西南區(qū)域氣象網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

向筱銘, 楊 雪, 黃曉龍, 徐曉莉, 吳 薇

(1.四川省氣象探測(cè)數(shù)據(jù)中心, 四川 成都 610072;2.高原與盆地旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室, 四川 成都 610072)

0 引言(Introduction)

隨著我國(guó)氣象現(xiàn)代化建設(shè)的快速推進(jìn),氣象觀測(cè)系統(tǒng)發(fā)展迅速,遍布全國(guó)的地面自動(dòng)氣象站、新一代天氣雷達(dá)、X波段天氣雷達(dá)和衛(wèi)星的觀測(cè)資料也迅速增加[1]。隨著同化等技術(shù)的成熟應(yīng)用,時(shí)空連續(xù)的格點(diǎn)化氣象數(shù)據(jù)資料也成為精細(xì)化預(yù)報(bào)和服務(wù)的核心需求[2-3]。因此,中國(guó)氣象局近年來(lái)大力推進(jìn)實(shí)況業(yè)務(wù),基于融合技術(shù)和數(shù)據(jù)同化技術(shù),對(duì)來(lái)自多類觀測(cè)設(shè)備的多源資料進(jìn)行融合,形成高精度、高質(zhì)量和實(shí)況連續(xù)的多源數(shù)據(jù)融合氣象產(chǎn)品[4]。先后研制了包括降水、陸面、海洋、三維大氣等多圈層多要素的網(wǎng)格實(shí)況分析產(chǎn)品[5-6],并建立了全國(guó)1 km、5 km分辨率的智能網(wǎng)格實(shí)況分析產(chǎn)品,作為基礎(chǔ)產(chǎn)品應(yīng)用于日常天氣會(huì)商、預(yù)報(bào)檢驗(yàn)和智能網(wǎng)格預(yù)報(bào)滾動(dòng)訂正等業(yè)務(wù)中[7-8]。

在評(píng)估方面,國(guó)內(nèi)氣象學(xué)者開展了大量的網(wǎng)格實(shí)況分析產(chǎn)品的檢驗(yàn)評(píng)估[9-11],但主要是基于非實(shí)時(shí)的固定時(shí)段的產(chǎn)品質(zhì)量評(píng)估,而網(wǎng)格實(shí)況分析產(chǎn)品是每小時(shí)都在生成和下發(fā)的實(shí)時(shí)氣象業(yè)務(wù)產(chǎn)品,研究該類產(chǎn)品的實(shí)時(shí)檢驗(yàn)評(píng)估技術(shù),構(gòu)建西南區(qū)域氣象網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)系統(tǒng),對(duì)產(chǎn)品開展實(shí)時(shí)的動(dòng)態(tài)質(zhì)量評(píng)估和應(yīng)用,是氣象科技工作者開展災(zāi)害性天氣預(yù)警、智能網(wǎng)格預(yù)報(bào)產(chǎn)品制作和智慧氣象服務(wù)的基礎(chǔ),具有較高的研究?jī)r(jià)值。

1 數(shù)據(jù)流程(Data flow)

網(wǎng)格實(shí)況分析產(chǎn)品具有面向?qū)崨r應(yīng)用的特點(diǎn),因此快捷高效的數(shù)據(jù)流程是應(yīng)用該產(chǎn)品時(shí)的主要關(guān)注點(diǎn)。本文對(duì)網(wǎng)格實(shí)況產(chǎn)品的資料來(lái)源和數(shù)據(jù)處理流程進(jìn)行如下介紹。

