李 軒，吳門新，侯英雨，莊立偉，何延波，孫少杰

農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺設(shè)計與實現(xiàn)*

李 軒，吳門新**，侯英雨，莊立偉，何延波，孫少杰

（國家氣象中心，北京 100081）

為了適應(yīng)現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)發(fā)展，增強(qiáng)海量數(shù)據(jù)快速處理、多源數(shù)據(jù)融合智能分析、數(shù)據(jù)挖掘等數(shù)據(jù)分析能力，實現(xiàn)農(nóng)業(yè)氣象數(shù)據(jù)和產(chǎn)品在全國范圍內(nèi)的共享，國家氣象中心采用開源框架，分布式（Hadoop）大數(shù)據(jù)技術(shù)和Web架構(gòu)，融合現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)，構(gòu)建B/S（Browser/Server即瀏覽器/服務(wù)器）模式的農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺，實現(xiàn)多源農(nóng)業(yè)氣象數(shù)據(jù)分布式存儲與管理，同時提供網(wǎng)絡(luò)端數(shù)據(jù)和業(yè)務(wù)產(chǎn)品可視化展示。共享平臺于2021年業(yè)務(wù)運行，部署在國家級服務(wù)器上，為國家級和31個省級用戶提供13大類200余種數(shù)據(jù)要素和產(chǎn)品的在線快速瀏覽和查詢，實現(xiàn)國家?省級用戶通過網(wǎng)絡(luò)快速瀏覽、查詢業(yè)務(wù)數(shù)據(jù)和產(chǎn)品，實現(xiàn)農(nóng)業(yè)氣象業(yè)務(wù)數(shù)據(jù)資源的共享和交匯，形成統(tǒng)一應(yīng)用的農(nóng)業(yè)氣象大數(shù)據(jù)共享環(huán)境。

農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺；B/S模式；分布式存儲；數(shù)據(jù)可視化；產(chǎn)品可視化

國內(nèi)農(nóng)業(yè)氣象業(yè)務(wù)始于1958年，經(jīng)過60多年的發(fā)展，已成為氣象部門業(yè)務(wù)規(guī)模最大、業(yè)務(wù)技術(shù)最成熟、業(yè)務(wù)體系最規(guī)范的專業(yè)服務(wù)。農(nóng)業(yè)氣象業(yè)務(wù)內(nèi)容涵蓋農(nóng)業(yè)氣象情報、土壤墑情監(jiān)測、農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)報、農(nóng)用天氣預(yù)報、國內(nèi)外作物產(chǎn)量預(yù)報、植被與草地生態(tài)監(jiān)測評估、農(nóng)林病蟲害發(fā)生發(fā)展氣象等級預(yù)報、春耕春播、秋收秋種等關(guān)鍵農(nóng)時農(nóng)業(yè)氣象服務(wù)專報等多方面[1?3]。農(nóng)業(yè)氣象業(yè)務(wù)所涉及的數(shù)據(jù)種類多、內(nèi)容和結(jié)構(gòu)復(fù)雜，科研人員在數(shù)據(jù)管理及業(yè)務(wù)軟件系統(tǒng)方面做了大量研發(fā)。楊太明等[4?9]研發(fā)了省級農(nóng)業(yè)氣象數(shù)據(jù)庫，但這些數(shù)據(jù)庫具有明顯的時域和地域的局限性，只能滿足各自省的農(nóng)業(yè)氣象業(yè)務(wù)需求；早期多個基于微機(jī)版的農(nóng)業(yè)氣象情報預(yù)報業(yè)務(wù)系統(tǒng)具有電報報文收報解報、繪制氣象要素等值線、作物產(chǎn)量預(yù)報等功能[10?15]，這些系統(tǒng)普遍是因業(yè)務(wù)發(fā)展過程中新增業(yè)務(wù)需求單獨研發(fā)，缺乏統(tǒng)一規(guī)范化規(guī)劃與管理，使農(nóng)業(yè)氣象業(yè)務(wù)在發(fā)展過程中存在較多模塊小而零散的業(yè)務(wù)系統(tǒng)。2010年國家氣象中心建設(shè)了基于C/S（Client/Server即客戶端/服務(wù)器端）架構(gòu)的中國農(nóng)業(yè)氣象業(yè)務(wù)系統(tǒng)（CAgMSS）[16]及基于集中式關(guān)系型數(shù)據(jù)庫的國家級農(nóng)業(yè)氣象數(shù)據(jù)庫[17]，制定統(tǒng)一規(guī)范的農(nóng)業(yè)氣象數(shù)據(jù)標(biāo)準(zhǔn)[18]，CAgMSS系統(tǒng)涵蓋農(nóng)業(yè)氣象業(yè)務(wù)范圍，具有農(nóng)業(yè)氣象監(jiān)測、分析、預(yù)報和制圖等多種功能，國家級和省級業(yè)務(wù)單位通過CAgMSS系統(tǒng)獨立開展業(yè)務(wù)工作。

