自動氣象站秒級智能觀測的實現及初步應用

高瑞泉 鄭慧 鐘曉勇 羅紅艷 馬曉鑫 劉星 夏建波

（作者單位：高瑞泉、鄭慧、鐘曉勇、羅紅艷，深圳市國家氣候觀象臺；馬曉鑫，維薩拉（北京）測量技術有限公司；劉星、夏建波，深圳市云端高科信息科技有限公司）

隨著觀測技術的不斷發展，氣象觀測已基本實現自動化。當前，信息化技術的快速發展將再次驅動氣象觀測從自動化進入智能化的研究和轉型。深圳圍繞智能觀測的發展方向，基于自動氣象站設計了智能觀測功能需求，在充分保證原有業務規范的基礎上，通過對自動氣象站的現場數據采集器、通信系統、數據處理系統及觀測模式等進行重新設計升級，實現了自動氣象站自適應的智能加密觀測，為提升災害天氣的監測和預警服務能力拓展了有效手段。

氣象觀測經歷了早期的人工觀測到2000年啟用首批自動氣象站，如今已進入觀測自動化時代，2020年將實現地面觀測的全面自動化。氣象行業發展規劃明確指出，觀測實現自動化之后的發展方向即是智能觀測。智能觀測是一種自適應性觀測技術，能根據實況自動調整觀測模式的能力，具備觀測方式和資料處理方法的自動切換功能；智能觀測是特殊天氣智能工作模式，在自動判識或預報出現災害性天氣時或重大保障服務需求時，根據災害天氣預設程序和劃定的觀測范圍，觀測設備自動切換合適的觀測運行模式，實現“因天而動”的針對特定目標的加密和細化觀測。

智能觀測對于深圳這樣的華南沿海城市有特別重要的意義，深圳經常遭受強對流天氣的侵襲，其特點是來去迅猛、生消快。對于這類天氣系統，即使是按照1 min一次的頻率進行觀測仍顯不足，有必要進行更高頻次的觀測，如1 s采集一次數據，以幫助預報員更快速地了解強對流所伴隨的陣風等強天氣的特性。然而深圳自動氣象站總數多，且強對流天氣又不是時刻都在發生，既不可能又無必要保持高頻觀測。在這種背景下，對現有自動氣象站進行智能觀測功能的重新設計和升級，實現其因天而動的智能化秒級觀測，以滿足短時強對流天氣對快速和加密觀測的特殊需求，就顯得十分有意義了。

1 自動氣象站智能觀測系統的設計與實現

1.1 功能設計

傳統自動氣象站是事先設定好采集器參數，啟動后即按部就班開展各項操作，按時自動開展相關要素的觀測、采集、記錄和存儲，不間斷地循環。智能觀測（圖1）則解決了自適應性觀測技術問題，即實現自動判識，或預報出現災害性天氣時、重大保障服務需求時，可按需改變觀測模式，啟動加密觀測，快速獲得更加精細化的觀測數據。

圖1 自動氣象站智能觀測系統流程圖

基于閾值判斷的自動加密觀測。在自動氣象站設備前端，實現對不同氣象要素設定閾值，實時監控觀測值，達到閾值后自動判識并啟動加密觀測模式，實現觀測數據的秒級采集、傳輸和應用。

基于指令的按需加密觀測。預報員可根據預報結論，當有短時強對流等災害性天氣過程出現，需開展加密觀測時，通過主動發送指令啟動加密觀測。

基于時間計劃的按需加密觀測。觀測人員根據重大保障服務等需求，通過系統可預設加密觀測的時間計劃，實現按時按計劃自動啟動加密觀測。

1.2 多種觀測模式自動切換的實現及算法

一般的自動氣象站的數據采集器多以單片機為核心組件，而進行智能化改造的自動氣象站均采用了新一代數據采集器DMU703。該采集器以低功耗微機為基礎，內置LINUX操作系統，為靈活編寫程序，實現前端數據采集控制及處理功能奠定了基礎。通過在LINUX操作系統上部署和開發了定制的采集控制軟件，深圳市氣象局已實現雙路并行輸出的方式，同時滿足日常業務和智能觀測的需求，一路按照觀測規范要求進行采集記錄和輸出，保障基本業務不中斷；另外一路由智能觀測的程序控制，根據天氣實況自動調整觀測模式進行相應的采集記錄和輸出。為了滿足智能控制程序高效運算的需求，在微機數據采集器內部署了數據庫，實現各種海量信息的存儲和調用。

