its evolution[J].Computer Era,2020(4):10-13. (in Chinese)

[28] 王婉,武鵬,郭學峰,等.基于智慧氣象的數據接口的實現[J].氣象與環境科學,2018,41(4):128-132.

Wang W,Wu P,Guo X F,et al.Implementation of data interface system based on climate smart[J].Meteorological and Environmental Sciences,2018,41(4):128-132.(in Chinese)

[29] 李琦,姚龍.基于REST架構的湖泊環境監測物聯網平臺[J].計算機工程,2016,42(11):27-31.

Li Q,Yao L.Internet of things platform for lake environmental monitoring based on REST architecture[J]. Computer Engineering,2016,42(11):27-31.(in Chinese)

[30] 方生,秦曉安,王睿.基于前后端分離技術的在線購物平臺研究與實現[J].黃河水利職業技術學院學報,2021,33(4): 50-54.

Fang S,Qin X A,Wang R.Research and implementation on online shopping platform based on Web front-end and back-end separation technology[J].Journal of Yellow River Conservancy Technical Institute,2021,33(4):50-54.(in Chinese)

[31] 王良宇,何延波.自動土壤水分觀測數據異常值閾值研究[J].氣象,2015,41(8):1017-1022.

Wang L Y,He Y B.Research on outlier threshold of automatic soil moisture observation data[J].Meteorological Monthly,2015,41(8):1017-1022.(in Chinese)

[32] 陳金華,楊再強,楊太明,等.安徽省土壤水分監測預測系統[J].應用氣象學報,2011,22(2):249-256.

Chen J H,Yang Z Q,Yang T M,et al.Real time observing and forecasting system for soil moisture in Anhui province[J].Journal of Applied Meteorological Science, 2011,22(2):249-256.(in Chinese)

[33] 呂厚荃,張玉書,李茂松,等.BG/T 32136-2015 農業干旱等級[S].北京:中國標準出版社,2015.

Lv H Q,Zhang Y S,Li M S,et al.BG/T 32136-2015 Grade of agricultural drought[S].Beijing:China Standards Press, 2015.(in Chinese)

[34] 霍治國,劉榮花,姜燕,等. QX/T81-2007 小麥干旱災害等級[S].中國氣象局,2007

Huo Z G,Liu R H,Jiang Y,et al.QX/T81-2007 Disaster grade of drought for wheat[S].China Meterological Administration,2007.(in Chinese)

[35] 霍治國,尚瑩,王純枝,等. QX/T82-2019 小麥干熱風災害等級[S].中國氣象局,2019.

Huo Z G,Shang Y,Wang C Z,et al.QX/T82-2019 Disaster grade of dry-hot wind for wheat[S]. China Meterological Administration,2019. (in Chinese)

[36] Hao Z.Drought characterization from a multivariate perspective:a review[J].J Hydrol,2015,527:668-678.

[37] Li H,Jiang Z W,Chen Z X,et al.Assimilation of temporalspatial leaf area index into the CERES-Wheat model with ensemble Kalman filter and uncertainty assessment for improving winter wheat yield estimation[J]. Journal of Integrative Agriculture,2016,15(10):60345- 60347.

[38] 孫楊越,申雙和.作物生長模型的應用研究進展[J].中國農業氣象,2019,40(7):444-459.

Sun Y Y,Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)

[39] 閔慶文.農用天氣預報[M].北京:氣象出版社,1988.

Min Q W.Agricultural weather forecast[M].China Meteorological Press,1988.(in Chinese)

Agrometeorological Big Data Sharing Platform Design and Implementation

LI Xuan, WU Men-xin, HOU Ying-yu, ZHUANG Li-wei, HE Yan-bo, SUN Shao-jie

（National Meteorological Center，Beijing 100081, China）

With the pluralistic development of modern agriculture and the rapid progress of information technologies such as big data, distributed storage, cloud computing and artificial intelligence, the agrometeorological services are gradually diversified, and the services are becoming improved refinement, and have better precision and intelligence. The spatial and temporal resolution of service products has been significantly improved, which have developed from weekly, monthly, quarterly and annual scale graphic products to refined gridded daily products. At the same time, the datum is growing explosively, and the demand for mass storage of data and products, rapid interactive analysis, real-time sharing and publishing is becoming more and more urgent. In order to improve the data analysis capabilities which include massive data rapid processing, multi-source data fusion and intelligent analysis, data mining, etc., and realize the sharing of agrometeorological data and products across the country, the National Meteorological Center established Agrometeorological Big Data Sharing Platform with browser/server mode using distributed big data technology (Hadoop), fusion of modern agrometeorological service technology and web architecture based on open source framework, which realized the distributed storage, sharing and management for multi-source agricultural meteorological data, and provided visualization of network data and products. The sharing platform was put into use nationwide in 2021, deployed on national servers to provide online service. The national and 31 provincial users can browse and query more than 200 data and products in 13 categories through the network. The sharing platform can share and exchange data between nation and province, which will form a unified application of agricultural meteorological big data sharing environment.

Agrometeorological big data sharing platform; Browser/server mode; Distributed storage; Visualization of data; Visualization of products

10.3969/j.issn.1000-6362.2022.08.006

李軒,吳門新,侯英雨,等.農業氣象大數據共享平臺設計與實現[J].中國農業氣象,2022,43(8):657-669

2021?03?16

風云衛星應用先行計劃（FY-APP-2021.0305）；國家氣象中心預報員專項（Y202118）

吳門新，博士，正高級工程師，從事農業氣象研究，E-mail：wumx@cma.gov.cn

李軒，E-mail：lixuan@cma.gov.cn