臺(tái)風(fēng)實(shí)時(shí)信息防汛服務(wù)云平臺(tái)設(shè)計(jì)與應(yīng)用

顧巍巍，張衛(wèi)國(guó)，張 焱，鐘 偉，孫飛飛

(寧波市水利水電規(guī)劃設(shè)計(jì)研究院，浙江 寧波 315192)

應(yīng)對(duì)臺(tái)風(fēng)及其次生災(zāi)害，及時(shí)有效獲取臺(tái)風(fēng)信息至關(guān)重要[1]。臺(tái)風(fēng)信息具有專業(yè)性、時(shí)效性及受眾廣的特點(diǎn)。傳統(tǒng)的信息傳播方式難以解決這種半結(jié)構(gòu)化專業(yè)解析、高速多源匯聚、差異化服務(wù)的復(fù)雜問題，綜合運(yùn)用數(shù)據(jù)庫(kù)、GIS、互聯(lián)網(wǎng)等現(xiàn)代化技術(shù)的信息服務(wù)系統(tǒng)，成為很好的解決問題途徑。歐美、日本等在該領(lǐng)域研究比較深入，Kitamoto[2]開發(fā)了可用于實(shí)時(shí)和歷史臺(tái)風(fēng)詳細(xì)信息查詢的Digital Typhoon系統(tǒng)。我國(guó)在臺(tái)風(fēng)信息系統(tǒng)方面起步較晚但發(fā)展迅速，取得了一定成果，如，吳煥萍等[3]探討了GIS應(yīng)用于決策氣象服務(wù)系統(tǒng)的相關(guān)問題，方建等[4]設(shè)計(jì)并開發(fā)了一套臺(tái)風(fēng)災(zāi)害快速評(píng)估系統(tǒng)。近年來(lái)，隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、人工智能等前沿技術(shù)的發(fā)展，學(xué)者們不斷將最新技術(shù)引入臺(tái)風(fēng)信息服務(wù)系統(tǒng)。李建等[5]研究了一種基于移動(dòng)互聯(lián)網(wǎng)的臺(tái)風(fēng)信息發(fā)布系統(tǒng)，駱小龍等[6]研究了一種基于阿里云的臺(tái)風(fēng)路徑實(shí)時(shí)發(fā)布系統(tǒng)，均取得了較好的應(yīng)用效果。然而，現(xiàn)有的臺(tái)風(fēng)信息服務(wù)系統(tǒng)主要關(guān)注臺(tái)風(fēng)路徑及臺(tái)風(fēng)自身屬性，為氣象預(yù)警、生活服務(wù)及學(xué)術(shù)科研提供服務(wù)，未針對(duì)防汛部門需求提供信息服務(wù)。同時(shí)，防汛部門可直接獲取的降雨預(yù)報(bào)信息從發(fā)布時(shí)間節(jié)奏、關(guān)注對(duì)象、數(shù)據(jù)精度等方面也難以滿足防臺(tái)防汛需求。為解決上述問題，本文以實(shí)際防汛需求為導(dǎo)向，采用關(guān)鍵技術(shù)開發(fā)通用性好、實(shí)用性強(qiáng)的臺(tái)風(fēng)實(shí)時(shí)信息防汛服務(wù)云平臺(tái)，為我國(guó)沿海城市應(yīng)對(duì)洪澇災(zāi)害提供針對(duì)性信息服務(wù)。

1 系統(tǒng)設(shè)計(jì)

1.1 設(shè)計(jì)思路

設(shè)計(jì)目標(biāo)是在防臺(tái)期間為防汛部門實(shí)時(shí)提供信息，主要是臺(tái)風(fēng)基本信息和未來(lái)降雨信息。其中，未來(lái)降雨信息部分是現(xiàn)有臺(tái)風(fēng)信息服務(wù)系統(tǒng)的缺陷，也是本文研究重點(diǎn)。目前，防汛部門可獲取的降雨預(yù)報(bào)信息難以滿足防臺(tái)防汛需求，主要表現(xiàn)在以下3個(gè)方面：①臺(tái)風(fēng)在24 h警戒線外，各主流氣象機(jī)構(gòu)的降雨數(shù)值預(yù)報(bào)存在較大的不確定性，對(duì)未來(lái)降雨的初步預(yù)判難度較大；②臺(tái)風(fēng)進(jìn)入24 h警戒線內(nèi)，氣象降雨預(yù)報(bào)發(fā)布時(shí)段與防汛需求的預(yù)報(bào)時(shí)段節(jié)奏不一致，且氣象部門與水利防汛部門關(guān)注的對(duì)象具有一定差異性；③防汛期間，多機(jī)構(gòu)降雨數(shù)值預(yù)報(bào)成果存在一定的差異，難以有效抉擇并指導(dǎo)防汛工作。針對(duì)以上問題，本文分別從歷史數(shù)據(jù)挖掘、預(yù)報(bào)數(shù)據(jù)解析、數(shù)據(jù)嵌套融合等方面研究關(guān)鍵技術(shù)，同時(shí)，采用B/S架構(gòu)、SaaS服務(wù)模式和數(shù)據(jù)與服務(wù)能力中心，保障平臺(tái)推廣應(yīng)用的通用性和防汛高并發(fā)時(shí)期的系統(tǒng)穩(wěn)定性。