隨著現(xiàn)代農(nóng)業(yè)的多元化發(fā)展及大數(shù)據(jù)、分布式存儲、云計算、人工智能等信息技術(shù)的快速發(fā)展，農(nóng)業(yè)氣象業(yè)務(wù)的服務(wù)種類越來越多樣化，服務(wù)的精細(xì)化、精準(zhǔn)化、智能化水平不斷提升，業(yè)務(wù)產(chǎn)品的時空分辨率顯著提高，從原有周、月、季、年尺度圖形產(chǎn)品發(fā)展到精細(xì)化、格點化日尺度產(chǎn)品。同時，數(shù)據(jù)規(guī)模呈爆發(fā)式增長，從而對數(shù)據(jù)和產(chǎn)品的海量存儲、快速交互分析、實時共享和發(fā)布方面的需求愈加迫切。而目前的CAgMSS系統(tǒng)主要基于氣象觀測站點數(shù)據(jù)來設(shè)計，無法滿足高空間精度、高時間精度的數(shù)據(jù)存儲和運算；由于CAgMSS是基于C/S的架構(gòu)，使其在省級用戶推廣應(yīng)用與系統(tǒng)維護(hù)方面較為困難，需要投入大量人力和財力進(jìn)行系統(tǒng)培訓(xùn)、設(shè)備與系統(tǒng)維護(hù)?，F(xiàn)有的基于集中式關(guān)系型數(shù)據(jù)庫在服務(wù)器上過于集中存儲大量數(shù)據(jù)和數(shù)據(jù)分析功能，占用較多服務(wù)器資源，大量存儲過程并發(fā)時對服務(wù)器造成很大的壓力，存在一定的安全隱患；由于對外接口受限制，不能跟其他類型的數(shù)據(jù)進(jìn)行交互，在數(shù)據(jù)共享與發(fā)布上存在一定的局限性[19]。同時，國家級與省級、省級之間的業(yè)務(wù)系統(tǒng)未能實現(xiàn)有效對接，國家?省兩級用戶在數(shù)據(jù)和產(chǎn)品共享時存在流程復(fù)雜、多途徑傳輸、效率低等問題，導(dǎo)致反復(fù)流轉(zhuǎn)造成網(wǎng)絡(luò)和存儲資源的浪費，而省級用戶之間存在實時信息共享困難，短時間內(nèi)不能對數(shù)據(jù)和業(yè)務(wù)產(chǎn)品進(jìn)行高效訪問和應(yīng)用，影響了服務(wù)時效。

