孫石陽，周佐歡，蘇琳智，劉東華

（深圳市國家氣候觀象臺，廣東深圳 518000）

數(shù)字化是指將任何連續(xù)變化的輸入如圖畫的線條轉(zhuǎn)化為一串分離的單元，在計算機中用0和1表示，是實施智慧氣象的基礎(chǔ)性工作。智慧氣象是依托于氣象科學技術(shù)進步，使氣象系統(tǒng)成為一個具備自我感知、判斷、分析、選擇、行動、創(chuàng)新和自適應(yīng)能力的系統(tǒng)，讓氣象業(yè)務(wù)、服務(wù)、管理活動全過程都充滿智慧［1-4］。近年來，重慶“知天”智慧氣象服務(wù)應(yīng)用數(shù)字文字轉(zhuǎn)換規(guī)則、自然語言處理、數(shù)據(jù)可視化、機器學習等現(xiàn)代信息技術(shù)，為決策者、公眾用戶和行業(yè)用戶提供場景定制、用戶行為自動感知、精準推送的氣象服務(wù)［5］?；谖恢脼橐鏅C制的智慧氣象信息服務(wù)和“互聯(lián)網(wǎng)＋”背景下服務(wù)眾創(chuàng)架構(gòu)體系研究也在多地氣象業(yè)務(wù)部門得到了實施或探索［6-11］。北京、上海、廣東等融合了城市治理、數(shù)字政府、農(nóng)業(yè)、生態(tài)環(huán)境等領(lǐng)域的“氣象＋”場景化服務(wù)也有較深層次研究和實踐［12-14］。但由于受傳統(tǒng)氣象服務(wù)系統(tǒng)的架構(gòu)影響，多數(shù)系統(tǒng)“數(shù)字底座”很難完全筑牢夯實，轉(zhuǎn)型發(fā)展數(shù)字化耦合式服務(wù)模式迫在眉睫［15］。由于軌道交通、物流交通、公路交通等多元化的交通氣象服務(wù)有著共同的“數(shù)字底座”需求，研發(fā)數(shù)字化智慧交通氣象服務(wù)系統(tǒng)具有較強的實踐意義。

1 系統(tǒng)設(shè)計

1.1 總體架構(gòu)

系統(tǒng)總體架構(gòu)由前臺、后臺、底座3部分組成，按照功能分為數(shù)據(jù)采集、數(shù)據(jù)處理、風險識別、服務(wù)供給4大子模塊（圖1）。

圖1 數(shù)字化智慧交通氣象服務(wù)系統(tǒng)總體架構(gòu)設(shè)計示意圖

服務(wù)供給模塊主要由前臺組成；數(shù)據(jù)采集、處理與風險識別模塊主要由后臺組成；系統(tǒng)底座是構(gòu)建“數(shù)字底座”的主要部件，支撐前臺和后臺運行，主要由算法與數(shù)字化運行、大型關(guān)系數(shù)據(jù)庫、地理與空間信息數(shù)據(jù)系統(tǒng)等組成。底座的基礎(chǔ)保障、算法（含模型、閾值、指標、數(shù)字化轉(zhuǎn)換等系列計算方法）主要通過系統(tǒng)線程交互并行處理來協(xié)同完成。當需求輸入經(jīng)綜合分析后，系統(tǒng)底座會輸出智慧氣象服務(wù)數(shù)字化的引擎識別，通過引擎識別來智能觸發(fā)系統(tǒng)前后臺、底座三者之間的有機運行，其主要智能觸發(fā)因子包括氣象災(zāi)害風險、基于位置需求、基于用戶習慣（包括定制）和基于氣象災(zāi)害預(yù)警信號等4種方式。基于位置需求、基于用戶習慣、基于預(yù)警信號3種方式均可分別通過GIS系統(tǒng)、大數(shù)據(jù)分析、預(yù)警信號發(fā)布等已確定性事件的數(shù)字化信息來自動觸發(fā)，而對于氣象風險的引擎觸發(fā)機制比較復(fù)雜。