圖1 平臺(tái)系統(tǒng)架構(gòu)

1.2 關(guān)鍵技術(shù)

為解決防汛部門獲取降雨預(yù)報(bào)信息的問題，開展臺(tái)風(fēng)降雨信息智能關(guān)聯(lián)[7]、多機(jī)構(gòu)降雨預(yù)報(bào)長(zhǎng)短嵌套融合、降雨預(yù)報(bào)數(shù)據(jù)時(shí)空解析等關(guān)鍵技術(shù)研究，并以服務(wù)形式融入數(shù)據(jù)與服務(wù)能力中心，支撐業(yè)務(wù)功能開發(fā)。

1.2.1 臺(tái)風(fēng)降雨信息智能關(guān)聯(lián)技術(shù)

考慮臺(tái)風(fēng)路徑、發(fā)生時(shí)間、中心氣壓、移速、風(fēng)速、發(fā)源地、登陸點(diǎn)等因子，從大量的歷史數(shù)據(jù)中挖掘與本場(chǎng)臺(tái)風(fēng)相似的歷史臺(tái)風(fēng)，以相似臺(tái)風(fēng)降雨統(tǒng)計(jì)信息輔助防汛部門對(duì)未來(lái)降雨形勢(shì)的預(yù)判，解決“臺(tái)風(fēng)在24 h警戒線外，各主流氣象機(jī)構(gòu)的降雨數(shù)值預(yù)報(bào)存在較大的不確定性，對(duì)未來(lái)降雨的初步預(yù)判難度較大”的問題。

1.2.2 多機(jī)構(gòu)降雨預(yù)報(bào)長(zhǎng)短嵌套融合技術(shù)

暴雨發(fā)生過程中，不同機(jī)構(gòu)會(huì)發(fā)布各自的降雨預(yù)報(bào)成果，各機(jī)構(gòu)預(yù)報(bào)成果在發(fā)布時(shí)間、預(yù)報(bào)時(shí)長(zhǎng)、預(yù)報(bào)范圍、預(yù)報(bào)精度等方面往往存在一定的差異。本技術(shù)基于各機(jī)構(gòu)在歷史長(zhǎng)系列、過去15 d、過去3個(gè)時(shí)次的預(yù)報(bào)綜合表現(xiàn)，調(diào)整各機(jī)構(gòu)動(dòng)態(tài)權(quán)重，分別對(duì)短臨預(yù)報(bào)機(jī)構(gòu)、短期預(yù)報(bào)機(jī)構(gòu)的預(yù)報(bào)成果進(jìn)行融合，再進(jìn)行長(zhǎng)短嵌套，得到最終預(yù)報(bào)成果。

1.2.3 降雨預(yù)報(bào)數(shù)據(jù)時(shí)空解析技術(shù)

從時(shí)間角度，氣象機(jī)構(gòu)預(yù)報(bào)信息發(fā)布時(shí)間固定，其節(jié)奏與防汛需求不一致。本平臺(tái)研究“降雨預(yù)報(bào)數(shù)據(jù)時(shí)空解析技術(shù)”，將各機(jī)構(gòu)發(fā)布的降雨預(yù)報(bào)信息解析為逐小時(shí)降雨過程，為防汛部門提供當(dāng)前時(shí)間以后的降雨過程。從空間角度，將各機(jī)構(gòu)實(shí)時(shí)預(yù)報(bào)的大尺度、低分辨率降雨數(shù)據(jù)，快速插值加密成防汛關(guān)注對(duì)象范圍內(nèi)的高精度、高密度網(wǎng)格降雨數(shù)據(jù)，提高面雨量計(jì)算效率和精度。

1.3 架構(gòu)設(shè)計(jì)