因此，為了適應(yīng)現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)發(fā)展，增強(qiáng)海量數(shù)據(jù)快速處理、多源數(shù)據(jù)融合智能分析、數(shù)據(jù)深度挖掘等數(shù)據(jù)分析能力，實現(xiàn)國家?省級農(nóng)業(yè)氣象業(yè)務(wù)互聯(lián)互通和一體化發(fā)展，國家氣象中心采用開源框架，分布式（Hadoop）大數(shù)據(jù)技術(shù)和Web架構(gòu)，融合農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)，構(gòu)建B/S（Browser/Server即瀏覽器/服務(wù)器）模式的農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺，實現(xiàn)多源農(nóng)業(yè)氣象數(shù)據(jù)分布式存儲與管理，同時提供網(wǎng)絡(luò)端的數(shù)據(jù)和業(yè)務(wù)產(chǎn)品的可視化展示，國家級和省級用戶可通過網(wǎng)絡(luò)快速瀏覽和查詢，為國家級、省級農(nóng)業(yè)氣象業(yè)務(wù)提供高性能、高可靠性的數(shù)據(jù)支撐，推動了數(shù)據(jù)資源共享和匯交，形成全國統(tǒng)一應(yīng)用的農(nóng)業(yè)氣象大數(shù)據(jù)共享環(huán)境。

1 共享平臺總體設(shè)計

1.1 總體框架

農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺總體邏輯結(jié)構(gòu)采用自頂向下、分層設(shè)計思路，包括數(shù)據(jù)層、基礎(chǔ)層、業(yè)務(wù)層和用戶層（圖1）。數(shù)據(jù)層是整個框架的基礎(chǔ)，為共享平臺提供多源數(shù)據(jù)，包括站點、格點、圖像、文檔等數(shù)據(jù)以及數(shù)據(jù)存儲服務(wù)?；A(chǔ)層是整個框架的核心部分，以數(shù)據(jù)訪問接口、業(yè)務(wù)訪問接口、微服務(wù)框架等基礎(chǔ)組件為基礎(chǔ)，依托分布式存儲和數(shù)據(jù)計算框架，實現(xiàn)數(shù)據(jù)檢索統(tǒng)計和深度挖掘，進(jìn)行數(shù)據(jù)關(guān)聯(lián)和變化對比分析。業(yè)務(wù)層采用可視化基礎(chǔ)組件在瀏覽端對數(shù)據(jù)和業(yè)務(wù)產(chǎn)品進(jìn)行合理有效的組織，通過三維圖和表格等形式，向用戶展示所需數(shù)據(jù)和產(chǎn)品。用戶層為面向共享平臺的直接和間接用戶，主要包括國家級、省級農(nóng)業(yè)氣象業(yè)務(wù)人員，通過網(wǎng)絡(luò)終端可實時獲取業(yè)務(wù)所需的數(shù)據(jù)和產(chǎn)品，為業(yè)務(wù)服務(wù)提供支撐，提高業(yè)務(wù)服務(wù)能力。

圖1 農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺結(jié)構(gòu)圖

共享平臺采用B/S架構(gòu)，分為瀏覽器端和服務(wù)器端。B/S架構(gòu)在用戶端只需安裝瀏覽器即可，應(yīng)用邏輯集中在服務(wù)器和中間件上，提高了數(shù)據(jù)處理性能。瀏覽器端需要在計算機(jī)上部署操作系統(tǒng)（Windows XP/7/8/10或Linux/Redhat/CentOS等）以及支持HTML5標(biāo)準(zhǔn)的瀏覽器。采用標(biāo)準(zhǔn)Web架構(gòu)，通過瀏覽器與用戶交戶，瀏覽器是用戶操作共享平臺的接口，用戶通過瀏覽器界面向服務(wù)器端提出請求，通過數(shù)據(jù)接口對請求進(jìn)行解析、運算、分析等處理，并對返回的結(jié)果進(jìn)行處理和展示。服務(wù)器端采用6臺高性能Linux服務(wù)器搭建分布式作業(yè)集群，部署操作系統(tǒng)（CentOS7.2）以及Cloudera Manager平臺、Hadoop分布式組件等，主要提供分布式數(shù)據(jù)存儲和分布式數(shù)據(jù)計算支撐，以及應(yīng)用系統(tǒng)和網(wǎng)站的基本運行。