1.1 網(wǎng)格實(shí)況產(chǎn)品

目前,已經(jīng)在各種業(yè)務(wù)中投入應(yīng)用的網(wǎng)格實(shí)況產(chǎn)品包括兩類:一類是由國(guó)家氣象信息中心生成的,另一類則由本地融合生成的,由于后者還處于業(yè)務(wù)試驗(yàn)階段,因此西南區(qū)域氣象網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)系統(tǒng)是主要接入國(guó)家氣象信息中心生成并下發(fā)的網(wǎng)格實(shí)況產(chǎn)品,包括5 km格距和1 km格距兩種分辨率,產(chǎn)品的下發(fā)渠道在前期為通過衛(wèi)星廣播系統(tǒng)下發(fā),為提高時(shí)效性,目前已經(jīng)更改為通過國(guó)內(nèi)氣象通信系統(tǒng)進(jìn)行快速分發(fā)[12]。

5 km分辨率多源融合實(shí)況分析產(chǎn)品包括降水融合實(shí)況分析產(chǎn)品、陸面融合實(shí)況分析產(chǎn)品、三維云融合實(shí)況分析產(chǎn)品和海洋融合實(shí)況分析產(chǎn)品等,共計(jì)8個(gè)要素、11種產(chǎn)品。其中,降水、氣溫、風(fēng)速、相對(duì)濕度、能見度、總云量、三維云量7個(gè)要素產(chǎn)品的空間分辨率為0.05°×0.05°,空間覆蓋區(qū)域?yàn)?°～60°N、70°～140°E;海表溫度產(chǎn)品空間分辨率為0.25°×0.25°,空間覆蓋區(qū)域?yàn)槿?產(chǎn)品格式均為GRIB2(計(jì)算機(jī)無(wú)關(guān)的壓縮的二進(jìn)制編碼)。

1 km分辨率多源融合實(shí)況分析產(chǎn)品包括降水、氣溫、10 m風(fēng)、比濕4要素,空間分辨率為0.01°×0.01°,時(shí)間分辨率為1 h,逐小時(shí)更新,各要素均分為全國(guó)產(chǎn)品與分省產(chǎn)品,全國(guó)產(chǎn)品空間覆蓋范圍為70°～140°E、15°～60°N,分省產(chǎn)品根據(jù)各省責(zé)任范圍裁剪而成,產(chǎn)品格式均為GRIB2。

1.2 網(wǎng)格實(shí)況產(chǎn)品處理流程

為了快速推廣應(yīng)用網(wǎng)格實(shí)況產(chǎn)品,目前已經(jīng)建立了國(guó)省網(wǎng)格實(shí)況產(chǎn)品應(yīng)用鏈。省級(jí)CTS系統(tǒng),通過基于消息通知機(jī)制的國(guó)省數(shù)據(jù)共享系統(tǒng),快速獲取最新時(shí)次的網(wǎng)格實(shí)況產(chǎn)品列表,并將最新時(shí)次產(chǎn)品下載至省級(jí)通信系統(tǒng),省級(jí)通信系統(tǒng)將其采用消息和共享文件系統(tǒng)的方式快速推送至氣象大數(shù)據(jù)云平臺(tái)“天擎”,并通過接口提供服務(wù),網(wǎng)格實(shí)況分析產(chǎn)品檢驗(yàn)評(píng)估分析系統(tǒng)、氣象信息綜合處理系統(tǒng)等各類業(yè)務(wù)系統(tǒng)可通過接口實(shí)時(shí)獲取網(wǎng)格實(shí)況產(chǎn)品。

網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)評(píng)估分析系統(tǒng)采用基于統(tǒng)一服務(wù)接口目錄服務(wù)的快速輪詢機(jī)制,快速獲取網(wǎng)格實(shí)況產(chǎn)品原始文件,并將其統(tǒng)一處理為NetCDF格式存儲(chǔ)于數(shù)據(jù)庫(kù)中,方便用戶訪問。同時(shí),針對(duì)產(chǎn)品中包含的氣象要素,分別采用雙線性插值和最鄰近插值方法計(jì)算產(chǎn)品在四川省所有氣象站點(diǎn)位置的格點(diǎn)場(chǎng)插值和誤差值,相應(yīng)的結(jié)果存儲(chǔ)至系統(tǒng)中,用戶查閱時(shí),能夠快速地完成評(píng)估指標(biāo)計(jì)算的后續(xù)部分,實(shí)現(xiàn)毫秒級(jí)的低延遲顯示實(shí)況產(chǎn)品和評(píng)估結(jié)果。