基于臺(tái)風(fēng)多元信息智能跟蹤關(guān)鍵技術(shù)研究成果，結(jié)合云計(jì)算、大數(shù)據(jù)、人工智能等新興信息技術(shù)，構(gòu)建一套基于能力中心的臺(tái)風(fēng)實(shí)時(shí)信息防汛服務(wù)云平臺(tái)。系統(tǒng)總體架構(gòu)分為數(shù)據(jù)層、服務(wù)層、業(yè)務(wù)層和用戶層，見圖1。平臺(tái)架構(gòu)的主要特點(diǎn)為采用B/S架構(gòu)、SaaS服務(wù)模式和數(shù)據(jù)與服務(wù)能力中心建設(shè)。

1.3.1 B/S架構(gòu)、SaaS服務(wù)模式

B/S模式[8-10]是目前在水利信息化領(lǐng)域應(yīng)用最為廣泛的架構(gòu)形式，與C/S模式相比，具有業(yè)務(wù)擴(kuò)展便捷、開發(fā)簡(jiǎn)單、共享性強(qiáng)的優(yōu)點(diǎn)。本平臺(tái)引入SaaS軟件服務(wù)模式[11-12]，系統(tǒng)部署于云服務(wù)器，利用云服務(wù)器集群架構(gòu)、彈性伸縮等特點(diǎn)，保障本平臺(tái)的經(jīng)濟(jì)性、可靠性和可擴(kuò)展性；用戶申請(qǐng)賬號(hào)后，即可訪問平臺(tái)信息，數(shù)周內(nèi)即可導(dǎo)入全部用戶區(qū)域數(shù)據(jù)、增加客戶個(gè)性化需求，最大限度提高用戶入駐效率，兼顧平臺(tái)信息集約化和用戶服務(wù)差異化，提高系統(tǒng)通用性。

1.3.2 數(shù)據(jù)與服務(wù)能力中心

數(shù)據(jù)與服務(wù)能力中心為上層業(yè)務(wù)應(yīng)用建設(shè)提供標(biāo)準(zhǔn)的數(shù)據(jù)集成服務(wù)和核心算法支撐，包含數(shù)據(jù)集成與共享交換平臺(tái)、大數(shù)據(jù)中心和應(yīng)用支撐與服務(wù)平臺(tái)。數(shù)據(jù)集成與共享交換平臺(tái)將通過抽取、轉(zhuǎn)化、清洗、開發(fā)等一系列標(biāo)準(zhǔn)化流程將多源異構(gòu)數(shù)據(jù)整理進(jìn)入大數(shù)據(jù)中心；大數(shù)據(jù)中心提供結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)平臺(tái)，采用極速響應(yīng)、海量計(jì)算、高效低成本的MPP架構(gòu)的關(guān)系型數(shù)據(jù)技術(shù)；應(yīng)用支撐與服務(wù)平臺(tái)是關(guān)鍵技術(shù)的標(biāo)準(zhǔn)化服務(wù)集成，為業(yè)務(wù)應(yīng)用提供一系列分析服務(wù)。同時(shí)，平臺(tái)基于spring cloud、 docker的微服務(wù)系統(tǒng)云架構(gòu)，使用API Gateway統(tǒng)一向外部系統(tǒng)提供REST API，專業(yè)用戶可基于API服務(wù)自主開發(fā)其他應(yīng)用系統(tǒng)。

圖2 系統(tǒng)功能模塊

1.4 系統(tǒng)功能設(shè)計(jì)

臺(tái)風(fēng)實(shí)時(shí)信息防汛服務(wù)云平臺(tái)分為6個(gè)模塊，以多種方式、多重視角展現(xiàn)臺(tái)風(fēng)未來(lái)降雨及其他相關(guān)信息，提升防汛部門獲取臺(tái)風(fēng)預(yù)報(bào)信息的效率和水平，見圖2。

a. 臺(tái)風(fēng)信息模塊。功能定位為當(dāng)前或歷史臺(tái)風(fēng)相關(guān)信息的查詢?？刹樵儺?dāng)前臺(tái)風(fēng)實(shí)測(cè)及預(yù)報(bào)路徑、詳細(xì)信息(中心氣壓、風(fēng)速、移速、風(fēng)圈半徑等)、襲擊概率、登陸點(diǎn)和影響范圍等當(dāng)前臺(tái)風(fēng)信息；可查詢1945年以來(lái)歷史臺(tái)風(fēng)實(shí)測(cè)路徑、詳細(xì)信息、各預(yù)報(bào)時(shí)刻預(yù)報(bào)信息、災(zāi)情、登陸點(diǎn)、影響范圍等歷史臺(tái)風(fēng)信息；可查詢?cè)茍D、風(fēng)場(chǎng)等值面及風(fēng)場(chǎng)動(dòng)畫、雷達(dá)圖及動(dòng)畫、溫場(chǎng)等氣象預(yù)報(bào)信息。

