孫石陽(yáng)，周佐歡，蘇琳智，劉東華

（深圳市國(guó)家氣候觀象臺(tái)，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(jì)算機(jī)中用0和1表示，是實(shí)施智慧氣象的基礎(chǔ)性工作。智慧氣象是依托于氣象科學(xué)技術(shù)進(jìn)步，使氣象系統(tǒng)成為一個(gè)具備自我感知、判斷、分析、選擇、行動(dòng)、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(dòng)全過(guò)程都充滿智慧［1-4］。近年來(lái)，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(yǔ)言處理、數(shù)據(jù)可視化、機(jī)器學(xué)習(xí)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(chǎng)景定制、用戶行為自動(dòng)感知、精準(zhǔn)推送的氣象服務(wù)［5］?；谖恢脼橐鏅C(jī)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(shí)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(chǎng)景化服務(wù)也有較深層次研究和實(shí)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(shí)，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(qiáng)的實(shí)踐意義。

1 系統(tǒng)設(shè)計(jì)

1.1 總體架構(gòu)

系統(tǒng)總體架構(gòu)由前臺(tái)、后臺(tái)、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(fēng)險(xiǎn)識(shí)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(jì)示意圖

服務(wù)供給模塊主要由前臺(tái)組成；數(shù)據(jù)采集、處理與風(fēng)險(xiǎn)識(shí)別模塊主要由后臺(tái)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(tái)和后臺(tái)運(yùn)行，主要由算法與數(shù)字化運(yùn)行、大型關(guān)系數(shù)據(jù)庫(kù)、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(biāo)、數(shù)字化轉(zhuǎn)換等系列計(jì)算方法）主要通過(guò)系統(tǒng)線程交互并行處理來(lái)協(xié)同完成。當(dāng)需求輸入經(jīng)綜合分析后，系統(tǒng)底座會(huì)輸出智慧氣象服務(wù)數(shù)字化的引擎識(shí)別，通過(guò)引擎識(shí)別來(lái)智能觸發(fā)系統(tǒng)前后臺(tái)、底座三者之間的有機(jī)運(yùn)行，其主要智能觸發(fā)因子包括氣象災(zāi)害風(fēng)險(xiǎn)、基于位置需求、基于用戶習(xí)慣（包括定制）和基于氣象災(zāi)害預(yù)警信號(hào)等4種方式?；谖恢眯枨蟆⒒谟脩袅?xí)慣、基于預(yù)警信號(hào)3種方式均可分別通過(guò)GIS系統(tǒng)、大數(shù)據(jù)分析、預(yù)警信號(hào)發(fā)布等已確定性事件的數(shù)字化信息來(lái)自動(dòng)觸發(fā)，而對(duì)于氣象風(fēng)險(xiǎn)的引擎觸發(fā)機(jī)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(cè)數(shù)據(jù)庫(kù)。主要存儲(chǔ)觀測(cè)站的降雨、氣溫、陣風(fēng)、臺(tái)風(fēng)、濕度、氣壓、大霧、灰霾、日照等數(shù)據(jù)。（2）雷達(dá)資料產(chǎn)品數(shù)據(jù)庫(kù)。主要存儲(chǔ)雷達(dá)站的基礎(chǔ)信息，以及雷達(dá)產(chǎn)品的狀態(tài)信息等。（3）衛(wèi)星資料產(chǎn)品數(shù)據(jù)庫(kù)。主要存儲(chǔ)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(fēng)廓線等資料數(shù)據(jù)庫(kù)。主要存儲(chǔ)各種雷電、風(fēng)廓線等數(shù)據(jù)及相關(guān)產(chǎn)品。（5）資料同化與災(zāi)害識(shí)別數(shù)據(jù)庫(kù)。對(duì)自動(dòng)站資料、雷達(dá)、閃電定位及衛(wèi)星云圖等資料進(jìn)行同化處理，形成各類要素的格點(diǎn)數(shù)據(jù)庫(kù)，主要用來(lái)存儲(chǔ)網(wǎng)格化處理的氣象監(jiān)測(cè)資料及天氣預(yù)報(bào)信息等數(shù)據(jù)，包括反演生成的識(shí)別各類氣象災(zāi)害的基礎(chǔ)資料、各類氣象災(zāi)害識(shí)別與評(píng)估模型及閾值預(yù)警等算法后的產(chǎn)品數(shù)據(jù)庫(kù)。