自適應的智能觀測（圖2）控制程序算法，將觀測模式分為四種：常規觀測模式、指令加密觀測模式、閾值觸發觀測模式、時間計劃觀測模式，這幾種模式對應四種指令，即“stop”停止、“start”啟動、“threshold”閾值觸發、“daily”時間計劃觸發。當采集器收到不同觀測模式觸發或停止加密觀測的指令時，程序首先對目前加密觀測的狀態進行檢測和判斷，再根據不同狀態下對應的條件啟動或停止加密觀測。

圖2 自適應智能觀測模式流程圖

在具體實現時，閾值觸發自動激活秒級觀測功能的氣象要素閾值設置為：風速≥15 m/s；溫度≥35 ℃（或溫度≤10 ℃）；濕度≥90%（或濕度≤30%）；氣壓≥1010 hPa（或氣壓≤1000 hPa）。對于時間計劃模式，一般處于未激活狀態，但可由預報員按需設定。

1.3 適用于秒級觀測的智能通信傳輸系統

由于智能觀測是在保持基本觀測業務模式不中斷的前提下，根據不同的天氣實況和服務需求啟用了不同的觀測模式，因此產生多種不同類型的數據格式；加密后的秒級觀測數據需要實時采集和展示，需要與多個服務器和應用建立連接；多種擴展要素特別是圖像的采集和傳輸，則對帶寬要求更高；為同時滿足上述需求，通信傳輸系統必須具備“自由連接”和“高速傳輸”的能力。

傳統自動氣象站將數據報文通過串行通信接口發送至數據傳輸單元（DTU），數據的通信傳輸只能在DTU和服務器建立的通道之間，限制了連接的靈活性和擴展性。串口通信的速率是非常有限的，一般常用為9600～19200 bps，僅適用于小數據量和固定格式的數據傳輸。

在當前4G/5G高速網絡環境下，深圳智能自動氣象站采用了低功耗無線路由器對通信系統進行改造，實現自動氣象站的物聯網功能。在4G的網絡下，通信速率可以達到100 Mbps，是常用串口通信速率的5461倍，可用于圖像、視頻等大數據傳輸；它基于TCP/IP協議可以同時與不同的服務器、不同的端口建立各種各樣的應用連接和數據傳輸。不難看出，新的通信傳輸系統具有“高速”和“靈活”兩個特點，100 Mbps的傳輸速度可以保障1次/s的數據采集可以無延時的快速傳輸，而多端口、多通道的鏈接功能，保障了同一個自動氣象站，可以將不同模式（常規業務模式和應急加密模式）采集的數據分別傳輸到不同的服務器。

1.4 穩健的多路并行數據采集處理系統

傳統的自動氣象站數據是匯總到一個服務器，以報文的形式發送至數據采集服務器接收解析后生成文件，數據庫服務器再將文件解析并寫入數據庫，應用軟件最后向數據庫請求讀取數據進行展示。這個過程一般需要1～2 min，對于大數據量并發處理時，甚至需要十幾分鐘。

智能秒級觀測要求具自動站同時與多個系統建立直接連接和數據傳輸。新一代數據采集處理系統（圖3）通過在不同端口傳輸和處理不同數據格式。同時，為了提高秒級觀測數據應用展示的實時性，設計采用數據流方式，實現數據的不落地實時發送至前端展示。在數據采集系統和應用系統的通信中采用了RabbitMQ消息中間件服務實現數據的高效傳輸；在應用系統的后端服務器與前端網頁展示中采用了最新的WebSocket技術，由服務器接收到數據后主動向前端網頁進行推送和展示，取代原來的由前端網頁不定時向服務器請求數據再返回數據的模式，可以實現毫秒級的數據展示。

