面向智能終端的短臨天氣主觀分析系統設計與實現

王興 朱彬 毛雅萍 王暉

摘? 要：提出一種面向智能終端的短臨天氣主觀分析系統，主要由遠程氣象大數據服務端和智能應用端兩部分構成。前者包括數據接收與監測模塊、數據檢驗模塊、非常規氣象資料轉換模塊、數據打包壓縮模塊和數據通信服務模塊;后者包括數據訪問模塊、多源數據融合模塊、圖形繪制模塊和用戶交互模塊。該系統的設計與實現可為在近海、海上和高原等移動數據傳輸不發達區域且對天氣條件敏感的行業用戶，提供面向移動終端的臨近天氣主觀分析交互平臺，用較小的無線數據傳輸量，通過便捷的移動設備，向戶外作業的專業人員提供可交互、可視化的天氣實況監測、主觀天氣分析預報功能及應用。

關鍵詞：智能終端;短臨天氣;氣象服務;系統設計;智慧氣象

中圖分類號：TP311.5? ? ?文獻標識碼：A

Abstract：This paper presents a subjective analysis system of short-range weather for intelligent terminals，which is mainly composed of two parts：the remote meteorological big data server and the intelligent application terminal.The former includes data receiving and monitoring module，data inspection module，unconventional meteorological data conversion module，data packaging and compression module and data communication service module;the latter includes data access module，multi-source data fusion module，graphics rendering module and user interaction module.The design and implementation of the system could offer mobile terminal oriented interactive platform for subjective analysis of adjacent weather to the industrial users sensitive to weather conditions in areas where mobile data transmission is underdeveloped，such as offshore and plateau areas.With a small amount of wireless data transmission and convenient mobile devices，it provides professionals working outdoors with interactive and visual weather monitoring，subjective weather analysis and forecast functions and applications.

Keywords：intelligent terminal;short-range weather;meteorological service;system design;intelligent meteorology

1? ?引言（Introduction）

天氣預報作為一種面向公眾的服務，長期以來為人們所熟知。隨著氣象觀測設備、技術和預報方法的不斷提高，民眾可以很容易地獲知未來7天甚至45天的中長期預報[1]。同時，預報的準確率也有顯著的提升[2，3]，并且在服務和交互的方式上也呈現出多樣化[4，5]。然而，對于一些特殊行業的用戶而言，他們更加關注即將發生的局地的災害性天氣。例如，進行近海風電機組運維作業的用戶，需要精確地掌握未來0—2

小時的天氣狀況，如大風、大浪會影響出海作業的安全;閃電、冰凍會影響風電機組的運維;臺風來臨前需要根據風向和風速準確調整風機葉片的方位和形態。這類對于氣象敏感行業的用戶，他們通常需要將實地觀測的氣象要素信息與大尺度的氣象背景場信息結合起來加以主觀分析，進而做出預報，為施工作業提供天氣條件方面的決策服務。然而，由于受地理位置的限制，諸如在近海或高原地區，無線網絡接入能力差，無線數據傳輸速率低，上述氣象背景場等信息難以可靠地遠程傳輸到作業地區，給預報分析工作造成極大困難。

為了解決這一問題，本文提出一種面向智能終端的臨近天氣主觀分析系統，該系統可根據網絡性能實時、動態地調整氣象背景場等數據的時空分辨率，實現在較低移動網絡帶寬的條件下，為作業現場的專業技術人員提供主觀天氣分析、診斷、預報和決策。

2? ?系統組成與設計（System composition and design）

本系統主要由遠程氣象大數據服務端和智能應用端兩部分組成，各主要功能模塊如圖1所示。其中，遠程氣象大數據服務端包括數據接收與監測模塊、非常規氣象資料轉換模塊、數據檢驗模塊、數據打包壓縮模塊和數據通信服務模塊;智能應用端包括數據訪問模塊、多源數據融合模塊、圖形繪制模塊和用戶交互模塊等。

2.1? ?遠程氣象大數據服務端

數據接收與監測模塊以一定時間為周期，與氣象大數據中心建立連接，根據下載規則清單遍歷氣象大數據中心中各類氣象實況數據和再分析資料的文件列表，將其與已下載文件列表緩存做比對。當識別出有新文件時，進行下載并將該文件名添加到文件列表緩存中。文件列表緩存中每項記錄的生命周期為數分鐘至數小時，根據文件監測或更新頻率可動態設定、調整。氣象大數據中心中文件生成時間比當前系統時間早24小時以上的文件被視為非實況數據，按照預定規則不予下載。