1.2 數(shù)據(jù)流程

農(nóng)業(yè)氣象業(yè)務(wù)數(shù)據(jù)來源主要包括國家氣象信息中心CIMISS[20?21]、氣象大數(shù)據(jù)云平臺（天擎）[22]、衛(wèi)星遙感數(shù)據(jù)[23]、國家氣象中心精細(xì)化預(yù)報產(chǎn)品[24]等。數(shù)據(jù)涵蓋了基礎(chǔ)氣象、農(nóng)業(yè)氣象觀測、土壤水分等站點數(shù)據(jù)，農(nóng)業(yè)災(zāi)害、作物生長模擬等格點數(shù)據(jù)，以及遙感、作物實景以及文檔產(chǎn)品數(shù)據(jù)等。共享平臺的數(shù)據(jù)流程可分為多源數(shù)據(jù)入庫流程和數(shù)據(jù)服務(wù)流程2大部分（圖2）。數(shù)據(jù)入庫流程包括全系列數(shù)據(jù)的獲取，根據(jù)各類數(shù)據(jù)特點對入庫數(shù)據(jù)進(jìn)行分類、解析整理、質(zhì)量控制等預(yù)處理，得到規(guī)范化數(shù)據(jù)，進(jìn)而存儲到分布式數(shù)據(jù)庫中。數(shù)據(jù)服務(wù)流程包括通過相關(guān)Web配置接口獲取到菜單樹，用戶在瀏覽器端通過菜單點擊所需功能，通過Web服務(wù)的代理接口向數(shù)據(jù)服務(wù)發(fā)送數(shù)據(jù)請求，數(shù)據(jù)服務(wù)快速解析請求信息，利用分布式數(shù)據(jù)分析引擎對數(shù)據(jù)進(jìn)行快速的邏輯計算，同時向Web端返回計算結(jié)果并進(jìn)行快速發(fā)布和可視化展示。共享平臺通過數(shù)據(jù)流程實現(xiàn)各類農(nóng)業(yè)氣象數(shù)據(jù)和產(chǎn)品的檢索、統(tǒng)計分析、數(shù)據(jù)挖掘、對比分析等，最終實現(xiàn)數(shù)據(jù)和產(chǎn)品的收集、加工、存儲、分析、共享的統(tǒng)一管理。

2 共享平臺實現(xiàn)的關(guān)鍵技術(shù)

2.1 信息技術(shù)

2.1.1 數(shù)據(jù)分布式存儲

農(nóng)業(yè)氣象數(shù)據(jù)具有類型多樣、多源、時間序列長、結(jié)構(gòu)復(fù)雜、海量等特點，從存儲角度可分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)兩類，按照數(shù)據(jù)類型采用不同的數(shù)據(jù)庫分布式存儲，能實現(xiàn)對數(shù)據(jù)進(jìn)行更好地存儲和管理（圖3）。具體實現(xiàn)中共享平臺采用具有管理海量數(shù)據(jù)優(yōu)勢的Kudu結(jié)構(gòu)化數(shù)據(jù)庫作為分布式大數(shù)據(jù)的底層存儲，并結(jié)合使用功能豐富的MongoDB存儲非結(jié)構(gòu)化數(shù)據(jù)。