圖3 數據采集處理流程圖

2 秒級智能觀測的初步應用

2.1 應用平臺研發

基于智能自動氣象站，深圳開展了智能秒級觀測應用試驗，并在綜合氣象監測業務平臺中針對智能自動氣象站開發了秒級觀測應用產品（圖4）。當預報員需要了解更及時的氣象實況時，通過點擊“開啟/關閉”開關即可發送指令實現觀測要素的秒級更新。當智能自動氣象站基于閾值判斷和時間計劃觸發啟動了秒級觀測，也會在應用界面上自動切換至秒級觀測模式，實現惡劣天氣的主動提醒功能，提醒預報員及時關注天氣變化。

圖4 秒級觀測應用產品

2.2 應用實例

基于秒級觀測數據，深圳研發了陣風包絡線產品，統計出當前分鐘秒數據的最大值和最小值，利用時間序列圖與滑動10 min平均值進行疊加比對。分析表明，由于采用了高頻的數據采集模式，秒級觀測可以揭示分鐘級數據觀測所無法揭示的事實。圖5為山竹臺風影響深圳期間，鹽田港站G3567觀測到的風速變化情況。從圖中可以看到，如果僅從10 min平均風的變化情況來看，只能發現它的變化幅度相對較為平緩，波動并不劇烈，且有兩個峰值時段。而秒級觀測的數據揭示了新的事實：例如，臺風影響期間，在平均風的兩個峰值間的時間段中，存在超大振幅的陣風，1 min內的風速差值達到35 m/s，大振幅的陣風會帶來巨大的“搖晃力”，這應該就是山竹臺風導致深圳歷史上最大規模樹木倒伏的重要原因；圖中第一個時段平均風的上升，主要伴隨著陣風高值的逐漸攀升；而第二次平均風的上升則主要是由于陣風低值的升高引起。觀察平均風趨勢，可以發現在達到第二次峰值后，大風開始減弱，意味著臺風已在當地登陸或過境，而通過陣風振幅進行分析，可以提前至少30 min得出臺風已在當地登陸或過境的判斷。

通過該產品可以發現陣風存在的顯著的強脈動過程，這個強脈動風出現時具有頻率高、振幅大、危害大等特點，是風險防范的關鍵時期，能為預報服務對地鐵、港口貨柜、高樓等進行及時的防風預警提示，提升災害性天氣的監測和應對服務能力。

圖5 陣風包絡線產品

3 結語

深圳基于自動氣象站進行智能化研發，開發了自動氣象站的多模式自適應性觀測技術，能基于指令、閾值判斷和時間計劃開展按需加密觀測，獲得更加快速和精細化的觀測數據。

智能秒級觀測應用產品能實現“無延時”的秒級更新氣象要素變化，為預報和決策服務提供具有“現場感”的氣象感知能力；同時，在惡劣天氣發生時能主動觸發提醒，提醒預報員及時關注天氣變化。

基于秒級觀測數據開發的陣風包絡線產品能有效揭示大風過程中存在的陣風強脈動過程，及時捕捉到風險防范的關鍵時期，為預報服務對地鐵、港口貨柜、高樓等進行及時的防風預警提示，對提升災害性天氣的監測和應對服務能力具有較大幫助。同時，獲取的精細化的觀測數據也為天氣過程的微物理機制分析研究提供支撐。

深入閱讀

付煒, 葉成志, 王東海, 等, 2018. 一次南嶺山脈前汛期強對流天氣過程診斷分析. 暴雨災害, 37(6): 511-521.

梁樂寧, 劉輕揚, 盧大維, 等, 2018. 氣象數據可視化系統研發與應用. 信息通信, (6): 52-53.

劉鈞, 張彬彬, 呂寶磊, 2018. 智能氣象站系統框架初探. 氣象科技進展, 8(6): 121-124.

馬舒慶, 吳可軍, 陳冬冬, 等, 2011. 天氣現象自動化觀測系統設計.氣象, 37(9): 1166-1172.

王磊, 楊濤, 2015. 基于C/S架構的氣象觀測站點智能統計系統. 氣象水文海洋儀器, 32(1): 60-65.

于子敏, 常奮華, 杜言霞, 等, 2018. 國家級自動氣象站蓄電池智能控制檢測系統設計. 氣象科技, 46(4): 651-658.

趙卓寧, 李湘, 舒紅平, 等, 2018 氣象大數據資源匯交可視化分析研究. 氣象科技進展, 8(1): 203-207, 263.