司瑤冰，韓經(jīng)緯，李云鵬，吳 昊，周恒超

（1.內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心，內(nèi)蒙古 呼和浩特010051；2.內(nèi)蒙古自治區(qū)氣象臺(tái)，內(nèi)蒙古 呼和浩特010051；3.內(nèi)蒙古自治區(qū)氣象干部培訓(xùn)學(xué)院，內(nèi)蒙古 呼和浩特010051；4.成都信息工程大學(xué)，四川 成都610000）

決策氣象服務(wù)工作是氣象部門向黨政領(lǐng)導(dǎo)和各級(jí)政府部門傳播重大氣象信息的重要窗口之一，長(zhǎng)期以來(lái)居于我國(guó)氣象服務(wù)工作的首位[1-2]。2013 年內(nèi)蒙古自治區(qū)氣象局成立決策氣象服務(wù)辦公室以來(lái)，為內(nèi)蒙古自治區(qū)黨委、政府和各部門提供了大量綜合決策氣象服務(wù)材料，在自治區(qū)農(nóng)牧業(yè)經(jīng)濟(jì)生產(chǎn)和防災(zāi)減災(zāi)中發(fā)揮了重要作用。目前根據(jù)內(nèi)蒙古黨政領(lǐng)導(dǎo)和部門需求，一份綜合決策氣象服務(wù)材料中主要包括實(shí)況監(jiān)測(cè)分析、預(yù)報(bào)預(yù)測(cè)和歷史統(tǒng)計(jì)分析三部分，產(chǎn)品中采用的是站點(diǎn)數(shù)據(jù)和預(yù)報(bào)員定性預(yù)報(bào)。另外，決策氣象服務(wù)產(chǎn)品制作流程是根據(jù)業(yè)務(wù)人員主觀判斷后進(jìn)行任務(wù)啟動(dòng)、加工分析和人工發(fā)布。隨著氣象科技發(fā)展和信息技術(shù)的不斷提高，決策氣象產(chǎn)品材料從內(nèi)容到制作無(wú)法滿足精細(xì)化和智能化決策氣象服務(wù)需求。

2017 年，中國(guó)氣象局天氣預(yù)報(bào)業(yè)務(wù)由原來(lái)的站點(diǎn)預(yù)報(bào)發(fā)展為5 km 全要素格點(diǎn)預(yù)報(bào)[3]，同期完成降水、氣溫、風(fēng)、濕度、能見(jiàn)度和總云量等6 個(gè)要素共計(jì)15 種網(wǎng)格實(shí)況分析產(chǎn)品下發(fā)[4]。初步建立了逐1 h滾動(dòng)更新、實(shí)時(shí)共享的全國(guó)5 km 分辨率0～30 d 和每日兩次滾動(dòng)更新全球10 km 分辨率的0～10 d 無(wú)縫隙精細(xì)化網(wǎng)格天氣預(yù)報(bào)業(yè)務(wù)[5]。為此，國(guó)家和各省逐步對(duì)智能網(wǎng)格產(chǎn)品開(kāi)展預(yù)報(bào)效果檢驗(yàn)[6]和可視化平臺(tái)的設(shè)計(jì)[7-9]。關(guān)于智能網(wǎng)格產(chǎn)品的應(yīng)用與評(píng)估方面也做了大量工作[10-12]。2018 年內(nèi)蒙古自治區(qū)氣象局建立了基于B/S 結(jié)構(gòu)的決策氣象綜合服務(wù)系統(tǒng)[13]，將網(wǎng)格數(shù)據(jù)融入到?jīng)Q策氣象服務(wù)系統(tǒng)平臺(tái)，實(shí)現(xiàn)基于智能網(wǎng)格產(chǎn)品從啟動(dòng)制作、數(shù)據(jù)分析、產(chǎn)品展示、圖形下載和產(chǎn)品自動(dòng)生成，為提高精細(xì)化和智能化決策氣象服務(wù)提供技術(shù)支撐。