1.2 功能模塊

1）數(shù)據(jù)采集。

數(shù)據(jù)采集模塊主要包括5部分：（1）氣象基礎(chǔ)觀測數(shù)據(jù)庫。主要存儲觀測站的降雨、氣溫、陣風、臺風、濕度、氣壓、大霧、灰霾、日照等數(shù)據(jù)。（2）雷達資料產(chǎn)品數(shù)據(jù)庫。主要存儲雷達站的基礎(chǔ)信息，以及雷達產(chǎn)品的狀態(tài)信息等。（3）衛(wèi)星資料產(chǎn)品數(shù)據(jù)庫。主要存儲各類衛(wèi)星云圖的基礎(chǔ)信息，以及衛(wèi)星產(chǎn)品的狀態(tài)信息等。（4）雷電、風廓線等資料數(shù)據(jù)庫。主要存儲各種雷電、風廓線等數(shù)據(jù)及相關(guān)產(chǎn)品。（5）資料同化與災(zāi)害識別數(shù)據(jù)庫。對自動站資料、雷達、閃電定位及衛(wèi)星云圖等資料進行同化處理，形成各類要素的格點數(shù)據(jù)庫，主要用來存儲網(wǎng)格化處理的氣象監(jiān)測資料及天氣預(yù)報信息等數(shù)據(jù)，包括反演生成的識別各類氣象災(zāi)害的基礎(chǔ)資料、各類氣象災(zāi)害識別與評估模型及閾值預(yù)警等算法后的產(chǎn)品數(shù)據(jù)庫。

2）數(shù)據(jù)處理。

數(shù)據(jù)處理模塊主要包括6部分：（1）氣象觀測數(shù)據(jù)格點化。綜合運用氣象自動站觀測資料、雷達及云圖識別資料，以及5 d以內(nèi)的預(yù)報資料，對數(shù)據(jù)進行網(wǎng)格化處理，生成分辨率為3 km×3 km的實況監(jiān)測、預(yù)報預(yù)警信息的格點數(shù)據(jù)。運用本地加密觀測及分區(qū)預(yù)警、細網(wǎng)格精細化預(yù)報等資料進行細網(wǎng)格處理形成深圳細網(wǎng)格（1 km×1 km）相關(guān)資料。（2）雷達拼圖、追蹤及反演處理。基于現(xiàn)有雷達基數(shù)據(jù)和互聯(lián)網(wǎng)模式抓取相結(jié)合的方式獲得雷達仰角為0.5°的雷達CAPPI數(shù)據(jù)，結(jié)合GIS空間分析，生成并輸出區(qū)域內(nèi)實況雷達拼圖產(chǎn)品。采用時間和空間并行等多種并行算法，用計算機圖形學和GIS技術(shù)通過可視化計算技術(shù)對云團、物理量變化進行識別，依其演變規(guī)律計算出云團的移向和速度、膨脹系數(shù)等特征量及物理量的變化特征，根據(jù)其變化特征應(yīng)用圖形識別和圖形匹配技術(shù)來實施對云團的追蹤。（3）估測降水分析。利用雷達拼圖和自動站數(shù)據(jù)，建立Z-I關(guān)系進行雷達降水估測，并采用最優(yōu)插值法，對降水估計進行訂正，其偏差使用卡爾曼濾波器訂正，輸出雷達QPE、QPF產(chǎn)品。（4）衛(wèi)星云圖的信息識別。抓取大背景天氣下的低能見度和強降雨區(qū)域，形成實時數(shù)據(jù)，與雷達、自動站資料進行同化并根據(jù)可信度高的信息來提取和使用，實現(xiàn)優(yōu)勢互補，形成邊遠地帶和氣象監(jiān)測稀疏地的相關(guān)氣象實況信息。（5）氣象實況監(jiān)測與預(yù)報。根據(jù)自動站實況或同化資料，生成以深圳為基點的區(qū)域范圍內(nèi)不同尺度下不同時間的溫度、能見度、風速和降雨量的道路天氣實況分布圖，以及每條道路的實況天氣信息?；贕IS空間分析技術(shù)，耦合氣象、交通需求信息以及道路拓撲數(shù)據(jù)等，直觀輸出和顯示區(qū)域主要道路沿線的能見度、溫度、風速、降雨量等氣象信息。（6）交通行業(yè)氣象服務(wù)智慧引擎數(shù)據(jù)。主要存儲的是通過系統(tǒng)底座支撐前臺和后臺協(xié)同計算后，將服務(wù)需求轉(zhuǎn)換成產(chǎn)品的觸發(fā)引擎數(shù)據(jù)。