非常規氣象資料轉換模塊負責將天氣雷達、氣象衛星等非常規氣象觀測數據進行空間位置定標、觀測時間統一，以及均一化等轉換和標準化處理。

數據檢驗模塊負責對各個氣象要素分別進行質量檢驗，對于檢驗出異常的記錄值，采用特定值進行標注，再采用反距離權重或克里金[6，7]等空間插值算法進行插補。

數據打包壓縮模塊負責將上述各類氣象數據進行合并打包并壓縮，然后拆分成若干個額定大小的小體積文件，以二進制格式保存，文件名包含用以標識這些小文件先后順序的數字。

數據通信服務模塊提供訪問權限可控的對外數據推送服務，通過一個指定端口監聽來自網絡上各個智能移動終端的連接請求，采用TCP/IP協議與智能移動終端建立連接，對于驗證通過的連接予以訪問授權，采用UDP[8]協議向智能移動終端推送經上述模塊生成的數據文件。

2.2? ?智能應用端

數據訪問模塊根據用戶在智能移動終端上的操作指令，通過移動網絡接入Internet向數據通信服務模塊的IP地址和預定端口發出連接請求，該請求包含了用戶的賬號相關信息。如果數據通信服務模塊通過對該賬號的驗證，則反饋一條協議信息給智能移動終端，告知數據推送的端口號，數據訪問模塊即由此端口與數據通信服務模塊建立UDP連接，開始數據接收。由于在數據服務端，每一個完整的數據報文被拆分成若干個額定體積的小文件，每一個完整數據報文除最后一個小文件外，其他文件的體積若有不等于額定體積，數據訪問模塊則向數據通信服務模塊請求重傳體積異常的小文件。

多源數據融合模塊負責對已下載的數據進行解壓縮，再進行融合計算。融合的數據除了從數據訪問模塊獲取的氣象資料外，還包括本地實況監測資料。這兩類資料的區別在于：前者是更大空間尺度的綜合性氣象數據，可能包括全國甚至全球區域的數值模式產品、實況觀測數據和再分析資料等，信息量大，資料的實時性相對較差（如全球數值模式產品往往比實況滯后1—3個小時）;后者主要是用戶所在地的實況氣象監測數據，通常主要是溫度、濕度、風向、風速等基本信息，信息量小，但實時性和局地性強，具有較高的參考價值。該模塊還會根據用戶交互模塊的指令，進行數據的實時加工處理，如按用戶劃定的雷達回波的方位和范圍，計算雷達體掃數據的垂直剖面，再將計算結果交由圖形繪制模塊進行圖形繪制并展現在終端屏幕上。再如，根據用戶在終端上設定的預報時效，使用已下載的雷達數據，進行雷達回波的外推預報，以及定量降水估測等。

圖形繪制模塊負責將氣象數據及各種用戶定制計算的結果進行圖形繪制，在智能移動終端的屏幕上進行圖形化的數據展示，直觀地反映各個氣象要素的空間分布情況，圖形化展現的形式包括基于地理信息的站點分布圖、站點氣象要素信息圖、等值線圖、填色圖、曲線圖、雷達回波圖、徑向速度圖、雷達剖面圖、衛星可見光圖、衛星紅外水汽圖像等。

用戶交互模塊負責接受用戶通過智能移動終端的操作指令，包括在觸摸屏上手指交互操作，以及在筆記本電腦上的鼠標、鍵盤操作等。根據這些指令協同多源數據融合模塊和圖形繪制模塊完成定制的實況監測及預報產品的制作與展示。由此，為專業技術人員進行主觀天氣分析、預報和決策提供基礎支撐。

3? ?系統實施方法（System implementation method）

本系統遠程氣象大數據服務端所有氣象數據來自外部源，數據接收與監測模塊以45秒為周期，與氣象大數據中心建立連接，通過基于角色權限的授權策略，并根據下載規則清單遍歷服務器上各類氣象數據的文件列表，將其與本地的已下載文件列表緩存做比對。當識別出有新文件時，進行下載并將該文件名添加到文件列表緩存中。文件列表緩存中每項記錄的生命周期為1440分鐘，氣象大數據中心上文件生成時間比當前系統時間早24小時以上的文件被視為非實況數據，按照預定規則不予下載。系統管理員可修改各項下載規則。所下載的數據種類包括常規地面觀測數據、探空氣象數據、天氣雷達基數據、加密自動氣象站觀測數據、風廓線數據、GPS水汽數據、氣象衛星數據等。如果連續N分鐘沒有檢測到氣象大數據中心上有新文件生成，該模塊通過SMTP協議向預設的郵箱地址發送數據缺失預警郵件，這里N的定義如表1所示。

遠程氣象大數據服務端還負責將已下載的數據文件按規則分目錄存儲，并向本系統其他模塊提供統一的數據訪問接口，一方面向其他模塊提供數據，另一方面接收并存儲其他模塊生成的數據。該模塊還具備過期數據定時清理的功能，清理的規則可由系統管理員設定，其規則項主要包括文件類型、文件大小、目錄結構、過期時效、文件名匹配等。

非常規氣象資料轉換模塊處理的資料類型較多，以雷達資料為例，該模塊將雷達基數據的數據格式由極坐標轉換為平面直角坐標，該轉換過程是從雷達基數據第一個仰角、第一個方位角開始，由圓心沿徑向方向逐步向外移動進行坐標轉換，公式為：