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(cè)數(shù)據(jù)格點(diǎn)化。綜合運(yùn)用氣象自動(dòng)站觀測(cè)資料、雷達(dá)及云圖識(shí)別資料，以及5 d以內(nèi)的預(yù)報(bào)資料，對(duì)數(shù)據(jù)進(jìn)行網(wǎng)格化處理，生成分辨率為3 km×3 km的實(shí)況監(jiān)測(cè)、預(yù)報(bào)預(yù)警信息的格點(diǎn)數(shù)據(jù)。運(yùn)用本地加密觀測(cè)及分區(qū)預(yù)警、細(xì)網(wǎng)格精細(xì)化預(yù)報(bào)等資料進(jìn)行細(xì)網(wǎng)格處理形成深圳細(xì)網(wǎng)格（1 km×1 km）相關(guān)資料。（2）雷達(dá)拼圖、追蹤及反演處理。基于現(xiàn)有雷達(dá)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(dá)仰角為0.5°的雷達(dá)CAPPI數(shù)據(jù)，結(jié)合GIS空間分析，生成并輸出區(qū)域內(nèi)實(shí)況雷達(dá)拼圖產(chǎn)品。采用時(shí)間和空間并行等多種并行算法，用計(jì)算機(jī)圖形學(xué)和GIS技術(shù)通過(guò)可視化計(jì)算技術(shù)對(duì)云團(tuán)、物理量變化進(jìn)行識(shí)別，依其演變規(guī)律計(jì)算出云團(tuán)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(shí)別和圖形匹配技術(shù)來(lái)實(shí)施對(duì)云團(tuán)的追蹤。（3）估測(cè)降水分析。利用雷達(dá)拼圖和自動(dòng)站數(shù)據(jù)，建立Z-I關(guān)系進(jìn)行雷達(dá)降水估測(cè)，并采用最優(yōu)插值法，對(duì)降水估計(jì)進(jìn)行訂正，其偏差使用卡爾曼濾波器訂正，輸出雷達(dá)QPE、QPF產(chǎn)品。（4）衛(wèi)星云圖的信息識(shí)別。抓取大背景天氣下的低能見(jiàn)度和強(qiáng)降雨區(qū)域，形成實(shí)時(shí)數(shù)據(jù)，與雷達(dá)、自動(dòng)站資料進(jìn)行同化并根據(jù)可信度高的信息來(lái)提取和使用，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，形成邊遠(yuǎn)地帶和氣象監(jiān)測(cè)稀疏地的相關(guān)氣象實(shí)況信息。（5）氣象實(shí)況監(jiān)測(cè)與預(yù)報(bào)。根據(jù)自動(dòng)站實(shí)況或同化資料，生成以深圳為基點(diǎn)的區(qū)域范圍內(nèi)不同尺度下不同時(shí)間的溫度、能見(jiàn)度、風(fēng)速和降雨量的道路天氣實(shí)況分布圖，以及每條道路的實(shí)況天氣信息。基于GIS空間分析技術(shù)，耦合氣象、交通需求信息以及道路拓?fù)鋽?shù)據(jù)等，直觀輸出和顯示區(qū)域主要道路沿線的能見(jiàn)度、溫度、風(fēng)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(chǔ)的是通過(guò)系統(tǒng)底座支撐前臺(tái)和后臺(tái)協(xié)同計(jì)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(fēng)險(xiǎn)識(shí)別。

風(fēng)險(xiǎn)識(shí)別引擎方式與基于位置需求、基于用戶習(xí)慣（包括定制）和基于氣象災(zāi)害預(yù)警信號(hào)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(dāng)識(shí)別無(wú)風(fēng)險(xiǎn)時(shí)，系統(tǒng)自動(dòng)按照后3種方式智慧提供服務(wù)：也就是說(shuō)系統(tǒng)在顧及4種方式的同時(shí)，一旦識(shí)別出氣象風(fēng)險(xiǎn)，均應(yīng)觸發(fā)風(fēng)險(xiǎn)識(shí)別引擎并啟動(dòng)相應(yīng)的服務(wù)。圖2是因風(fēng)險(xiǎn)識(shí)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(fēng)險(xiǎn)識(shí)別和引擎觸發(fā)算法和模型，從而最大化地在時(shí)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(guò)自動(dòng)識(shí)別雷電、暴雨、大風(fēng)、低能見(jiàn)度、高低溫等氣象災(zāi)害影響區(qū)域，當(dāng)服務(wù)點(diǎn)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(shí)，系統(tǒng)通過(guò)各自的數(shù)字化邏輯關(guān)聯(lián)來(lái)自動(dòng)觸發(fā)相關(guān)引擎并提供服務(wù)［10］。目前通過(guò)系統(tǒng)能自動(dòng)識(shí)別出風(fēng)險(xiǎn)的災(zāi)害天氣包括雷雨大風(fēng)、強(qiáng)降水、低能見(jiàn)度、高低溫、冰雹。

