基于衛星遙感數據的惡劣氣象監測預警系統設計

吳 瑾，崔沂峰，姜紫陽，傅學振，孫 齊，楊 昆

(1.臨沂市氣象局，山東 臨沂 276700；2.臨沂大學，山東 臨沂 276700)

0 引言

遙感影像通常是衛星及普通飛行器使用傳感器直接拍攝的影像，在應用計算機處理遙感影像的過程中，影像預處理是保障衛星遙感信息傳輸準確性的關鍵處理步驟。遙感影像的數據格式和表現內容相對較為復雜，除了最基礎的像元信息之外，還包括波段參數、投影、坐標等其他類型的相關數據參量。在實施預處理之前，需要對遙感影像信息進行初步的讀取，由于信息數據的排列方式并不唯一，所以需要借助ArcGIS、ENVI等商業軟件來打開原始的遙感圖像，實現衛星遙感數據的預處理。

天氣會對人們的生產生活造成嚴重影響，惡劣天氣更是會直接威脅人們的生命與財產安全。據資料顯示，接近百分之九十的自然災害現象都是由惡劣天氣引起的，在倡導資源可持續發展的今天，如何避免人類的生命與財產安全免受惡劣天氣影響，已經成為了一項極為關鍵的發展任務，因此，對惡劣氣象進行監測與預警就顯得尤為重要。

文獻[4]提出基于NB-IoT技術的氣象監測系統通過研究氣象災害行為的方式，確定惡劣氣象數據信息之間的關聯性，再借助MODIS模塊，對氣象監測信息進行深入分析。文獻[5]提出基于融合網關技術的氣象災害信息推送系統。通過傳感器信息數據采集網絡、網關融合系統、移動通信網和 GPS網絡數據，組成氣象信息遙感監測模塊，對相關氣象數據進行采集。并通過智能終端推送至客戶端。上述方法均具有一定的有效性，但其檢測準確率及預警時效性仍有提升空間。

為解決上述問題，引入衛星遙感數據，設計一種新型的惡劣氣象監測預警系統。

1 惡劣氣象監測預警系統硬件設計

通過插件模塊邏輯設計、平臺插件管理與模塊集成、遙感信息顯示與預警模塊連接的處理流程，實現惡劣氣象監測預警系統硬件的設計。

1.1 插件模塊邏輯設計

圖1 插件模塊的邏輯設計結構

對于惡劣氣象監測預警系統而言，為實現對衛星遙感數據的定向化分析，硬件功能區域必須包含多個功能模塊，再借助一個邏輯應用結構，完成對相關軟件程序的集中驅動(如圖1所示)。其中，插件模塊能夠控制惡劣氣象遙感數據的整個監測生命周期時長，且由于Main、ShowPluginUI、Over()三類程序命令的存在，與惡劣氣象相關的預警插件可在結構主機中直接讀取，并可根據運行程序的啟動行為，完成后續的卸載與應用指令。Main程序在系統插件模塊中，負責對衛星遙感數據進行讀取，一般來說，隨著遙感數據量的增大，惡劣氣象監測預警插件可快速加載，并可在相關數據庫主機中進行暫時存儲。ShowPluginUI程序則主要掌管基于監測預警指令的插件啟動行為，在一個完整的系統生命周期內，該程序能夠對插件啟動起到一定的促進性作用。在系統插件模塊結構中，Over()程序主要負責釋放已存儲的衛星遙感數據資源，由于上級軟件程序指令的存在，預警插件可跟隨遙感數據的傳輸行為而進行自由卸載，這也是新型系統能夠及時響應主機預警指令的主要原因。

在系統的插件模塊中，主要使用了單例模式、多例模式兩種邏輯設計結構，前者能夠拉近相關硬件設備之間的物理連接距離，后者則能較好實現對監測預警指令的定向化控制。

1.2 平臺的插件管理與模塊集成

系統插件平臺通過動態鏈接庫的形式對數據插件結構進行公開處理，且由于反射機制的存在，已存在于插件模塊中的代碼信息可快速反饋回系統監測預警主機中，一方面實現了對上機位序列號的按序發送，另一方面也可對相關呈現進行啟用與禁用處理。