上式中，X、Y是平面直角坐標系中的坐標，R是雷達基數據體掃的最大半徑，n的取值范圍是2—8，n越大，轉換后最終繪制的雷達回波圖像顆粒感越細致，n越小該轉換過程速度越快。是方位角，X0、Y0分別表示極坐標方式下其圓心對應到平面直角坐標時坐標原點的位置。對于雷達基數據相鄰兩個方位角之間夾角所包含的平面直角坐標點，采用反距離權重進行插值。在平面直角坐標系中，極坐標下覆蓋不到的區域取值為-99。

數據檢驗模塊負責對各個氣象要素分別進行質量檢驗，方法包括歷史氣候極值檢驗、過去5分鐘、1小時、12小時同一要素的時間一致性檢驗，不同要素間的物理量關系檢驗，同一要素的空間插值檢驗等。對于檢驗出異常的記錄值，采用-9999標注。

數據打包壓縮模塊負責將上述各類氣象數據進行合并打包并壓縮，然后拆分成若干個額定大小的文件。這里預設額定值為128kB，該值過小會增加非數據文件傳輸的數據流量，該值過大會增加數據重傳時的數據流量，以二進制格式存儲。該模塊的主要目的是用以智能移動終端訪問時，充分減少文件體積，降低數據傳輸量，并在數據傳輸異常時，只需要重新傳輸異常的數據文件。

數據通信服務模塊提供訪問權限可控的對外數據推送服務，開放一個指定端口監聽來自網絡上各個智能移動終端的連接請求，采用TCP/IP協議與智能移動終端建立連接，對于驗證通過的連接予以訪問授權，采用UDP協議向智能移動終端推送經上述步驟生成的數據文件。

數據訪問模塊是在智能移動終端具備Internet訪問能力的條件下，根據用戶操作指令，向數據通信服務模塊的IP及預定端口發出連接請求，該請求還包含用戶的賬號相關信息。如果數據通信服務模塊通過對該賬號的驗證，則反饋一條協議信息給智能移動終端，告知數據推送的端口號，該模塊即由此端口與數據通信服務模塊建立UDP連接，進行數據接

收。由于在數據服務端，每一個完整的數據報文被拆分成若干個128kB的小文件，文件名中包含標識先后順序的數字，每一個完整數據報文除最后一個小文件外，其他文件的體積若不等于128kB，該模塊則向數據通信服務模塊請求重傳。

多源數據融合模塊負責對已下載的數據進行解壓縮，再進行融合計算。舉例來說，當用戶單指在屏幕上劃過雷達回波的范圍，該模塊則計算雷達體掃數據的垂直剖面，再將計算結果交由圖形繪制模塊進行圖形繪制并展現在終端屏幕上。再如，當用戶在終端上設定了預報時效，該模塊則使用已下載的雷達數據進行雷達回波的外推預報，以及定量降水估測等。

綜上所述，本系統的用戶通過智能應用端的用戶交互模塊，實現對當前實況天氣的監測、診斷和分析，對短時臨近天氣和災害性天氣進行預報、預警，以及其他滿足行業需求的主觀天氣分析工作。

4? ?結論（Conclusion）

本系統的設計與實現，可為在近海、海上和高原等移動數據傳輸不發達區域且對天氣條件敏感的行業用戶，提供面向智能移動終端的短時臨近天氣主觀分析交互平臺，用較小的無線數據傳輸量，通過便捷的移動設備，向戶外作業的專業人員提供可交互、可視化的天氣實況監測、主觀天氣分析、預報服務及應用。

參考文獻（References）

[1] Voosen P.Storms await weather executive at climate agency[J].Science，2017，358（6361）：287.

[2] 華韻子，林紅.華東區域自動站數據實時融合顯示與多級警示技術研究[J].軟件工程，2016，19（5）：26-29 .

[3] 張小雯，鄭永光，吳蕾.風廓線雷達資料在天氣業務中的應用現狀與展望[J].氣象科技，2017，45（2）：285-297.

[4] 郭瑩瑩，黃鵬宇，黃鵬飛.基于Android的氣象服務App的設計與實現[J].軟件工程，2018，21（04）：43-45.

[5] 賈斌，李又君，衣霞，等.城區防汛智慧氣象系統設計與實現[J].軟件工程，2018，21（10）：46-49.

[6] Xiong B，Tan H F.A robust and efficient structural reliability method combining radial-based importance sampling and Kriging[J].Science China Technological Sciences，2018（05）：1-11.

[7] 王興，張琳焓，王麗娟，等.基于Kriging的加密自動氣象站要素場插值與改進[J].軟件工程，2015（11）：6-10.

[8] 萬玉鑄，徐志江，盧為黨，等.具有高吞吐量的可靠UDP協議[J].計算機工程與設計，2017（12）：3202-3206.