圖2 風(fēng)險(xiǎn)識(shí)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(guò)信息挖掘和智能識(shí)別，形成個(gè)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(bào)預(yù)警服務(wù)；（2）行業(yè)氣象風(fēng)險(xiǎn)提示服務(wù)；（3）行業(yè)氣象預(yù)報(bào)預(yù)警服務(wù)效果展示；（4）行業(yè)服務(wù)的反饋與互動(dòng)。主要供給交通行業(yè)的氣象產(chǎn)品有6個(gè)：（1）主要公路干道天氣便捷式查詢；（2）旅游景點(diǎn)、航空飛行、高速公路、地鐵出行等交通出行天氣實(shí)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(fēng)險(xiǎn)預(yù)報(bào)預(yù)警；（4）大交通出行決策參考分析；（5）大交通出行氣象風(fēng)險(xiǎn)信息智慧推送；（6）服務(wù)用戶的意見(jiàn)反饋與信息互動(dòng)。

2 關(guān)鍵技術(shù)介紹

2.1 核心開(kāi)發(fā)技術(shù)

系統(tǒng)基于Arc GIS的地理信息系統(tǒng)平臺(tái)，總體采用B／S和C／S混合體系結(jié)構(gòu)，數(shù)據(jù)庫(kù)平臺(tái)采用Oracle 10g，開(kāi)發(fā)語(yǔ)言主要采用MS C＃.NET、C語(yǔ)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(tái)）以多線程并發(fā)的方式執(zhí)行，用于數(shù)據(jù)解析計(jì)算以及各類產(chǎn)品的生成、入庫(kù)或分發(fā)?？蛻舳俗鳛锽／S結(jié)構(gòu)程序（前臺(tái)）主要為針對(duì)使用對(duì)象的操作平臺(tái)，用于信息的綜合展示以及人機(jī)交互操作和系統(tǒng)綜合管理等。核心開(kāi)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(fù)責(zé)數(shù)據(jù)管理、數(shù)據(jù)計(jì)算、圖形處理、產(chǎn)品生成、檢驗(yàn)評(píng)分等功能?？蛻舳素?fù)責(zé)信息綜合展示及多模式對(duì)比檢驗(yàn)分析等。氣象實(shí)況和預(yù)報(bào)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(yùn)行?？蛻舳藢⑾到y(tǒng)的操作界面與復(fù)雜業(yè)務(wù)功能實(shí)現(xiàn)合二為一，使系統(tǒng)架構(gòu)輕盈、啟動(dòng)速度快、操作平滑、界面美觀等。

（2）系統(tǒng)數(shù)據(jù)庫(kù)平臺(tái)：采用大型關(guān)系數(shù)據(jù)庫(kù)Oracle 10g，大型關(guān)系數(shù)據(jù)庫(kù)提供了功能強(qiáng)大的事務(wù)處理語(yǔ)言，系統(tǒng)采用該平臺(tái)可保障數(shù)據(jù)的通用性，在標(biāo)準(zhǔn)化和規(guī)范化以及開(kāi)放性的原則下，對(duì)系統(tǒng)業(yè)務(wù)數(shù)據(jù)庫(kù)及產(chǎn)品數(shù)據(jù)庫(kù)進(jìn)行設(shè)計(jì)，最終形成完善的數(shù)據(jù)庫(kù)體系。

（3）地理信息平臺(tái)：地理信息系統(tǒng)（簡(jiǎn)稱GIS）是針對(duì)特定的應(yīng)用任務(wù)，存儲(chǔ)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(guò)程，它可根據(jù)事物的地理坐標(biāo)對(duì)其進(jìn)行管理、檢索、評(píng)價(jià)、分析、結(jié)果輸出等處理，提供決策支持、動(dòng)態(tài)模擬、統(tǒng)計(jì)分析、預(yù)測(cè)預(yù)報(bào)等服務(wù)。