通常情況下，集成后的平臺插件管理模塊主要負責處理發送預警、影像剪裁、遙感數據預處理、氣象數據提取等幾類執行程序，且為保證監測預警行為的輸出一致性，該模塊中傳輸的所有指令版本號都保持為v1.0的形式。衛星遙感數據的發送與處理不能脫離惡劣氣象監測預警系統而獨立存在，因此所有指令程序的傳輸都必須借助上機位、行列號等軟件應用結構，隨著啟用/禁用選擇行為的不同，模塊內正在執行插件的名稱形式也有所不同。

1.3 遙感信息顯示與預警模塊

遙感信息顯示與預警模塊主要負責處理小區域的惡劣氣象衛星影像，當遙感影像太大或所需查看區域較小時，必須針對原始圖像中的特定位置進行縮放處理，這就需要系統信息顯示與預警模塊的積極配合。圖2為惡劣氣象遙感影像的顯示效果圖。

圖2 遙感影像顯示效果圖

根據遙感影像顯示效果圖的不同，系統信息顯示與預警模塊的集成處理可從如下幾方面同時進行。

1)惡劣氣象遙感影像的顯示大小應為：

X

值等于1 354 dt、

Y

值等于2 030 dt；

2)在惡劣氣象遙感影像中，預警節點均勻分布于橫縱曲線交界處，其具體數值水平應處于100～150個之間；

3)為保證遙感信息的穩定顯示，預警模塊中影像數據的波段數設置結果，應隨控制點數量水平的改變而不斷變化；

4)惡劣氣象遙感影像的選取范圍不宜過大，但必須囊括所有相關的衛星數據節點。

2 衛星遙感數據預處理模塊的設計

衛星遙感數據預處理模塊需要同時執行基本信息讀取、軟件程序讀寫、輻射定標與亮溫計算三類應用指令，具體設計流程如下。

2.1 遙感影像基本信息讀取

在惡劣氣象監測預警系統中，遙感影像基本信息的讀取必須借助預處理模塊的編程能力才能實現，一般來說，所使用的編程語言的C#，遙感數據所處開發環境為visio studio。

C#是面向衛星遙感數據的高級應用程序，具有較為高級的語言特性與優勢，在實施基本信息讀取時，首先定義比較集中的遙感影像數據，再定義比較分散的遙感影像數據，最后再對所有信息參量進行統一的編碼處理。

visio studio是一種集成型的軟件開發架構，可同時兼容C#、C++等多種編程語言，一般來說，遙感影像基本信息的排列順序相對混亂，而在visio studio軟件的作用下，這些信息參量可按照由小到大的順序反饋至下級插件結構中，這也是讀取后信息參量能夠保持較強傳輸敏感性的主要原因。

完整的遙感影像基本信息讀取流程如圖3所示。

圖3 遙感影像基本信息的讀取流程圖

為保證衛星遙感數據與地物景觀之間的一一對應性，在實施基本信息讀取時，應使用開源柵格空間數據庫對數據信息參量進行讀取，一方面能夠在較短時間內存儲大量的衛星遙感數據文件，另一方面也可將遙感影像信息轉換成統一的傳輸格式。

2.2 GDAL對遙感影像的讀寫

惡劣氣象監測預警系統所記錄的衛星遙感數據一般包含多項輔助說明信息，若不能將這些信息文件分別存儲于不同的數據結構中，將不便于對遙感影像進行分發、管理與統計處理。GDAL軟件程序的存在，不但滿足了惡劣氣象監測預警系統對于衛星遙感數據的持續讀寫需求，也驗證了已讀取遙感影像基本信息的應用有效性。如果遺失了一個信息文件，不但會導致衛星遙感數據的不全面，也會使得系統所測得指標的顯著性能力大幅下降。GDAL軟件通過構建數據集合的方式，對已讀取的遙感影像信息進行整合處理，而在此過程中，數據格式多次發生改變，因此其最終存儲位置并不能完全固定。