本文主要介紹基于原有內(nèi)蒙古決策氣象綜合服務(wù)系統(tǒng)構(gòu)架，以智能網(wǎng)格預(yù)報(bào)和中國(guó)氣象局陸面同化系統(tǒng)融合產(chǎn)品（CLDASV2. 0）實(shí)況作為基本數(shù)據(jù)源，確立決策氣象服務(wù)啟動(dòng)標(biāo)準(zhǔn)閾值、閾值檢測(cè)、格點(diǎn)數(shù)據(jù)可視化、圖形產(chǎn)品自動(dòng)生成和下載以及格點(diǎn)數(shù)據(jù)統(tǒng)計(jì)分析查詢等技術(shù)方法研究和實(shí)現(xiàn)。

1 技術(shù)方法與設(shè)計(jì)

主要技術(shù)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(guó)大學(xué)大氣研究協(xié)會(huì)（University Corporation for Atmospheric Research，UCAR）的Unidata 項(xiàng)目科學(xué)家針對(duì)科學(xué)數(shù)據(jù)的特點(diǎn)開(kāi)發(fā)的，是一種面向數(shù)組型并適于網(wǎng)絡(luò)共享的數(shù)據(jù)描述和編碼標(biāo)準(zhǔn)，支持多維資料數(shù)據(jù)結(jié)構(gòu)[17]。目前，NetCDF 廣泛應(yīng)用于大氣科學(xué)、水文、地球物理等諸多領(lǐng)域[18]。本研究采用NetCDF 實(shí)現(xiàn)網(wǎng)格格點(diǎn)氣象數(shù)據(jù)的快速提取。

Quartz 是OpenSymphony 開(kāi)源組織在Job Scheduling 領(lǐng)域又一個(gè)開(kāi)源項(xiàng)目，支持B/S 架構(gòu)，利用Quartz 創(chuàng)建簡(jiǎn)單程序，實(shí)現(xiàn)氣象格點(diǎn)海量數(shù)據(jù)的檢索和調(diào)度。

MVC 是傳統(tǒng)Web 應(yīng)用開(kāi)發(fā)中服務(wù)器端廣泛使用的軟件開(kāi)發(fā)模式[19]，具有高內(nèi)聚、低耦合、可復(fù)用、可維護(hù)性高等特點(diǎn)，利用Java 的MVC 實(shí)現(xiàn)氣象要素色斑圖和格點(diǎn)圖可視化展示。

分4 層設(shè)計(jì)：數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)檢測(cè)和數(shù)據(jù)可視化（圖1）。

圖1 設(shè)計(jì)流程圖

2 技術(shù)實(shí)現(xiàn)

2.1 數(shù)據(jù)獲取

采用的主要數(shù)據(jù)包括智能網(wǎng)格氣象預(yù)報(bào)產(chǎn)品、CLDASV2.0 實(shí)況產(chǎn)品、地圖數(shù)據(jù)和地理信息數(shù)據(jù)。智能網(wǎng)格預(yù)報(bào)、CLDASV2.0 數(shù)據(jù)和災(zāi)情數(shù)據(jù)來(lái)源于綜合氣象信息共享系統(tǒng)（China Integrated Meteorological Information Sharing System），CIMISS[20]。預(yù)報(bào)數(shù)據(jù)包括中國(guó)范圍0～3 d 的逐3 h 降水、氣溫和UV 風(fēng)場(chǎng)等氣象要素預(yù)報(bào)，空間分辨率為0.05°×0.05°。實(shí)況數(shù)據(jù)為歐亞范圍逐1 h 和1 d 的降水、氣溫、風(fēng)場(chǎng)、土壤相對(duì)濕度、氣壓和比濕等，空間分辨率為0.0625°×0.0625°。地圖數(shù)據(jù)使用WebGIS 開(kāi)源瓦片天地圖MapBox（https：//www.mapbox.com/）[21]。

智能網(wǎng)格預(yù)報(bào)產(chǎn)品和CLDASV2.0 中的風(fēng)場(chǎng)、氣壓和比濕從CIMMIS 定時(shí)訪問(wèn)MUSIC 接口提取數(shù)據(jù)，根據(jù)資料推送頻率，設(shè)定數(shù)據(jù)采集定時(shí)策略，保證數(shù)據(jù)的實(shí)時(shí)穩(wěn)定接入，同時(shí)監(jiān)控采集進(jìn)程運(yùn)行狀態(tài)。