結(jié)構(gòu)化數(shù)據(jù)主要包括基礎(chǔ)氣象數(shù)據(jù)、農(nóng)業(yè)氣象觀測數(shù)據(jù)、自動土壤水分?jǐn)?shù)據(jù)等，擁有以站號和時間為序列的結(jié)構(gòu)化特征，包括歷史數(shù)據(jù)和實時數(shù)據(jù)，現(xiàn)有數(shù)據(jù)量為百GB級別，共享平臺設(shè)計為TB級別存儲，可滿足未來數(shù)據(jù)增量和業(yè)務(wù)發(fā)展要求。這些結(jié)構(gòu)化數(shù)據(jù)由Kudu數(shù)據(jù)庫存儲，遵循農(nóng)業(yè)氣象數(shù)據(jù)庫設(shè)計規(guī)范，對數(shù)據(jù)進(jìn)行統(tǒng)一的入庫、管理、查詢和分析等操作，共存儲管理7大類140多種農(nóng)業(yè)氣象要素。

圖2 農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺數(shù)據(jù)流程圖

圖3 農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺數(shù)據(jù)存儲結(jié)構(gòu)圖

對于農(nóng)業(yè)氣象精細(xì)化格點產(chǎn)品、農(nóng)業(yè)作物實景圖片和視頻、衛(wèi)星遙感數(shù)據(jù)、農(nóng)業(yè)文檔產(chǎn)品等結(jié)構(gòu)不規(guī)則的數(shù)據(jù)則歸屬于非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)時效和精度高以及數(shù)據(jù)類型多樣（柵格、圖像、文本）等特征，由MongoDB數(shù)據(jù)庫存儲，同時對數(shù)據(jù)的屬性進(jìn)行統(tǒng)一管理，建立文件索引，方便隨機(jī)快速定位訪問，目前存儲了6大類60余種農(nóng)業(yè)氣象產(chǎn)品數(shù)據(jù)。

2.1.2 數(shù)據(jù)服務(wù)接口

共享平臺的數(shù)據(jù)支撐來自分布式存儲的200余種數(shù)據(jù)，不同種類數(shù)據(jù)之間關(guān)聯(lián)性不強(qiáng)，對于開發(fā)人員來說，數(shù)據(jù)處理會較為困難，同時為了網(wǎng)絡(luò)用戶更快速便捷地訪問到底層數(shù)據(jù)庫中的數(shù)據(jù)，建立標(biāo)準(zhǔn)化的數(shù)據(jù)服務(wù)接口可以解決這些問題。數(shù)據(jù)服務(wù)接口具有無需詳細(xì)了解數(shù)據(jù)存儲、數(shù)據(jù)內(nèi)部結(jié)構(gòu)和格式，即可快速訪問，提高訪問效率；采用標(biāo)準(zhǔn)化統(tǒng)一規(guī)范，降低了開發(fā)的難度；有較強(qiáng)的靈活性，可滿足不同的業(yè)務(wù)需求，能高效、完整、安全轉(zhuǎn)換和傳輸數(shù)據(jù)；同時簡化服務(wù)器部分，改善其可擴(kuò)展性和不同平臺上的可移植性等優(yōu)點。

共享平臺通過流行的Restful API接口對外提供數(shù)據(jù)服務(wù)。API（Application Programming Interface，應(yīng)用程序接口）是一組編程接口規(guī)范、客戶端與服務(wù)端通過請求響應(yīng)進(jìn)行數(shù)據(jù)通信。Restful API（Representation Station Transfer，表述性狀態(tài)轉(zhuǎn)移）是基于Rest思想實現(xiàn)Web架構(gòu)約束的應(yīng)用程序接口[25]，具有輕量級、跨平臺、跨語言的風(fēng)格[26?27]，是比較流行的互聯(lián)網(wǎng)軟件設(shè)計規(guī)范。它在設(shè)計API的路徑時同一個資源要使用同一個地址，通過不同的請求方式來表示不同的操作，結(jié)構(gòu)清晰、易于理解、擴(kuò)展方便[28?30]。