2 關(guān)鍵技術(shù)(Key techniques)

2.1 質(zhì)量評(píng)估數(shù)據(jù)預(yù)處理分段計(jì)算和緩存加速優(yōu)化方法

根據(jù)中國(guó)氣象局預(yù)報(bào)與網(wǎng)絡(luò)司下發(fā)的《實(shí)況分析產(chǎn)品質(zhì)量評(píng)估規(guī)范》中的評(píng)估指標(biāo),包括平均誤差ME(Mean Error)、平均絕對(duì)誤差MAE(Mean Absolute Error)、均方根誤差RMSE(Root Mean Squared Error)和相關(guān)系數(shù)COR(Correlation)。

指標(biāo)計(jì)算的傳統(tǒng)方法是采用實(shí)時(shí)計(jì)算,即根據(jù)用戶選擇的插值方法(雙線性插值或者最鄰近插值)和參與評(píng)估的站點(diǎn),從國(guó)家氣象信息中心下發(fā)的網(wǎng)格實(shí)況產(chǎn)品中,讀取相應(yīng)的要素場(chǎng),并按照評(píng)估規(guī)范計(jì)算上述4個(gè)評(píng)估指標(biāo)。上述方法在面向較多數(shù)據(jù)點(diǎn)和評(píng)估時(shí)次的情況下,計(jì)算時(shí)間會(huì)變得很長(zhǎng),用戶需要等待較長(zhǎng)的時(shí)間,并且在指標(biāo)計(jì)算期間,系統(tǒng)界面無(wú)響應(yīng),用戶體驗(yàn)感較差。

針對(duì)該問題,本文提出一種分階段計(jì)算的數(shù)據(jù)預(yù)處理方案,該方案將評(píng)估指標(biāo)的計(jì)算分為兩個(gè)階段,即單站誤差計(jì)算和區(qū)域評(píng)估指標(biāo)計(jì)算,質(zhì)量評(píng)估數(shù)據(jù)預(yù)處理流程如圖1所示。

圖1 質(zhì)量評(píng)估數(shù)據(jù)預(yù)處理流程Fig.1 Preprocessing process of quality assessment data

2.1.1 單站誤差計(jì)算階段

在單站誤差計(jì)算階段,系統(tǒng)通過定時(shí)任務(wù),準(zhǔn)實(shí)時(shí)從氣象大數(shù)據(jù)云平臺(tái)“天擎”系統(tǒng)獲取網(wǎng)格實(shí)況產(chǎn)品,并分別采用最鄰近插值法和雙線性插值法將1 km分辨率和5 km分辨率的網(wǎng)格實(shí)況產(chǎn)品的降水、氣溫、風(fēng)速、風(fēng)向、相對(duì)濕度要素插值到測(cè)站的位置,并計(jì)算誤差,從而形成每個(gè)測(cè)站的數(shù)據(jù)組,包括要素名稱、觀測(cè)值、網(wǎng)格產(chǎn)品插值和誤差,并將上述值存儲(chǔ)至系統(tǒng)數(shù)據(jù)庫(kù)中,通過同步策略寫入緩存數(shù)據(jù)庫(kù),詳細(xì)步驟如下。

(1)從“天擎”系統(tǒng)獲取每時(shí)次的實(shí)況格點(diǎn)場(chǎng)數(shù)據(jù)。

(2)分別采用最鄰近插值法和雙線性插值法,計(jì)算實(shí)況格點(diǎn)場(chǎng)在測(cè)站位置處的插值Gn和Gd。

(3)計(jì)算誤差,即根據(jù)要素的觀測(cè)值Oi和插值Gn、Gd,采用公式(1)計(jì)算最鄰近插值法的誤差En,采用公式(2)計(jì)算雙線性插值法的誤差Ed。