CLDASV2.0 實(shí)況產(chǎn)品中經(jīng)過(guò)驗(yàn)證后的降水、氣溫和土壤相對(duì)濕度從內(nèi)網(wǎng)共享文件夾（\172.18.112.19dqfw awcmacast afpCLDAS） 提取，使用Smb 協(xié)議完成服務(wù)器之間通信和交互，定時(shí)掃描文件夾下文件，按照文件生成時(shí)間進(jìn)行增量掃描和接入，獲取逐小時(shí)降水、氣溫和土壤相對(duì)濕度數(shù)據(jù)。

地理信息數(shù)據(jù)是通過(guò)在線注冊(cè)天地圖服務(wù)，實(shí)現(xiàn)GIS 底圖獲取，利用Geoserver GIS 服務(wù)將內(nèi)蒙古自治區(qū)國(guó)界、省界、中小河流、水庫(kù)、鐵路和道路等shp 數(shù)據(jù)發(fā)布為GeoJson 格式文件，用于疊加地理信息顯示。

數(shù)據(jù)采集后，按照對(duì)應(yīng)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(chǔ)在結(jié)構(gòu)化數(shù)據(jù)庫(kù)中，將文件存儲(chǔ)在分布式文件系統(tǒng)HDFS 中，并標(biāo)記文件狀態(tài)等待處理。

2.2 數(shù)據(jù)處理

數(shù)據(jù)處理使用NetCDF.jar 技術(shù)，實(shí)現(xiàn)氣象網(wǎng)格數(shù)據(jù)的讀取和解析。主要包括對(duì)智能網(wǎng)格預(yù)報(bào)數(shù)據(jù)和CLDASV2.0 產(chǎn)品實(shí)況數(shù)據(jù)的JSON 格式轉(zhuǎn)換；對(duì)格點(diǎn)數(shù)據(jù)生成色斑圖的插值處理、CLDASV2.0 數(shù)據(jù)統(tǒng)計(jì)處理和地圖疊加幾部分。

2.2.1 JSON 格式轉(zhuǎn)換

利用XXL-JOB 定時(shí)掃描待處理狀態(tài)文件，以保證數(shù)據(jù)處理實(shí)效性。智能網(wǎng)格預(yù)報(bào)為GRIB2 數(shù)據(jù)格式，CLDASV2.0 實(shí)況為NC 數(shù)據(jù)格式，將數(shù)據(jù)進(jìn)行解析，統(tǒng)一轉(zhuǎn)換成JSON 文件。預(yù)報(bào)數(shù)據(jù)解析內(nèi)蒙古經(jīng)緯度區(qū)域范圍內(nèi)開(kāi)始與結(jié)束經(jīng)緯度信息、經(jīng)緯度格點(diǎn)數(shù)、分辨率、要素值和預(yù)報(bào)時(shí)效；實(shí)況數(shù)據(jù)解析內(nèi)蒙古經(jīng)緯度區(qū)域范圍內(nèi)開(kāi)始與結(jié)束經(jīng)緯度信息、經(jīng)緯度格點(diǎn)數(shù)、分辨率、要素值。

智能網(wǎng)格降水和氣溫預(yù)報(bào)解析如下：

其中，氣溫預(yù)報(bào)的單位是國(guó)際單位K，根據(jù)用戶需要轉(zhuǎn)換成℃。

降水預(yù)報(bào)：Prefore= Pre [timeIndex][latIndex][lonIndex]；

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

CLDASV2.0 中降水、2 m 氣溫、10 m 風(fēng)速和土壤相對(duì)濕度實(shí)況解析如下：

降水實(shí)況：Pre=Pre[lonIndex+latIndex*lonCount]；

2 m 氣溫實(shí)況：Tem=Tem [lonIndex + latIndex*lonCount] - 273.15f；

10 m 風(fēng)速實(shí)況：Win=Wind[lonIndex + latIndex*lonCount]；

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

2.2.2 插值處理

為提高圖形展示和自動(dòng)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(gè)變量插值函數(shù)的線性插值擴(kuò)展，核心是在兩個(gè)方向分別進(jìn)行一次線性插值。