（4）核心數(shù)字化技術(shù)：系統(tǒng)在風(fēng)險(xiǎn)識(shí)別、智慧引擎等的核心算法及耦合技術(shù)上堅(jiān)持走“三張網(wǎng)格”（既實(shí)況網(wǎng)格、預(yù)警預(yù)報(bào)網(wǎng)格、氣象風(fēng)險(xiǎn)閾值網(wǎng)格）的數(shù)字化業(yè)務(wù)支撐體系，為場(chǎng)景化氣象產(chǎn)品設(shè)計(jì)和供給上提供網(wǎng)格技術(shù)支持。系統(tǒng)的實(shí)現(xiàn)主要是采用對(duì)氣象風(fēng)險(xiǎn)監(jiān)測(cè)與風(fēng)險(xiǎn)識(shí)別耦合等6種核心數(shù)字化技術(shù)的支撐來(lái)完成。

2.2 核心數(shù)字化技術(shù)

1）風(fēng)險(xiǎn)監(jiān)測(cè)與風(fēng)險(xiǎn)識(shí)別耦合。

衛(wèi)星遙感動(dòng)態(tài)監(jiān)測(cè)大霧風(fēng)險(xiǎn)的主要技術(shù)難點(diǎn)是云霧檢測(cè)與云霧分離技術(shù)［18-19］。目前，主要通過(guò)FY-2靜止衛(wèi)星，結(jié)合地面自動(dòng)站、風(fēng)廓線等觀測(cè)資料，根據(jù)霧的光譜特征和輻射特征，利用可見(jiàn)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(guò)濾等方法的綜合，對(duì)衛(wèi)星遙感圖像進(jìn)行霧區(qū)的自動(dòng)識(shí)別和云霧分離，實(shí)現(xiàn)霧造成的低能見(jiàn)度區(qū)風(fēng)險(xiǎn)的動(dòng)態(tài)、快速、自動(dòng)識(shí)別。其中雙通道差值法主要做法：當(dāng)有大霧時(shí)，反照率和紅外亮溫分布較均勻，并介于一定的閾值范圍，長(zhǎng)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(guò)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?jǐn)?shù)據(jù)與圖層圖像耦合。

將全國(guó)路網(wǎng)入庫(kù)，包含有高速公路、國(guó)道、省道、縣道、一般道路，建立道路空間數(shù)據(jù)庫(kù)，設(shè)計(jì)基于交通風(fēng)險(xiǎn)的大風(fēng)、強(qiáng)降水、低能見(jiàn)度、冰凍監(jiān)測(cè)及預(yù)報(bào)算法，設(shè)計(jì)交通干線與氣象要素格點(diǎn)庫(kù)空間分析運(yùn)算模型，實(shí)現(xiàn)災(zāi)害性天氣的交通道路專題圖制作，當(dāng)實(shí)況識(shí)別或預(yù)報(bào)未來(lái)可能發(fā)生大風(fēng)、強(qiáng)降水、低能見(jiàn)度、冰凍、高低溫天氣時(shí)，根據(jù)道路氣象災(zāi)害模型對(duì)道路交通整體氣象條件進(jìn)行分析運(yùn)算和生成產(chǎn)品。

3）監(jiān)測(cè)與預(yù)報(bào)預(yù)警模型耦合。

目前，強(qiáng)對(duì)流天氣的識(shí)別技術(shù)越來(lái)越深入［20-21］。以雷電監(jiān)測(cè)預(yù)警為例，綜合應(yīng)用閃電定位數(shù)據(jù)、多普勒雷達(dá)數(shù)據(jù)和中尺度數(shù)值模式數(shù)據(jù)以及結(jié)合雷達(dá)反射率（Q）、回波頂高（H）、垂直累積液態(tài)水（VIL）等閾值指標(biāo)和區(qū)域范圍等雷暴識(shí)別和追蹤技術(shù)，通過(guò)機(jī)器學(xué)習(xí)、訓(xùn)練測(cè)試、統(tǒng)計(jì)分析閃電特征及預(yù)報(bào)預(yù)警因子，建立監(jiān)測(cè)與預(yù)報(bào)預(yù)警模型相耦合的雷電監(jiān)測(cè)預(yù)警模型，實(shí)現(xiàn)對(duì)閃電的臨近預(yù)報(bào)預(yù)警，預(yù)報(bào)流程和技術(shù)路線見(jiàn)圖3。根據(jù)不同季節(jié)以及監(jiān)測(cè)到不同Q、H和VIL，利用概念評(píng)估模型也可實(shí)現(xiàn)系統(tǒng)實(shí)時(shí)對(duì)雷電進(jìn)行分級(jí)分類影響評(píng)估和進(jìn)行預(yù)警提示。