共享平臺從數(shù)據(jù)端的自動采集入庫，到數(shù)據(jù)查詢、數(shù)據(jù)分析、業(yè)務(wù)分析，均使用Restful API接口對外提供數(shù)據(jù)服務(wù)，不同模塊之間采用接口相互訪問，并以標(biāo)準(zhǔn)格式對數(shù)據(jù)進(jìn)行交換，通過參數(shù)傳遞方式實現(xiàn)數(shù)據(jù)的請求訪問。業(yè)務(wù)與數(shù)據(jù)通過接口形成隔離，業(yè)務(wù)層與數(shù)據(jù)層互不干擾，從而在數(shù)據(jù)優(yōu)化時依然能夠保障數(shù)據(jù)分析服務(wù)的正常工作。實現(xiàn)數(shù)據(jù)與業(yè)務(wù)分離，降低數(shù)據(jù)與業(yè)務(wù)的耦合度，減少數(shù)據(jù)端對應(yīng)用端的影響。

共享平臺包含了各類數(shù)據(jù)入庫、數(shù)據(jù)管理、數(shù)據(jù)查詢、數(shù)據(jù)分析、數(shù)據(jù)監(jiān)控、業(yè)務(wù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)報表、元數(shù)據(jù)、輔助功能等模塊，為業(yè)務(wù)提供分析，為服務(wù)提供支撐。如格點數(shù)據(jù)入庫，在檢索到新的格點數(shù)據(jù)文件時，通過接口的形式發(fā)起數(shù)據(jù)寫入請求，服務(wù)端接收到數(shù)據(jù)請求后對數(shù)據(jù)進(jìn)行解析，提取格點數(shù)據(jù)的數(shù)據(jù)量、數(shù)據(jù)類型、數(shù)據(jù)范圍、坐標(biāo)系等元數(shù)據(jù)信息，將元數(shù)據(jù)信息和數(shù)據(jù)流統(tǒng)一存儲到相關(guān)數(shù)據(jù)庫。元數(shù)據(jù)接口主要給用戶提供基本數(shù)據(jù)信息服務(wù)，包括數(shù)據(jù)的種類、數(shù)據(jù)配置、站點信息、表信息、字段信息等輔助功能信息的數(shù)據(jù)查詢獲取。通過數(shù)據(jù)分析接口用戶可以對所需的數(shù)據(jù)要素進(jìn)行累積、平均、天數(shù)統(tǒng)計、連續(xù)天數(shù)統(tǒng)計、對比分析等數(shù)據(jù)分析操作。

2.1.3 精細(xì)化格點產(chǎn)品

農(nóng)業(yè)氣象業(yè)務(wù)的發(fā)展越來越要求精準(zhǔn)的、高時空分辨率的產(chǎn)品，以往以站點為主要信息源的產(chǎn)品無法滿足高空間精度的需求，空間上從站點向精細(xì)化格點發(fā)展，已成為農(nóng)業(yè)氣象業(yè)務(wù)的必然選擇。精準(zhǔn)的農(nóng)業(yè)氣象業(yè)務(wù)基于觀測數(shù)據(jù)、遙感數(shù)據(jù)、業(yè)務(wù)指標(biāo)數(shù)據(jù)等多數(shù)據(jù)源，結(jié)合精細(xì)化格點預(yù)報產(chǎn)品和高精度的地形數(shù)據(jù)，利用成熟的業(yè)務(wù)技術(shù)模型對多種信息快速處理分析，生成精細(xì)化格點產(chǎn)品，為業(yè)務(wù)服務(wù)提供客觀的指導(dǎo)產(chǎn)品。

在精細(xì)化格點產(chǎn)品制作流程中（圖4），首先根據(jù)所要完成的業(yè)務(wù)，選取相關(guān)的站點觀測數(shù)據(jù)，如作物發(fā)育期、氣象要素、地理范圍等數(shù)據(jù)，通過相關(guān)的算法（如距平、最大/小、天數(shù)等）進(jìn)行數(shù)據(jù)加工處理，隨后對加工處理后的數(shù)據(jù)進(jìn)行地理空間插值，獲得業(yè)務(wù)模型所需的格點數(shù)據(jù)；同時結(jié)合精細(xì)化格點預(yù)報數(shù)據(jù)、遙感數(shù)據(jù)以及業(yè)務(wù)指標(biāo)（如干旱、寒露風(fēng)、干熱風(fēng)、連陰雨等指標(biāo)）等，通過相關(guān)業(yè)務(wù)模型的分析處理，最終生成業(yè)務(wù)所需的精細(xì)化格點產(chǎn)品。