3）風險識別。

風險識別引擎方式與基于位置需求、基于用戶習慣（包括定制）和基于氣象災(zāi)害預(yù)警信號等3種引擎方式是線程交互與并行處理的協(xié)同關(guān)系，當識別無風險時，系統(tǒng)自動按照后3種方式智慧提供服務(wù)：也就是說系統(tǒng)在顧及4種方式的同時，一旦識別出氣象風險，均應(yīng)觸發(fā)風險識別引擎并啟動相應(yīng)的服務(wù)。圖2是因風險識別引擎觸發(fā)的數(shù)字化融合與應(yīng)用技術(shù)概念示意圖暨在技術(shù)上統(tǒng)籌構(gòu)建數(shù)字化風險識別和引擎觸發(fā)算法和模型，從而最大化地在時空范圍上能形成一致性、同質(zhì)化、能匹配、可迭代的數(shù)字化供給產(chǎn)品。如通過自動識別雷電、暴雨、大風、低能見度、高低溫等氣象災(zāi)害影響區(qū)域，當服務(wù)點及相關(guān)區(qū)域（如周邊5 km內(nèi)）出現(xiàn)以上氣象災(zāi)害天氣時，系統(tǒng)通過各自的數(shù)字化邏輯關(guān)聯(lián)來自動觸發(fā)相關(guān)引擎并提供服務(wù)［10］。目前通過系統(tǒng)能自動識別出風險的災(zāi)害天氣包括雷雨大風、強降水、低能見度、高低溫、冰雹。

圖2 風險識別與引擎觸發(fā)的數(shù)字化融合與應(yīng)用技術(shù)概念示意圖

4）服務(wù)供給。

通過信息挖掘和智能識別，形成個性化的專業(yè)服務(wù)信息，再根據(jù)“渠道＋”的不同服務(wù)方式，以服務(wù)不同行業(yè)不同 需求的人群［7、10、15-17］。目前，系統(tǒng)的主要供給功能有（1）行業(yè)氣象災(zāi)害預(yù)報預(yù)警服務(wù)；（2）行業(yè)氣象風險提示服務(wù)；（3）行業(yè)氣象預(yù)報預(yù)警服務(wù)效果展示；（4）行業(yè)服務(wù)的反饋與互動。主要供給交通行業(yè)的氣象產(chǎn)品有6個：（1）主要公路干道天氣便捷式查詢；（2）旅游景點、航空飛行、高速公路、地鐵出行等交通出行天氣實況信息查詢與顯示；（3）主要交通道路、軌道交通、物流交通天氣風險預(yù)報預(yù)警；（4）大交通出行決策參考分析；（5）大交通出行氣象風險信息智慧推送；（6）服務(wù)用戶的意見反饋與信息互動。

2 關(guān)鍵技術(shù)介紹

2.1 核心開發(fā)技術(shù)

系統(tǒng)基于Arc GIS的地理信息系統(tǒng)平臺，總體采用B／S和C／S混合體系結(jié)構(gòu)，數(shù)據(jù)庫平臺采用Oracle 10g，開發(fā)語言主要采用MS C＃.NET、C語言等，WEB系統(tǒng)采用ASP.NET及富客戶端技術(shù)Silverlight等。C／S結(jié)構(gòu)程序（后臺）以多線程并發(fā)的方式執(zhí)行，用于數(shù)據(jù)解析計算以及各類產(chǎn)品的生成、入庫或分發(fā)。客戶端作為B／S結(jié)構(gòu)程序（前臺）主要為針對使用對象的操作平臺，用于信息的綜合展示以及人機交互操作和系統(tǒng)綜合管理等。核心開發(fā)技術(shù)包括4部分。

（1）系統(tǒng)軟件結(jié)構(gòu)：系統(tǒng)采用3層體系結(jié)構(gòu)，即表現(xiàn)層、應(yīng)用層、數(shù)據(jù)層，均衡地將任務(wù)分配在服務(wù)器端與客戶端。服務(wù)器端負責數(shù)據(jù)管理、數(shù)據(jù)計算、圖形處理、產(chǎn)品生成、檢驗評分等功能?？蛻舳素撠熜畔⒕C合展示及多模式對比檢驗分析等。氣象實況和預(yù)報產(chǎn)品部署于服務(wù)器端，以多線程并發(fā)執(zhí)行的方式運行?？蛻舳藢⑾到y(tǒng)的操作界面與復(fù)雜業(yè)務(wù)功能實現(xiàn)合二為一，使系統(tǒng)架構(gòu)輕盈、啟動速度快、操作平滑、界面美觀等。

（2）系統(tǒng)數(shù)據(jù)庫平臺：采用大型關(guān)系數(shù)據(jù)庫Oracle 10g，大型關(guān)系數(shù)據(jù)庫提供了功能強大的事務(wù)處理語言，系統(tǒng)采用該平臺可保障數(shù)據(jù)的通用性，在標準化和規(guī)范化以及開放性的原則下，對系統(tǒng)業(yè)務(wù)數(shù)據(jù)庫及產(chǎn)品數(shù)據(jù)庫進行設(shè)計，最終形成完善的數(shù)據(jù)庫體系。