圖3 基于深度學(xué)習(xí)的0～2 h雷電預(yù)報(bào)流程（a）和雷電預(yù)測(cè)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(dá)基數(shù)據(jù)和互聯(lián)網(wǎng)模式抓取相結(jié)合的方式來(lái)獲得雷達(dá)仰角為0.5°的CAPPI數(shù)據(jù)，對(duì)其中的雷達(dá)CAPPI數(shù)據(jù)進(jìn)行處理和實(shí)時(shí)解碼，并結(jié)合GIS空間分析對(duì)這些雷達(dá)資料進(jìn)行拼圖產(chǎn)品計(jì)算，最終生成并輸出全國(guó)實(shí)況雷達(dá)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(shí)別技術(shù)來(lái)進(jìn)行云團(tuán)邊界識(shí)別、拓?fù)涮幚?，建立生命周期與族譜關(guān)系。如在自動(dòng)識(shí)別雷暴云團(tuán)的基礎(chǔ)上，對(duì)云團(tuán)進(jìn)行對(duì)象化處理，得出雷暴云團(tuán)從發(fā)生以來(lái)的時(shí)間序列，依據(jù)其演變規(guī)律計(jì)算出云團(tuán)的移動(dòng)方向和速度以及云團(tuán)的膨脹系數(shù)等特征量，根據(jù)云團(tuán)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(shí)別技術(shù)對(duì)云團(tuán)持續(xù)進(jìn)行追蹤，根據(jù)同一云團(tuán)連續(xù)多個(gè)時(shí)序的移動(dòng)情況來(lái)外推出云團(tuán)下一逐時(shí)位置、大小、邊界、強(qiáng)度，并輸出產(chǎn)品，見(jiàn)圖4。

圖4 雷雨大風(fēng)早期天氣預(yù)測(cè)模型的算法建模（a）和冰雹云識(shí)別與冰雹預(yù)報(bào)輸出產(chǎn)品（b）

6）不同數(shù)據(jù)資料同化耦合。

利用雷達(dá)拼圖和自動(dòng)站數(shù)據(jù)，建立Z-I關(guān)系進(jìn)行雷達(dá)降水估測(cè)，并采用最優(yōu)插值法，對(duì)降水估計(jì)進(jìn)行訂正，其偏差使用卡爾曼濾波器訂正。QPE實(shí)現(xiàn)并行化，進(jìn)而實(shí)現(xiàn)不同高度層的降水估測(cè)，也可用于雷達(dá)滯后數(shù)據(jù)到達(dá)后再估測(cè)，以及全省自動(dòng)延遲數(shù)據(jù)到來(lái)后的再訂正、再濾波、再估測(cè)；利用預(yù)報(bào)回波輸出和最優(yōu)插值法訂正場(chǎng)來(lái)計(jì)算預(yù)報(bào)雨強(qiáng)，積分得到未來(lái)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(yùn)行時(shí)的保障能力。數(shù)字化大大有利于對(duì)資源統(tǒng)籌進(jìn)行池化與云化，服務(wù)器、網(wǎng)絡(luò)、存儲(chǔ)、數(shù)據(jù)、算力、算法資源更能科學(xué)統(tǒng)籌使用，數(shù)據(jù)運(yùn)行、并行運(yùn)算、數(shù)算處理效能均大幅提高，出現(xiàn)重大災(zāi)害天氣時(shí)，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(biāo)準(zhǔn)化，數(shù)字化的耦合技術(shù)使分層、分級(jí)建立的同質(zhì)化的基礎(chǔ)數(shù)據(jù)、同化數(shù)據(jù)、過(guò)程數(shù)據(jù)、災(zāi)害風(fēng)險(xiǎn)識(shí)別數(shù)據(jù)、用戶數(shù)據(jù)以及各數(shù)據(jù)庫(kù)、庫(kù)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(cè)、精準(zhǔn)預(yù)報(bào)、精細(xì)服務(wù)的平臺(tái)化保障需求的發(fā)展目標(biāo)是完全一致的，因此對(duì)模型和算法的不斷改進(jìn)和進(jìn)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(lái)，在公路交通、物流交通、軌道交通、旅游出行的精細(xì)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(cuò)。