b. 相似分析模塊?；谂_(tái)風(fēng)降雨信息智能關(guān)聯(lián)技術(shù)，為用戶提供形勢(shì)預(yù)判服務(wù)。可選擇臺(tái)風(fēng)路徑、發(fā)生時(shí)間、中心氣壓、移速、風(fēng)速、發(fā)源地、登陸點(diǎn)等因子進(jìn)行歷史相似臺(tái)風(fēng)分析，提供降雨、災(zāi)情等歷史臺(tái)風(fēng)關(guān)聯(lián)信息查詢。

c. 未來(lái)降雨模塊。分為全國(guó)未來(lái)降雨和地區(qū)未來(lái)降雨。全國(guó)未來(lái)降雨功能可查詢?nèi)珖?guó)范圍內(nèi)各點(diǎn)位T639、GRAPES_MESO、GFS和ECMWF等模式預(yù)報(bào)未來(lái)12 h、24 h、48 h和72 h的降雨量。地區(qū)未來(lái)降雨針對(duì)防汛用戶所在地區(qū)，提供轄區(qū)、流域、水庫(kù)等防汛關(guān)注對(duì)象未來(lái)面雨量過程，提供各大主流機(jī)構(gòu)預(yù)報(bào)、當(dāng)?shù)仡A(yù)報(bào)及智能融合預(yù)報(bào)選擇。為提高預(yù)報(bào)準(zhǔn)確率，提供預(yù)報(bào)后評(píng)估功能，多維度反饋各機(jī)構(gòu)及智能融合預(yù)報(bào)表現(xiàn)。

d. 分析簡(jiǎn)報(bào)模塊。智能解析臺(tái)風(fēng)實(shí)況、相似分析、未來(lái)降雨預(yù)報(bào)等成果，實(shí)時(shí)生成臺(tái)風(fēng)實(shí)況、歷史相似、未來(lái)降雨信息分析簡(jiǎn)報(bào)，保障用戶統(tǒng)籌、全面掌握臺(tái)風(fēng)信息。

e. 數(shù)據(jù)大屏模塊。數(shù)據(jù)大屏通過臺(tái)風(fēng)信息高維度降噪，實(shí)現(xiàn)多元數(shù)據(jù)一屏可視化，助力用戶實(shí)時(shí)監(jiān)控臺(tái)風(fēng)信息，為滿足不同用戶實(shí)際需求，提供個(gè)性化數(shù)據(jù)大屏定制服務(wù)。

f． 后臺(tái)管理模塊。為提升運(yùn)維效率，建設(shè)后臺(tái)管理模塊，可進(jìn)行用戶賬戶維護(hù)、預(yù)報(bào)數(shù)據(jù)源維護(hù)、用戶防汛關(guān)注對(duì)象維護(hù)和定制作業(yè)配置。