（3）地理信息平臺：地理信息系統(tǒng)（簡稱GIS）是針對特定的應(yīng)用任務(wù)，存儲事物的空間數(shù)據(jù)和屬性數(shù)據(jù)，記錄事物之間的關(guān)系和演變過程，它可根據(jù)事物的地理坐標對其進行管理、檢索、評價、分析、結(jié)果輸出等處理，提供決策支持、動態(tài)模擬、統(tǒng)計分析、預(yù)測預(yù)報等服務(wù)。

（4）核心數(shù)字化技術(shù)：系統(tǒng)在風險識別、智慧引擎等的核心算法及耦合技術(shù)上堅持走“三張網(wǎng)格”（既實況網(wǎng)格、預(yù)警預(yù)報網(wǎng)格、氣象風險閾值網(wǎng)格）的數(shù)字化業(yè)務(wù)支撐體系，為場景化氣象產(chǎn)品設(shè)計和供給上提供網(wǎng)格技術(shù)支持。系統(tǒng)的實現(xiàn)主要是采用對氣象風險監(jiān)測與風險識別耦合等6種核心數(shù)字化技術(shù)的支撐來完成。

2.2 核心數(shù)字化技術(shù)

1）風險監(jiān)測與風險識別耦合。

衛(wèi)星遙感動態(tài)監(jiān)測大霧風險的主要技術(shù)難點是云霧檢測與云霧分離技術(shù)［18-19］。目前，主要通過FY-2靜止衛(wèi)星，結(jié)合地面自動站、風廓線等觀測資料，根據(jù)霧的光譜特征和輻射特征，利用可見光反射率閾值法、紅外亮溫閾值法及雙通道差值法、氣象要素閾值過濾等方法的綜合，對衛(wèi)星遙感圖像進行霧區(qū)的自動識別和云霧分離，實現(xiàn)霧造成的低能見度區(qū)風險的動態(tài)、快速、自動識別。其中雙通道差值法主要做法：當有大霧時，反照率和紅外亮溫分布較均勻，并介于一定的閾值范圍，長波紅外亮溫閾值在265～290 K之間，反射率閾值定義在20%～50%之間，通過兩通道閾值相結(jié)合，基本可以濾除地面和高層冷云。

2）數(shù)字數(shù)據(jù)與圖層圖像耦合。

將全國路網(wǎng)入庫，包含有高速公路、國道、省道、縣道、一般道路，建立道路空間數(shù)據(jù)庫，設(shè)計基于交通風險的大風、強降水、低能見度、冰凍監(jiān)測及預(yù)報算法，設(shè)計交通干線與氣象要素格點庫空間分析運算模型，實現(xiàn)災(zāi)害性天氣的交通道路專題圖制作，當實況識別或預(yù)報未來可能發(fā)生大風、強降水、低能見度、冰凍、高低溫天氣時，根據(jù)道路氣象災(zāi)害模型對道路交通整體氣象條件進行分析運算和生成產(chǎn)品。

3）監(jiān)測與預(yù)報預(yù)警模型耦合。

目前，強對流天氣的識別技術(shù)越來越深入［20-21］。以雷電監(jiān)測預(yù)警為例，綜合應(yīng)用閃電定位數(shù)據(jù)、多普勒雷達數(shù)據(jù)和中尺度數(shù)值模式數(shù)據(jù)以及結(jié)合雷達反射率（Q）、回波頂高（H）、垂直累積液態(tài)水（VIL）等閾值指標和區(qū)域范圍等雷暴識別和追蹤技術(shù)，通過機器學習、訓練測試、統(tǒng)計分析閃電特征及預(yù)報預(yù)警因子，建立監(jiān)測與預(yù)報預(yù)警模型相耦合的雷電監(jiān)測預(yù)警模型，實現(xiàn)對閃電的臨近預(yù)報預(yù)警，預(yù)報流程和技術(shù)路線見圖3。根據(jù)不同季節(jié)以及監(jiān)測到不同Q、H和VIL，利用概念評估模型也可實現(xiàn)系統(tǒng)實時對雷電進行分級分類影響評估和進行預(yù)警提示。