En=Oi-Gn

(1)

Ed=Oi-Gd

(2)

(4)將相應(yīng)的計(jì)算結(jié)果存儲(chǔ)至數(shù)據(jù)庫(kù)。

2.1.2 區(qū)域指標(biāo)計(jì)算階段

在區(qū)域指標(biāo)計(jì)算階段,主要完成各項(xiàng)評(píng)估指標(biāo)的后半部分計(jì)算,即根據(jù)用戶選擇的評(píng)估站點(diǎn)范圍(用戶可勾選國(guó)家站、區(qū)域站,也可勾選考核站、非考核站,或根據(jù)地形因子選擇站點(diǎn)),以數(shù)據(jù)庫(kù)讀取的方式,實(shí)時(shí)獲取相應(yīng)時(shí)次(時(shí)間段)參與該次評(píng)估站點(diǎn)的預(yù)處理數(shù)據(jù),并開展最終指標(biāo)的計(jì)算,詳細(xì)步驟如下。

(1)根據(jù)用戶選擇的參與評(píng)估站點(diǎn)范圍,從數(shù)據(jù)庫(kù)中讀取所需時(shí)次和要素的質(zhì)量評(píng)估預(yù)處理指標(biāo)數(shù)據(jù),包括要素觀測(cè)值Oi、要素插值Gn和Gd,以及誤差En和Ed,根據(jù)用戶選擇參與評(píng)估的站點(diǎn)范圍,計(jì)算站點(diǎn)數(shù)量N。

(2)根據(jù)用戶選擇的插值方法,從En和Ed中選擇一個(gè)值作為Ei,根據(jù)公式(3)計(jì)算平均誤差ME。

(3)

(3)根據(jù)公式(4)計(jì)算平均絕對(duì)誤差MAE。

(4)

(4)根據(jù)公式(5)計(jì)算均方根誤差RMSE。

(5)

(6)

(7)

(8)

在優(yōu)化資料評(píng)估指標(biāo)計(jì)算過程的基礎(chǔ)上,針對(duì)高頻次的預(yù)處理質(zhì)量評(píng)估數(shù)據(jù)讀取,基于內(nèi)存讀取速度遠(yuǎn)大于磁盤的原理,提出基于內(nèi)存數(shù)據(jù)庫(kù)的質(zhì)量評(píng)估預(yù)處理指標(biāo)數(shù)據(jù)緩存加速優(yōu)化方法,該方法通過在二階段計(jì)算模塊和數(shù)據(jù)庫(kù)之間加入Redis緩存數(shù)據(jù)庫(kù),將近期熱點(diǎn)數(shù)據(jù)全部緩存至內(nèi)存數(shù)據(jù)庫(kù)中,當(dāng)用戶獲取數(shù)據(jù)時(shí),優(yōu)先從緩存數(shù)據(jù)庫(kù)讀取,如果在緩存中無(wú)法獲取到相應(yīng)數(shù)據(jù),則從數(shù)據(jù)庫(kù)中讀取,從而提高數(shù)據(jù)讀取的速度,最終有效減少系統(tǒng)響應(yīng)耗時(shí),提高用戶WEB端評(píng)估指標(biāo)實(shí)時(shí)計(jì)算的速度。

2.2 高分辨率格點(diǎn)場(chǎng)高效顯示技術(shù)