插值處理部分代碼為：

2.2.3 格點(diǎn)歷史數(shù)據(jù)統(tǒng)計(jì)

將格點(diǎn)實(shí)況產(chǎn)品NC 文件解析為結(jié)構(gòu)化數(shù)據(jù)后，存儲(chǔ)在分布式Postgres 數(shù)據(jù)庫(kù)中，然后利用數(shù)據(jù)庫(kù)的快速檢索和分組查詢統(tǒng)計(jì)技術(shù)進(jìn)行格點(diǎn)數(shù)據(jù)統(tǒng)計(jì)，由于內(nèi)蒙古范圍廣，格點(diǎn)數(shù)據(jù)量大，使用分庫(kù)和分表的設(shè)計(jì)，利用數(shù)據(jù)庫(kù)索引技術(shù)實(shí)現(xiàn)快速統(tǒng)計(jì)，使用POI 技術(shù)將最終的數(shù)據(jù)導(dǎo)出為Excel 文件。

2.2.4 地圖疊加

氣象數(shù)據(jù)通過(guò)解析和處理，最終按照經(jīng)緯度疊加到GIS 地圖上，同時(shí)加載時(shí)按照可視化區(qū)域范圍和地圖縮放層級(jí)，控制加載的格點(diǎn)數(shù)和范圍分布，解決格點(diǎn)數(shù)據(jù)加載的性能問(wèn)題。

2.3 數(shù)據(jù)檢測(cè)

數(shù)據(jù)檢測(cè)主要是對(duì)決策氣象服務(wù)產(chǎn)品制作啟動(dòng)標(biāo)準(zhǔn)閾值進(jìn)行檢測(cè)，檢測(cè)到實(shí)況數(shù)據(jù)和預(yù)報(bào)數(shù)據(jù)達(dá)到閾值后，在WeBGIS 上顯示，提示決策氣象服務(wù)值班人員制作決策氣象服務(wù)產(chǎn)品。

2.3.1 閾值確定

何時(shí)啟動(dòng)制作決策氣象服務(wù)產(chǎn)品，需根據(jù)已發(fā)生天氣和未來(lái)發(fā)生天氣情況進(jìn)行判斷，也就是決策氣象服務(wù)的敏感性分析[22]。統(tǒng)計(jì)近10 a 內(nèi)蒙古地區(qū)暴雨洪澇、干旱、冰雹、大風(fēng)、凍害、雪災(zāi)、低溫冷害和沙塵暴等氣象災(zāi)害造成的經(jīng)濟(jì)損失、死亡人數(shù)、農(nóng)業(yè)損失和農(nóng)業(yè)成災(zāi)面積占受災(zāi)類型的比重（表1），得出暴雨洪澇災(zāi)害在8 類災(zāi)害中造成經(jīng)濟(jì)損失最為嚴(yán)重，死亡人數(shù)最多，農(nóng)業(yè)經(jīng)濟(jì)損失和成災(zāi)面積最大。沙塵暴造成的經(jīng)濟(jì)損失最輕，對(duì)農(nóng)業(yè)損失和成災(zāi)面積為零，雖然有死亡人數(shù)，但較少。根據(jù)統(tǒng)計(jì)結(jié)果建立暴雨洪澇、干旱、大風(fēng)、凍害和雪災(zāi)的決策氣象服務(wù)自動(dòng)響應(yīng)啟動(dòng)閾值，由于冰雹災(zāi)害形成機(jī)理較為復(fù)雜，且預(yù)報(bào)難度大[23]，未建立冰雹災(zāi)害閾值。暴雨洪澇災(zāi)害閾值參考李喜倉(cāng)[24]關(guān)于暴雨洪澇災(zāi)害評(píng)估研究中暴雨洪澇致災(zāi)危險(xiǎn)性的降雨量級(jí)確定；干旱啟動(dòng)標(biāo)準(zhǔn)閾值的設(shè)定采用土壤相對(duì)濕度確定[25-26]，大風(fēng)災(zāi)害閾值按致災(zāi)性大風(fēng)定義和風(fēng)力等級(jí)標(biāo)準(zhǔn)確定[27-28]，凍害是以最低溫度低于零度作為閾值[29]，雪災(zāi)閾值按照內(nèi)蒙古地區(qū)任意一個(gè)氣象測(cè)點(diǎn)的實(shí)測(cè)氣溫穩(wěn)定持續(xù)在0 ℃以下的月份內(nèi)24 h 降水量≥8 mm的降水過(guò)程確定[30]。以上所有閾值均是基于網(wǎng)格格點(diǎn)氣象要素?cái)?shù)據(jù)（表2）。