圖3 基于深度學習的0～2 h雷電預(yù)報流程（a）和雷電預(yù)測產(chǎn)品加工技術(shù)路線示意圖（b）

4）基礎(chǔ)數(shù)據(jù)與圖像數(shù)據(jù)耦合。

采用基于現(xiàn)有的雷達基數(shù)據(jù)和互聯(lián)網(wǎng)模式抓取相結(jié)合的方式來獲得雷達仰角為0.5°的CAPPI數(shù)據(jù)，對其中的雷達CAPPI數(shù)據(jù)進行處理和實時解碼，并結(jié)合GIS空間分析對這些雷達資料進行拼圖產(chǎn)品計算，最終生成并輸出全國實況雷達拼圖產(chǎn)品。

5）要素變化與圖像變化耦合。

建立網(wǎng)格化的物理量要素變化特征分析的算法，再綜合利用網(wǎng)格化的物理量要素變化特征與圖形圖像變化特征分析等模型耦合識別技術(shù)來進行云團邊界識別、拓撲處理，建立生命周期與族譜關(guān)系。如在自動識別雷暴云團的基礎(chǔ)上，對云團進行對象化處理，得出雷暴云團從發(fā)生以來的時間序列，依據(jù)其演變規(guī)律計算出云團的移動方向和速度以及云團的膨脹系數(shù)等特征量，根據(jù)云團特征量，綜合應(yīng)用網(wǎng)格化的物理量要素變化特征與圖形圖像變化特征識別技術(shù)對云團持續(xù)進行追蹤，根據(jù)同一云團連續(xù)多個時序的移動情況來外推出云團下一逐時位置、大小、邊界、強度，并輸出產(chǎn)品，見圖4。

圖4 雷雨大風早期天氣預(yù)測模型的算法建模（a）和冰雹云識別與冰雹預(yù)報輸出產(chǎn)品（b）

6）不同數(shù)據(jù)資料同化耦合。

利用雷達拼圖和自動站數(shù)據(jù)，建立Z-I關(guān)系進行雷達降水估測，并采用最優(yōu)插值法，對降水估計進行訂正，其偏差使用卡爾曼濾波器訂正。QPE實現(xiàn)并行化，進而實現(xiàn)不同高度層的降水估測，也可用于雷達滯后數(shù)據(jù)到達后再估測，以及全省自動延遲數(shù)據(jù)到來后的再訂正、再濾波、再估測；利用預(yù)報回波輸出和最優(yōu)插值法訂正場來計算預(yù)報雨強，積分得到未來1、2、3 hQPF。

3 應(yīng)用效果

相比傳統(tǒng)服務(wù)系統(tǒng)，數(shù)字化基于網(wǎng)格技術(shù)的智慧交通氣象服務(wù)系統(tǒng)的主要應(yīng)用效果較明顯提升。

1）該系統(tǒng)大大提高了高峰運行時的保障能力。數(shù)字化大大有利于對資源統(tǒng)籌進行池化與云化，服務(wù)器、網(wǎng)絡(luò)、存儲、數(shù)據(jù)、算力、算法資源更能科學統(tǒng)籌使用，數(shù)據(jù)運行、并行運算、數(shù)算處理效能均大幅提高，出現(xiàn)重大災(zāi)害天氣時，解決這一需求尤為重要。

2）該系統(tǒng)提高了算法與模型的耦合能力。各類算法耦合的邏輯基礎(chǔ)是數(shù)字化與標準化，數(shù)字化的耦合技術(shù)使分層、分級建立的同質(zhì)化的基礎(chǔ)數(shù)據(jù)、同化數(shù)據(jù)、過程數(shù)據(jù)、災(zāi)害風險識別數(shù)據(jù)、用戶數(shù)據(jù)以及各數(shù)據(jù)庫、庫表、表表、文件之間的邏輯關(guān)聯(lián)更加便捷，算法、模型融合更加順暢，系統(tǒng)的智慧性也就大為提高。

3）該系統(tǒng)綜合提高了智慧行業(yè)氣象服務(wù)效能。數(shù)字化交通氣象服務(wù)系統(tǒng)與“網(wǎng)格＋氣象”的精密監(jiān)測、精準預(yù)報、精細服務(wù)的平臺化保障需求的發(fā)展目標是完全一致的，因此對模型和算法的不斷改進和進行網(wǎng)格化、數(shù)字化轉(zhuǎn)換的技術(shù)積累更加具有便利性，系統(tǒng)應(yīng)用以來，在公路交通、物流交通、軌道交通、旅游出行的精細化氣象服務(wù)供給中，在拓展智慧交通氣象服務(wù)領(lǐng)域的應(yīng)用中，應(yīng)用效能均表現(xiàn)不錯。