設

w

、

e

分別代表兩個不同的影像信息讀寫條件，

ζ

、

ζ

代表不同讀寫條件下的衛星遙感數據特征值，聯立上述物理量，可將GDAL軟件程序對于遙感影像的讀寫表達式定義為：

(1)

式中，?表示與系統主機匹配的數據感應系數，

β

表示特定條件下GDAL讀寫軟件的運行強度值。根據衛星遙感數據讀取進度的不同，GDAL軟件對于遙感影像的讀寫處理結果也會有所不同。

2.3 輻射定標與亮溫計算

將插件模塊所記錄到的惡劣氣象數據通過公式轉換的方式，改寫成可被監測預警系統直接識別的輻射定標，這也是完成衛星遙感數據反演與定量化處理的必要執行步驟。圖4為輻射定標處理前后的惡劣氣象遙感影像對比情況。

圖4 輻射定標處理前后的惡劣氣象遙感影像

在定標處理的同時，對系統傳感器中的衛星遙感數據進行二次統計，該過程也叫數據信息的亮溫計算，這也是系統主機中所有遙感影像都不具備畸變能力的主要原因。一般情況下，亮溫計算處理的局限性較強，僅適用于對風向惡劣氣象指標進行檢測。

衛星遙感影像的預處理模塊可同時處理長度為36 個柵格波段的數據信息，且為保證系統預警行為的有效性，所有已讀取的遙感影像基本信息中都應涉及像元經緯度、方位角、天頂角等指標參量。惡劣氣象監測預警文件中的所有衛星遙感數據都是通過儀器定標處理直接獲得的，因此全部保持16 位存儲格式，這也為后續輻射定標與亮溫計算指令的實施節省了大量時間。

設

p

、

p

代表兩個不同的衛星遙感數據反演系數，聯立公式(1)，可將惡劣氣象遙感影像的輻射定標表達式定義為：

(2)

式中，

L

為惡劣氣象數據的定標統計系數；

s

為惡劣氣象數據的實際定標處理量。

(3)

在同一幅惡劣氣象遙感影像中，輻射定標式、亮溫計算式數值始終保持較高水平的一致性。

3 衛星遙感程序與監測預警模塊的交互

在惡劣氣象監測預警系統中，按照多線程同步與通信關系建立、遙感數據云識別的處理流程，實現衛星遙感程序與硬件監測預警模塊之間的交互。

3.1 多線程的同步與通信

為保持衛星遙感數據的傳輸敏感性，惡劣氣象監測預警系統的多線程同步通信關系構建必須同時采用全局變量與靜態變量，且由于同一進程下總是存在大量可共享的棧空間結構，所以類成員的定義需要完全參考線程指令的現有寄存位置。規定

d

、

d

代表兩個不同的監測線程同步系數，在數據通信量最小值為

χ

、最大值為

χ

的情況下，聯立公式(3)，可將

d

、

d

兩個系數指標分別表示為：

(4)

其中:

y

表示預警線程的傳輸敏感性系數，

μ

表示全局變量系數，

I

表示靜態變量系數，

c

、

v

分別代表兩個不同的預警指令傳輸標量系數，

f

代表既定的預警指令特征值，

u

代表特定的數據信息監測系數，

γ

代表特定情況下的遙感數據感應系數，

g

代表惡劣氣象遙感影像數據的反向傳輸條件。

(5)

多線程同步通信表達式可作為函數條件對惡劣氣象遙感影像數據進行約束，在數據信息的傳輸過程中，由于該項表達式條件的存在，系統主機可在較短時間內對相關傳輸指令做出反應，從而實現對各級檢測指標顯著性表現行為的有效促進。