2.1.4 可視化產(chǎn)品

數(shù)據(jù)可視化是業(yè)務(wù)服務(wù)的有效手段，通過地圖、圖形和圖表等多種方式直觀、便捷地為用戶展示各類數(shù)據(jù)和產(chǎn)品。隨著互聯(lián)網(wǎng)、云計算和智能終端的發(fā)展，用戶的需求越來越動態(tài)化、時效化和多樣化，傳統(tǒng)的點、線、面等可視化方式已不能滿足這些需求，同時農(nóng)業(yè)氣象大數(shù)據(jù)具有高時效性、長時序性、格式多樣性、空間尺度大、關(guān)聯(lián)性強(qiáng)等特點，迫切需要基于Web端的數(shù)據(jù)可視化技術(shù)。共享平臺通過三維可視化和圖表可視化更直觀、便捷地為用戶展示數(shù)據(jù)和產(chǎn)品的時空信息，其中三維可視化采用Cesium組件，它支持豐富的地圖數(shù)據(jù)服務(wù)（二維地圖（2D）、哥倫布視圖（2.5D）和三維地球（3D））和數(shù)據(jù)格式；圖表可視化采用Echarts組件，它支持種類豐富的統(tǒng)計圖、交互式強(qiáng)，能將數(shù)據(jù)關(guān)鍵信息采用多種形式直觀表達(dá)，并可根據(jù)用戶需求選擇性展示數(shù)據(jù)。

共享平臺利用接口調(diào)取分布式數(shù)據(jù)存儲的站點數(shù)據(jù)、格點數(shù)據(jù)、文檔產(chǎn)品等數(shù)據(jù)，利用WebGIS地圖可視化、可視化圖表、色標(biāo)渲染等前端技術(shù)對數(shù)據(jù)進(jìn)行可視化展示。如站點數(shù)據(jù)可視化通過調(diào)用數(shù)據(jù)訪問接口獲取可視化展示數(shù)據(jù)，獲取數(shù)據(jù)后對數(shù)據(jù)進(jìn)行解析，加工為標(biāo)準(zhǔn)空間可視化格式，通過獲取色標(biāo)等級對數(shù)據(jù)進(jìn)行分級渲染，并以空間可視化形式進(jìn)行展示；同時對數(shù)據(jù)增加時效切換、色標(biāo)控制等操作，以及進(jìn)行數(shù)據(jù)的圖表制作（圖5）。Web端的用戶切換數(shù)據(jù)時效，共享平臺根據(jù)設(shè)置請求對應(yīng)時效數(shù)據(jù)，并將獲取的數(shù)據(jù)加載到地圖上；同時，根據(jù)請求的數(shù)據(jù)返回該數(shù)據(jù)的色標(biāo)配置，Web端獲取到數(shù)據(jù)色標(biāo)配置信息后，解析色標(biāo)等級，將數(shù)據(jù)渲染為對應(yīng)等級效果。

共享平臺采用直觀可視化方式將農(nóng)業(yè)氣象大數(shù)據(jù)信息展示給國家級和省級用戶，以便更直觀地交互分析數(shù)據(jù)間的關(guān)系。共享平臺對數(shù)據(jù)進(jìn)行數(shù)據(jù)解析分級、圖表制作、空間可視化等操作，實現(xiàn)了地圖、折線圖、柱狀圖、散點圖、餅狀圖、格點圖等多種方式展示數(shù)據(jù)。用戶通過共享平臺可隨時瀏覽全國范圍內(nèi)任何省、市、縣的溫度、降水、日照、作物發(fā)育期、土壤水分等地面觀測要素和農(nóng)業(yè)氣象要素的站點數(shù)據(jù)，也可瀏覽作物發(fā)育期、災(zāi)害監(jiān)測、作物生長模擬等精細(xì)化格點數(shù)據(jù)，同時也可瀏覽作物實景、農(nóng)田小氣候、文檔產(chǎn)品等多種格式的數(shù)據(jù)與產(chǎn)品。