2.3.2 閾值檢測(cè)方法

采取Quartz 技術(shù)對(duì)敏感性檢測(cè)進(jìn)行任務(wù)調(diào)度，對(duì)整個(gè)任務(wù)進(jìn)行管理和過(guò)程日志監(jiān)控，因Quartz 采用了基于多線程的架構(gòu)，保證敏感性任務(wù)多并發(fā)執(zhí)行檢測(cè)。每5 min 通過(guò)動(dòng)態(tài)數(shù)據(jù)庫(kù)Sql 語(yǔ)句對(duì)存儲(chǔ)在數(shù)據(jù)庫(kù)中智能網(wǎng)格預(yù)報(bào)和CLDASV2.0 降水、土壤相對(duì)濕度、風(fēng)速和氣溫格點(diǎn)值進(jìn)行檢測(cè)，檢測(cè)到達(dá)到閾值時(shí)，啟動(dòng)制作決策氣象服務(wù)產(chǎn)品。

2.4 數(shù)據(jù)可視化

通過(guò)WebGis 的Openlayers 技術(shù)實(shí)現(xiàn)氣象網(wǎng)格數(shù)據(jù)色斑圖在地圖上的疊加，根據(jù)色斑圖所屬地區(qū)范圍進(jìn)行疊加。格點(diǎn)數(shù)據(jù)根據(jù)可視化區(qū)域和縮放層級(jí)進(jìn)行數(shù)據(jù)篩選和過(guò)濾，減少GIS 地圖上疊加的數(shù)據(jù)量，提高頁(yè)面加載的性能效果?；谇岸隧?yè)面的實(shí)時(shí)渲染可視化，在前期對(duì)數(shù)據(jù)準(zhǔn)備和加工的基礎(chǔ)之上，主要實(shí)現(xiàn)地圖底圖信息疊加顯示、地理信息展示，格點(diǎn)數(shù)據(jù)按區(qū)域裁剪篩選將智能網(wǎng)格預(yù)報(bào)和CLDASV2.0 實(shí)況氣象要素色斑圖展示和圖形下載。

表1 各類氣象災(zāi)害對(duì)經(jīng)濟(jì)、人口、農(nóng)業(yè)損失占比

表2 基于智能網(wǎng)格產(chǎn)品格點(diǎn)要素決策氣象服務(wù)制作啟動(dòng)標(biāo)準(zhǔn)閾值

用戶根據(jù)智能網(wǎng)格預(yù)報(bào)產(chǎn)品和CLDASV2.0 實(shí)況產(chǎn)品類型（如最高氣溫、最低氣溫、降水、風(fēng)速等）可按時(shí)間（間隔1、3、6、9、12、24 h）查詢預(yù)報(bào)和實(shí)況信息，通過(guò)點(diǎn)擊時(shí)間列表中的時(shí)間和顯示方式，查看該時(shí)刻的降水色斑圖或格點(diǎn)圖，點(diǎn)擊播放按鈕，可以動(dòng)畫播放所選時(shí)間段的降水色斑圖或格點(diǎn)圖，也可修改播放時(shí)間間隔。圖形下載是根據(jù)決策氣象服務(wù)產(chǎn)品制作中需要下載的要素預(yù)報(bào)或?qū)崨r色斑圖，當(dāng)點(diǎn)擊色斑圖下載后自動(dòng)將智能網(wǎng)格預(yù)報(bào)產(chǎn)品或CLDASV2.0 實(shí)況產(chǎn)品插入到Word 模版中。