目前,常用的格點(diǎn)場(chǎng)繪制方式為Canvas(畫布)渲染方式,但在實(shí)況產(chǎn)品的格點(diǎn)分辨率超過一定量級(jí)時(shí)(大于等于200×100分辨率或總格點(diǎn)數(shù)量大于2萬(wàn)個(gè)),Canvas渲染方式的繪制時(shí)長(zhǎng)會(huì)出現(xiàn)大幅度的增長(zhǎng)。當(dāng)前,系統(tǒng)使用的實(shí)況產(chǎn)品背景場(chǎng)分辨率為1 km和5 km,所需顯示的數(shù)量級(jí)已經(jīng)超出了Canvas渲染方式的高性能區(qū)間,在繪制時(shí)會(huì)出現(xiàn)一定的卡頓情況,甚至?xí)斐娠@示模塊的崩潰,嚴(yán)重影響用戶使用。為解決該問題,系統(tǒng)采用了根據(jù)地圖縮放級(jí)別動(dòng)態(tài)抽稀格點(diǎn)的顯示方式,并根據(jù)視窗范圍動(dòng)態(tài)調(diào)節(jié)繪制范圍,即只繪制在屏幕顯示范圍內(nèi)的格點(diǎn),而不是繪制所有格點(diǎn),從而能夠有效解決繪制的性能瓶頸。

動(dòng)態(tài)抽稀格點(diǎn)方式在抽稀的過程中會(huì)抽掉一部分格點(diǎn),而在降水過程中,大雨以上的區(qū)域范圍會(huì)比較小,但是這類降水落區(qū)又是不可忽略的。在普通的抽稀過程中,必然會(huì)損失一部分雨量較大但范圍較小的格點(diǎn),從而出現(xiàn)誤判。針對(duì)這種降水落區(qū)的特殊性,本文對(duì)普通抽稀算法進(jìn)行了特殊化處理,抽稀過程針對(duì)格點(diǎn)降水量級(jí)的差異進(jìn)行了不同的合并策略。下文以2×2四個(gè)格點(diǎn)合并為1×1一個(gè)格點(diǎn)為例進(jìn)行說明。

策略一:單一量級(jí)降水區(qū)域格點(diǎn)合并,被合并格點(diǎn)屬于同一降水量級(jí),則取全部待合并格點(diǎn)值求平均值作為合并后格點(diǎn)的值,如圖2所示。

圖2 策略一示例Fig.2 Example diagram of strategy one

策略二:不同量級(jí)降水區(qū)域格點(diǎn)合并,被合并格點(diǎn)不屬于同一降水量級(jí),則取全部待合并格點(diǎn)值的最大值作為合并后格點(diǎn)的值,如圖3所示。

圖3 策略二示例Fig.3 Example diagram of strategy two

在兩種策略的作用下,強(qiáng)降水落區(qū)將不會(huì)被掩蓋,也不會(huì)出現(xiàn)由平均值引起的降水量級(jí)變化,通過網(wǎng)格的填色和相應(yīng)格點(diǎn)的降水?dāng)?shù)值填圖,實(shí)現(xiàn)縮放前后降水落區(qū)的分布和量級(jí)不發(fā)生變化。

2.3 基于Elasticsearch的檢驗(yàn)評(píng)估產(chǎn)品全文檢索

系統(tǒng)中的資料管理模塊,采用了Elasticsearch數(shù)據(jù)庫(kù)作為檢驗(yàn)評(píng)估產(chǎn)品資料的全文搜索引擎。Elasticsearch是一個(gè)基于Lucene使用Java開發(fā)的分布式、高擴(kuò)展、高實(shí)時(shí)的搜索與數(shù)據(jù)分析引擎,它基于RESTful WEB接口,具有實(shí)時(shí)搜索、穩(wěn)定、可靠、快速、安裝使用方便的特點(diǎn)。充分利用Elasticsearch的水平伸縮性,能使數(shù)據(jù)在生產(chǎn)環(huán)境中變得更有價(jià)值。用戶在檢驗(yàn)評(píng)估產(chǎn)品資料模塊的查詢頁(yè)面搜索框中輸入檢索關(guān)鍵詞,就可以實(shí)時(shí)快速地對(duì)Elasticsearch數(shù)據(jù)庫(kù)中檢驗(yàn)評(píng)估產(chǎn)品文檔的標(biāo)題、標(biāo)簽及文檔內(nèi)容進(jìn)行檢索和匹配。