2 實(shí)踐應(yīng)用

圖3 “201718泰利”臺(tái)風(fēng)寧波市降雨預(yù)報(bào)跟蹤過程

圖4 “201718泰利”與“200422雷米”路徑對(duì)比

平臺(tái)在2017年“苗柏”“納沙”“海棠”“泰利”“卡努”等臺(tái)風(fēng)期間應(yīng)用于寧波市及各縣區(qū)、溫嶺市等10余處防汛部門的防臺(tái)工作。根據(jù)實(shí)踐經(jīng)驗(yàn)，“相似分析”和“未來(lái)降雨”模塊可分別從歷史數(shù)據(jù)挖掘和數(shù)值預(yù)報(bào)跟蹤的角度為防汛提供信息支撐。臺(tái)風(fēng)演進(jìn)初期，各模式數(shù)值預(yù)報(bào)成果離散，難以指導(dǎo)防汛，此階段可參考相似臺(tái)風(fēng)預(yù)估降雨形勢(shì)，開展水庫(kù)預(yù)泄、物資調(diào)配等防汛準(zhǔn)備；跟蹤各模式數(shù)值預(yù)報(bào)成果至逐步趨于一致，其外包線往往也逐步逼近實(shí)際降雨真值，可依據(jù)未來(lái)降雨分析成果開展洪澇風(fēng)險(xiǎn)預(yù)報(bào)預(yù)警等防汛應(yīng)用。以“201718泰利”臺(tái)風(fēng)為例(圖3)，對(duì)于寧波市最大3 d面雨量，2017年9月12日23時(shí)各模式數(shù)值預(yù)報(bào)成果離散程度高，最大值近300 mm，最小值僅約10 mm；各模式數(shù)值預(yù)報(bào)隨預(yù)報(bào)發(fā)布時(shí)間呈顯著集中趨勢(shì)，而實(shí)測(cè)真值44 mm始終位于外包線內(nèi)。在此背景下，防汛部門應(yīng)用本平臺(tái)實(shí)時(shí)跟蹤各模式數(shù)值預(yù)報(bào)成果，分別使用平臺(tái)“相似分析模塊”和“未來(lái)降雨模塊”支撐防汛決策：①2017年9月12日23時(shí)，臺(tái)風(fēng)位于24 h警戒線外，整體形勢(shì)并未明朗，各模式數(shù)值預(yù)報(bào)成果離散，防汛部門使用“相似分析模塊”搜尋出相似臺(tái)風(fēng)——“200422雷米”臺(tái)風(fēng)(圖4)，“201718泰利”與“200422雷米”臺(tái)風(fēng)路徑相似。如圖5所示，兩場(chǎng)臺(tái)風(fēng)風(fēng)速、移速、中心氣壓等要素過程均相似，同時(shí)，兩場(chǎng)臺(tái)風(fēng)均于9月發(fā)源于馬里亞納群島附近海面，綜合以上要素認(rèn)為“201718泰利”與“200422雷米”臺(tái)風(fēng)對(duì)寧波的影響相似。由于“200422雷米”臺(tái)風(fēng)期間寧波最大3 d面雨量?jī)H為17 mm，故防汛部門在各模式數(shù)值預(yù)報(bào)存在分歧時(shí)，初步判斷“201718泰利”未來(lái)降雨量較小，綜合多場(chǎng)相似臺(tái)風(fēng)判斷，未來(lái)降雨15～40 mm。②2017年9月13日2時(shí)，臺(tái)風(fēng)進(jìn)入24 h警戒線，根據(jù)最新預(yù)報(bào)發(fā)布時(shí)次各模式數(shù)值預(yù)報(bào)寧波市未來(lái)最大3 d面雨量位于13～83 mm區(qū)間內(nèi)，基于各模式數(shù)值預(yù)報(bào)面雨量均低于100 mm且趨于一致，認(rèn)為模式預(yù)報(bào)邊界條件已基本清晰，成果可靠性可接受，此時(shí)平臺(tái)智能融合預(yù)報(bào)45 mm與實(shí)測(cè)值44 mm僅有1mm偏差?！拔磥?lái)降雨模塊”通過兩種方式服務(wù)于防汛應(yīng)用：一是在平臺(tái)界面上直接提供降雨等值面、網(wǎng)格、點(diǎn)雨量查詢，提供轄區(qū)、流域、水庫(kù)等防汛關(guān)注對(duì)象降雨詳細(xì)數(shù)據(jù)查詢；二是將降雨詳細(xì)預(yù)報(bào)數(shù)據(jù)以API形式服務(wù)于洪澇風(fēng)險(xiǎn)預(yù)報(bào)預(yù)警類系統(tǒng)。

(a)風(fēng)速過程

(b)移速過程

(c)中心氣壓過程

3 結(jié) 語(yǔ)

a. 針對(duì)水利防汛部門在防臺(tái)工作中難以獲取有效高精度降雨預(yù)報(bào)數(shù)據(jù)的難題，從歷史數(shù)據(jù)挖掘和模式預(yù)報(bào)信息解析、融合的角度研究3項(xiàng)關(guān)鍵技術(shù)。

b. 將SaaS軟件服務(wù)模式引入臺(tái)風(fēng)信息服務(wù)領(lǐng)域，滿足推廣應(yīng)用的通用性；結(jié)合數(shù)據(jù)與服務(wù)能力中心，保障了防汛高并發(fā)時(shí)期的系統(tǒng)穩(wěn)定性。

c. 在2017“苗柏”“納沙”“海棠”“泰利”“卡努”等臺(tái)風(fēng)期間應(yīng)用于國(guó)內(nèi)10余處防汛部門的防汛工作中，實(shí)際檢驗(yàn)表明系統(tǒng)針對(duì)性強(qiáng)、實(shí)用價(jià)值高，在我國(guó)東南沿海各地區(qū)具有推廣應(yīng)用價(jià)值。