2.4.1 地圖底圖信息展示

采用OpenLayers3.js 進(jìn)行地圖矢量數(shù)據(jù)源shp文件綁定展示，各地界使用GeoServer 地圖服務(wù)加載邊界JSON 數(shù)據(jù)文件。同時(shí)對(duì)部分地理信息（如河流、水庫(kù)、農(nóng)田和地災(zāi)點(diǎn)等）使用Openlayers3.js 加載shp 數(shù)據(jù)源。

2.4.2 格點(diǎn)數(shù)據(jù)裁剪

在頁(yè)面進(jìn)行展示中，根據(jù)地圖可見(jiàn)區(qū)域包括內(nèi)蒙古自治區(qū)行政區(qū)域、12 個(gè)盟市級(jí)區(qū)域、和103 個(gè)旗縣級(jí)區(qū)域的所屬經(jīng)緯度范圍、地圖縮放層級(jí)，對(duì)格點(diǎn)數(shù)據(jù)進(jìn)行裁剪篩選顯示，提高頁(yè)面可視化展示效率，使頁(yè)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(qū)域范圍的經(jīng)緯度坐標(biāo)，使用Map.getView（）.getZoom（）方法獲取地圖當(dāng)前縮放層級(jí)。

步驟2：基于獲取的可視化區(qū)域范圍，動(dòng)態(tài)對(duì)格點(diǎn)數(shù)據(jù)進(jìn)行處理，篩選出當(dāng)前可視范圍用于加載格點(diǎn)數(shù)據(jù)集，疊加到GIS 地圖中進(jìn)行顯示。

步驟3：基于獲取的地圖當(dāng)前縮放層級(jí)，動(dòng)態(tài)計(jì)算格點(diǎn)數(shù)據(jù)加載間隔，按照不同層級(jí)使用不同的數(shù)據(jù)步長(zhǎng)進(jìn)行疊加到地圖上，提高頁(yè)面加載效率。

2.4.3 色斑圖生成

從數(shù)據(jù)庫(kù)中獲取對(duì)應(yīng)氣象要素的色標(biāo)數(shù)據(jù)，從GRIB2 數(shù)據(jù)文件中解析出具體的要素值數(shù)據(jù)，根據(jù)要素值數(shù)據(jù)和色標(biāo)值對(duì)應(yīng)，并使用插值算法進(jìn)行色斑圖繪制，繪制時(shí)進(jìn)行不同顏色漸變的平滑處理。

步驟1：根據(jù)智能網(wǎng)格預(yù)報(bào)訂正后的產(chǎn)品中獲取GRIB2 文件和CLDASV2.0 實(shí)況產(chǎn)品NC 文件，使用Netcdf.jar 進(jìn)行數(shù)據(jù)解析，解析出具體的要素值和要素名，存儲(chǔ)在二維數(shù)組中。

步驟2：根據(jù)已獲取的要素名，從數(shù)據(jù)庫(kù)中獲取對(duì)應(yīng)的色標(biāo)數(shù)據(jù)，利用色標(biāo)數(shù)據(jù)中的rgb 值，要素值的二維數(shù)組數(shù)據(jù)集進(jìn)行數(shù)據(jù)對(duì)應(yīng)。

步驟3：使用插值算法畫出色斑圖，同時(shí)畫出對(duì)應(yīng)色標(biāo)，然后將色斑圖和色標(biāo)合成一張產(chǎn)品圖，根據(jù)圖片所屬地區(qū)經(jīng)緯度范圍，疊加到GIS 地圖中進(jìn)行顯示。

步驟4：內(nèi)蒙古自治區(qū)、盟市和旗縣三級(jí)色斑圖產(chǎn)品繪制，是根據(jù)地區(qū)所屬經(jīng)緯度范圍進(jìn)行GRIB或者NC 文件解析的數(shù)據(jù)篩選出新的二維數(shù)組，其中NC 文件部分?jǐn)?shù)據(jù)量較大，需去除部分國(guó)外的經(jīng)緯度區(qū)域數(shù)據(jù)，用于繪制對(duì)應(yīng)地區(qū)的色斑圖。