構(gòu)建基于ElasticSearch的產(chǎn)品全文搜索引擎,綜合采用了Spring、Maven和關(guān)系型數(shù)據(jù)庫(kù)技術(shù),檢索流程如圖4所示,具體技術(shù)思路如下。

圖4 基于Elasticsearch的數(shù)據(jù)檢索流程Fig.4 Data retrieval process based on Elasticsearch

(1)設(shè)計(jì)索引數(shù)據(jù)庫(kù)存儲(chǔ)結(jié)構(gòu),用于存儲(chǔ)檢索所需的檢驗(yàn)評(píng)估產(chǎn)品索引數(shù)據(jù)信息。

(2)搭建Elasticsearch服務(wù),根據(jù)設(shè)計(jì)完成的存儲(chǔ)結(jié)構(gòu)建立Elasticsearch搜索引擎數(shù)據(jù)庫(kù)及其相關(guān)文檔、類型和索引。

(3)實(shí)現(xiàn)數(shù)據(jù)同步服務(wù),并將數(shù)據(jù)庫(kù)中檢驗(yàn)評(píng)估產(chǎn)品信息表數(shù)據(jù)轉(zhuǎn)化為JSON數(shù)據(jù)格式,導(dǎo)入并存儲(chǔ)在Elasticsearch的數(shù)據(jù)庫(kù)中。

(4)設(shè)置Elasticsearch搜索模板、分詞算法、字段權(quán)重及最小匹配閾值等參數(shù),實(shí)現(xiàn)當(dāng)用戶輸入關(guān)鍵字時(shí),系統(tǒng)調(diào)用Elasticsearch接口實(shí)現(xiàn)全文檢索。

3 應(yīng)用成效(Application effect)

網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)評(píng)估分析系統(tǒng)主要面向西南區(qū)域各省用戶,提供實(shí)時(shí)的網(wǎng)格實(shí)況產(chǎn)品動(dòng)態(tài)評(píng)估和檢驗(yàn),因此能否高效地完成評(píng)估指標(biāo)計(jì)算和面向用戶呈現(xiàn)檢驗(yàn)評(píng)估所需的完整功能,是系統(tǒng)能夠投入業(yè)務(wù)應(yīng)用的關(guān)鍵。

3.1 質(zhì)量評(píng)估指標(biāo)計(jì)算性能

為準(zhǔn)確評(píng)估不同站點(diǎn)數(shù)量時(shí)的質(zhì)量評(píng)估指標(biāo)計(jì)算性能,按照日常業(yè)務(wù)常用場(chǎng)景,分別測(cè)試單時(shí)次場(chǎng)景下的四川省國(guó)家氣象站156 個(gè)、四川省區(qū)域地面觀測(cè)站中的骨干站800 個(gè)、 四川省區(qū)域地面觀測(cè)站中的考核站2 700 個(gè)和非考核站3 300 個(gè)、單時(shí)次及時(shí)收集的四川省所有國(guó)家氣象站和區(qū)域地面觀測(cè)站6 100個(gè)、單日及時(shí)收集的四川省所有國(guó)家氣象站和區(qū)域地面觀測(cè)站146 400個(gè)等場(chǎng)景。統(tǒng)計(jì)實(shí)時(shí)完整計(jì)算方案和本文提出的預(yù)處理分段計(jì)算方案的耗時(shí),并進(jìn)行對(duì)比。