3.2 遙感數據云識別

遙感數據云識別能夠剔除惡劣氣象遙感影像數據中的干擾項信息。一般來說，識別前的圖像反射率水平較低，且隨著系統監測與預警指令的執行，這些干擾性信息極易使氣象圖像的清晰度水平受到影響，并最終使應用指令的傳輸位置發生改變。對于風向指標而言，遙感影像中景觀對象在紅外波段、可見光波段與其他指標數據的反射率與輻射亮溫數值差距相對較大，因此，在實施遙感數據的云識別過程中，必須保障衛星影像數據的傳輸穩定性。

在已知多線程同步通信表達式的情況下，規定

j

、

j

、…、

j

分別代表

n

個不同的惡劣氣象遙感影像數據參量值，其中

n

表示數據信息的云識別次數。在上述物理量的支持下，聯立公式(5)，可將遙感數據云識別表達式定義為：

(6)

其中:

α

代表惡劣氣象遙感影像數據的最小輻射亮溫數值，

α

代表最大的輻射亮溫數值，

z

、

z

、…、

z

分別代表

n

個不同的氣象遙感影像數據傳輸反射系數。

在衛星遙感數據的支持下，惡劣氣象監測預警系統可同時處理多幅影像圖片，不但保障了通信進程之間的傳輸同步性，也實現了對各類硬件設備結構的按需集成。

遙感數據云識別技術的實現流程如圖5所示。

圖5 遙感數據云識別技術流程圖

如圖5所示，首先選取不同的惡劣氣象遙感影像數據參量值，將衛星遙感數據讀取的遙感影像信息輸入遙感數據云識別模型，結合數據信息及參量值得出遙感數據云識別模型，并通過多線程的同步與通信將數據結果傳輸至惡劣氣象監測預警系統，實現衛星遙感程序與硬件監測預警模塊之間的交互。

4 實例分析

為驗證所設計基于衛星遙感數據的惡劣氣象監測預警系統的有效性，設計對比實驗。本次實驗選用惡劣氣象實驗對象為風向指標數據。通過本文設計的衛星遙感數據的預處理模塊對各類風向指標數據進行采集、處理與加工。利用數據儀表對所采集到的信息參量進行存儲。將所采集到的數據信息參量平均分成兩部分，其中實驗組數據輸入基于衛星遙感數據的惡劣氣象監測預警系統中，對照組數據輸入基于NB-IoT技術的氣象監測系統。

圖6記錄了實驗組、對照組風速指標的具體數值變化情況。

圖6 風速時序圖

分析圖6可知，實驗組、對照組風速時序均保持來回波動的數值變化趨勢，在整個實驗過程中，實驗組風速數值與實際值十分接近，最大值接近5.0 m/s；而對照組的風速數值與實際值相差較大，最大值僅能達到3.8 m/s。

在此基礎上測試兩種系統的風速實時監測預警時效性，對比結果如圖7所示。

圖7 風速實時監測預警對比結果

分析圖7可知，在6次測試過程中，實驗組對惡劣氣象的預警耗時平均值為1.6 s，對照組對惡劣氣象的預警耗時平均值為6.1 s，由此可見所設計基于衛星遙感數據的惡劣氣象監測預警系統的預警時效性較好，能夠及時發生惡劣氣象的預警指令。

綜上可知，隨著基于衛星遙感數據監測預警系統的應用，預測所得的風速時序依然能夠保持較高的數值水平，在此情況下，對大風惡劣氣象的預警較為準時，不但有助于提升風力指標的表達顯著性，也能保證系統主機對于預警指令的及時響應。

5 結束語

本文提出基于衛星遙感數據的惡劣氣象監測預警系統，從風力指標表達顯著性較弱的角度入手，借助插件模塊、顯示預警模塊等多個硬件設備結構，在控制多線程同步通信關系的同時，完成對遙感數據的云識別與處理。通過系統多線程的同步通信云端識別遙感數據，實現衛星遙感程序與惡劣氣象監測預警模塊之間的實時交互。從實用性角度來看，預測所得的風速時序能夠維持較高的數值水平，Perrson特性數值、雙側特性數值也可以長時間保持高水平的存在狀態，即提升了風力指標的表達顯著性，也實現了系統主機對于預警指令的及時響應，具有較強的實際應用價值。