3 實(shí)驗(yàn)與測(cè)試

3.1 閾值檢測(cè)結(jié)果

利用CLDASV2.0 數(shù)據(jù)產(chǎn)品，對(duì)閾值檢測(cè)進(jìn)行實(shí)驗(yàn)。2020 年3 月18 日11—16 時(shí)內(nèi)蒙古中部地區(qū)出現(xiàn)大風(fēng)天氣，烏蘭察布市氣象局發(fā)布大風(fēng)藍(lán)色預(yù)警。以10 m 風(fēng)速為例進(jìn)行驗(yàn)證，數(shù)據(jù)獲取地址（\172.18.112.10dqfw awcmacast afpCLDAS），檢測(cè)2020 年3 月18 日15 時(shí)，風(fēng)速≥14 m/s 以上的閾值，檢測(cè)結(jié)果與實(shí)況一致。圖2 為格點(diǎn)閾值提醒圖標(biāo)放大后顯示的烏蘭察市察哈爾右翼中旗地區(qū)，可以看出精細(xì)到鄉(xiāng)鎮(zhèn)和蘇木，如格點(diǎn)對(duì)應(yīng)庫(kù)倫蘇木檢測(cè)到風(fēng)速達(dá)17.9 m/s，區(qū)域站點(diǎn)實(shí)測(cè)風(fēng)速為18.0 m/s，格點(diǎn)實(shí)況檢測(cè)數(shù)據(jù)與區(qū)域站點(diǎn)實(shí)況數(shù)據(jù)相差0.1 m/s。

圖2 敏感性分析啟動(dòng)標(biāo)準(zhǔn)閾值檢測(cè)結(jié)果顯示

3.2 可視化顯示和預(yù)報(bào)結(jié)果驗(yàn)證

從內(nèi)蒙古綜合信息網(wǎng)（http：//10.62.89.55/cimissapiweb/）獲取內(nèi)蒙古自治區(qū)氣象臺(tái)訂正后的GRIB 文件，驗(yàn)證智能網(wǎng)格預(yù)報(bào)產(chǎn)品的可視化顯示，以最低氣溫為例。在平臺(tái)上選取時(shí)間，選擇2020 年3 月18 日，時(shí)效24 h，預(yù)報(bào)產(chǎn)品類型選最低氣溫，顯示方式選色斑圖，顯示結(jié)果（圖3），選擇色斑圖下載，下載的色斑圖自動(dòng)生成預(yù)報(bào)結(jié)果進(jìn)行服務(wù)。

圖3 智能網(wǎng)格預(yù)報(bào)圖可視化顯示（2020 年3 月18 日24 h 最低氣溫預(yù)報(bào)）

選取2020 年3 月1 日智能網(wǎng)格預(yù)報(bào)的3 月2日最高氣溫、最低氣溫、降水量和2020 年3 月2 日區(qū)域站觀測(cè)最高氣溫、最低氣溫和降水量的實(shí)況圖進(jìn)行對(duì)比分析（圖4）。最高氣溫和最低氣溫預(yù)報(bào)與實(shí)況基本一致，最高氣溫在內(nèi)蒙古自治區(qū)西部、中部和東部偏南地區(qū)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(shì)一致，地形地貌影響特征均一致，但在大興安嶺西側(cè)略有差異，預(yù)報(bào)較實(shí)況略有偏小。最低氣溫全區(qū)分布趨勢(shì)一致，特別是東北地區(qū)，從地理分布到量值分布相當(dāng)一致，地形影響的特征得到明顯的體現(xiàn)。降水預(yù)報(bào)量級(jí)和實(shí)況大部一致，中部和西部表現(xiàn)較好，但東部地區(qū)降水面積有一定誤差。

圖4 2020 年3 月1 日智能網(wǎng)格24 h 預(yù)報(bào)最高氣溫（a）、最低氣溫（b）、累計(jì)降水（e）和2020 年3 月2 日區(qū)域站觀測(cè)最高氣溫（d）、最低氣溫（e）、24 h 累計(jì)降水（f）實(shí)況

3.3 數(shù)據(jù)統(tǒng)計(jì)