將各類場(chǎng)景下的測(cè)試數(shù)據(jù)進(jìn)行匯總對(duì)比(表1)可以發(fā)現(xiàn),在各類評(píng)估場(chǎng)景中,傳統(tǒng)的指標(biāo)完整計(jì)算方案是分段計(jì)算方案運(yùn)行耗時(shí)的十倍至幾十倍,并且隨著站點(diǎn)數(shù)量的增多,傳統(tǒng)的指標(biāo)完整計(jì)算方案耗時(shí)累計(jì)增加,耗時(shí)過長(zhǎng),會(huì)導(dǎo)致系統(tǒng)長(zhǎng)期處于卡頓中,導(dǎo)致系統(tǒng)不可用。本文提出的質(zhì)量評(píng)估指標(biāo)分段計(jì)算的性能提升超過10倍,計(jì)算的耗時(shí)在毫秒級(jí),使得系統(tǒng)能夠流暢響應(yīng)指令,充分滿足用戶的使用需求。

表 1 質(zhì)量評(píng)估指標(biāo)計(jì)算性能對(duì)比

3.2 系統(tǒng)應(yīng)用效果

網(wǎng)格實(shí)況產(chǎn)品檢驗(yàn)評(píng)估分析系統(tǒng)基于SpringBoot的微服務(wù)架構(gòu),綜合采用JavaScript、Leaflet、Canvas、Vue.js等WEB技術(shù)構(gòu)建,并通過Nginx建立負(fù)載均衡,面向西南區(qū)域用戶提供網(wǎng)格實(shí)況產(chǎn)品交互應(yīng)用和產(chǎn)品檢驗(yàn)評(píng)估服務(wù)。系統(tǒng)實(shí)現(xiàn)了當(dāng)前業(yè)務(wù)化運(yùn)行的27種實(shí)況產(chǎn)品在二維和三維GIS上的統(tǒng)一展示應(yīng)用,通過系統(tǒng)的站點(diǎn)格點(diǎn)對(duì)比分析,可以很明顯地發(fā)現(xiàn),基于網(wǎng)格實(shí)況產(chǎn)品的色斑圖較傳統(tǒng)基于站點(diǎn)插值的色斑圖,隨著網(wǎng)格實(shí)況產(chǎn)品分辨率的提高,細(xì)節(jié)愈加清晰。

4 結(jié)論(Conclusion)

針對(duì)復(fù)雜地形下氣象網(wǎng)格實(shí)況分析產(chǎn)品快速檢驗(yàn)等問題,本文提出了構(gòu)建檢驗(yàn)評(píng)估系統(tǒng)的思路和相應(yīng)的分段計(jì)算等優(yōu)化方法,得出的結(jié)論如下。

(1)通過基于消息機(jī)制的國(guó)省數(shù)據(jù)共享系統(tǒng)和“天擎”系統(tǒng),建立了網(wǎng)格實(shí)況產(chǎn)品的接收、格式轉(zhuǎn)換和評(píng)估指標(biāo)預(yù)處理,實(shí)現(xiàn)低延遲的產(chǎn)品接入和標(biāo)準(zhǔn)化預(yù)處理流程。

(2)提出了質(zhì)量評(píng)估數(shù)據(jù)預(yù)處理分段計(jì)算及緩存加速優(yōu)化方法,將質(zhì)量評(píng)估指標(biāo)計(jì)算分成兩個(gè)階段,第一階段作為數(shù)據(jù)預(yù)處理提前完成,并根據(jù)用戶選擇的站點(diǎn)范圍實(shí)時(shí)完成第二階段計(jì)算,試驗(yàn)結(jié)果表明,該方法能夠有效減少用戶等待耗時(shí)。

(3)優(yōu)化了高分辨率格點(diǎn)場(chǎng)高效顯示技術(shù),實(shí)現(xiàn)了高分辨率格點(diǎn)場(chǎng)數(shù)據(jù)抽稀過程中強(qiáng)降水落區(qū)不被覆蓋且保持降水的量級(jí)。

(4)設(shè)計(jì)了基于Elasticsearch的檢驗(yàn)評(píng)估產(chǎn)品全文檢索技術(shù)框架,實(shí)現(xiàn)了系統(tǒng)管理的檢驗(yàn)評(píng)估報(bào)告的高效檢索,提高了用戶查詢報(bào)告的效率。