CLDASV2.0 實(shí)況數(shù)據(jù)統(tǒng)計(jì)計(jì)算從2014 年開(kāi)始，利用分布式數(shù)據(jù)庫(kù)Postgres 的快速檢索功能，實(shí)現(xiàn)格點(diǎn)數(shù)據(jù)按照時(shí)間和空間的維度進(jìn)行查詢和統(tǒng)計(jì)，統(tǒng)計(jì)過(guò)程中對(duì)任意時(shí)段數(shù)據(jù)進(jìn)行求和計(jì)算；對(duì)于大數(shù)據(jù)量快速計(jì)算使用數(shù)據(jù)庫(kù)分表、分區(qū)、索引技術(shù)實(shí)現(xiàn)格點(diǎn)實(shí)況數(shù)據(jù)計(jì)算。用戶按時(shí)間和要素類型進(jìn)行選擇統(tǒng)計(jì)任意時(shí)間段平均以及求和等計(jì)算。選取2016年8 月1—31 日數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，得出實(shí)驗(yàn)結(jié)果（圖5）。

圖5 2016 年8 月1—31 日CLDASV2.0日降水量統(tǒng)計(jì)

4 結(jié)論

（1）利用智能網(wǎng)格數(shù)據(jù)確立決策決策氣象服務(wù)啟動(dòng)標(biāo)準(zhǔn)閾值和數(shù)據(jù)檢測(cè)。采取Quartz 技術(shù)，通過(guò)動(dòng)態(tài)數(shù)據(jù)庫(kù)Sql 語(yǔ)句對(duì)數(shù)據(jù)庫(kù)中智能網(wǎng)格產(chǎn)品進(jìn)行檢測(cè)，當(dāng)檢測(cè)達(dá)到啟動(dòng)標(biāo)準(zhǔn)閾值時(shí)，基于WebGIS 顯示檢測(cè)結(jié)果，啟動(dòng)制作決策氣象服務(wù)材料。

（2） 根據(jù)決策氣象服務(wù)業(yè)務(wù)需求，采用OpenLayers3.js 技術(shù)方法對(duì)智能網(wǎng)格預(yù)報(bào)和CLDASV2.0 實(shí)況數(shù)據(jù)進(jìn)行地圖疊加、層級(jí)縮放展示和網(wǎng)格氣象數(shù)據(jù)要素色斑圖顯示，根據(jù)用戶需求，按時(shí)間、區(qū)域進(jìn)行查詢顯示。采用Netcdf.jar 技術(shù)對(duì)數(shù)據(jù)進(jìn)行解析，使用相關(guān)插值算法得出所需不同行政區(qū)域的色斑圖或格點(diǎn)圖，根據(jù)需求將色斑圖下載，實(shí)現(xiàn)智能網(wǎng)格預(yù)報(bào)和實(shí)況產(chǎn)品的自動(dòng)生成。

（3）利用分布式數(shù)據(jù)庫(kù)Postgres 的快速檢索功能，實(shí)現(xiàn)格點(diǎn)數(shù)據(jù)按照時(shí)間和空間的維度進(jìn)行查詢和統(tǒng)計(jì)。

（4）利用訂正后的CLDASV2.0 大風(fēng)實(shí)況數(shù)據(jù)對(duì)敏感性啟動(dòng)標(biāo)準(zhǔn)閾值進(jìn)行試驗(yàn)，結(jié)果達(dá)到顯示標(biāo)準(zhǔn)。

（5）對(duì)智能網(wǎng)格預(yù)報(bào)最低、最高和累計(jì)24 h 降水與區(qū)域觀測(cè)站實(shí)況數(shù)據(jù)進(jìn)行檢驗(yàn)，均達(dá)到準(zhǔn)確客觀的顯示效果。

將網(wǎng)格數(shù)據(jù)應(yīng)用于內(nèi)蒙古決策氣象服務(wù)業(yè)務(wù)，對(duì)精細(xì)化決策氣象服務(wù)有一定支撐，但在產(chǎn)品預(yù)報(bào)準(zhǔn)確率上還需進(jìn)行檢驗(yàn)。在業(yè)務(wù)流程的智能化方面，決策氣象服務(wù)啟動(dòng)標(biāo)準(zhǔn)設(shè)定需要在業(yè)務(wù)實(shí)踐中不斷完善，充分利用計(jì)算機(jī)學(xué)習(xí)技術(shù)和計(jì)算方法，真正實(shí)現(xiàn)智能化啟動(dòng)。