圖4 精細(xì)化格點產(chǎn)品制作流程

圖5 農(nóng)業(yè)大數(shù)據(jù)共享平臺站點數(shù)據(jù)可視化流程

2.2 農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)

2.2.1 農(nóng)業(yè)氣象條件監(jiān)測分析

農(nóng)業(yè)氣象條件監(jiān)測分析是根據(jù)農(nóng)業(yè)氣象業(yè)務(wù)的特殊需求，建立作物生長和氣象條件等環(huán)境因素的相關(guān)性，判斷某個時期（日、周、月等尺度）氣象條件對作物生長的影響。它主要包括農(nóng)業(yè)氣象條件分析、作物生長狀況監(jiān)測、土壤水分監(jiān)測等技術(shù)，是農(nóng)業(yè)氣象業(yè)務(wù)的基礎(chǔ)。

農(nóng)業(yè)氣象條件分析常用的統(tǒng)計方法包括相關(guān)分析、回歸分析、聚類分析、距平分析、比值分析等，比較客觀、定量地反映出農(nóng)業(yè)生產(chǎn)對象與氣象條件之間的相關(guān)關(guān)系。光、溫、水等因素是作物生長各階段的重要因素，因而溫度、降水、日照時數(shù)等氣象條件分析是評價作物生長的重要指標(biāo)。農(nóng)業(yè)氣象條件分析通過集成常用的統(tǒng)計方法，能對日、周、旬、月及任意時間段的平均氣溫、降水、日照、風(fēng)速、積雪深度、土壤相對濕度等要素進(jìn)行累計、平均、最大、最小、排位、對比等統(tǒng)計分析。

農(nóng)業(yè)氣象站觀測作物生長信息，主要觀測包括作物發(fā)育期、苗情、高度、密度等要素。通過觀測數(shù)據(jù)中的發(fā)育期實況或發(fā)育期距平可監(jiān)測當(dāng)前作物發(fā)育期進(jìn)程，苗情實況反映了當(dāng)前作物長勢，因而作物生長狀況監(jiān)測主要通過發(fā)育期、發(fā)育期距平和苗情來進(jìn)行，為農(nóng)業(yè)氣象情報、關(guān)鍵農(nóng)時農(nóng)事氣象服務(wù)、作物產(chǎn)量預(yù)報等業(yè)務(wù)服務(wù)提供支撐。

水分是一切生物維系生命的重要因素，水分過多或過少都會造成作物生理失調(diào)，針對作物各生育期對水分的需求，需要對土壤水分狀況進(jìn)行判斷。目前，全國約2000多個業(yè)務(wù)化應(yīng)用的土壤水分自動觀測站，土壤水分觀測數(shù)據(jù)經(jīng)過質(zhì)量控制[31?32]、GIS空間插值及實時對比等計算分析后，根據(jù)土壤墑情等級指標(biāo)可以客觀反映土壤水分的真實情況，為農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)提供參考依據(jù)。

2.2.2 農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)報

中國特殊的地理環(huán)境和氣候特征使得氣象災(zāi)害頻發(fā)，對農(nóng)業(yè)生產(chǎn)影響較大，農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)報是農(nóng)業(yè)氣象業(yè)務(wù)的重點工作。農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)報根據(jù)觀測的農(nóng)業(yè)氣象條件、作物發(fā)育期、土壤水分等實況數(shù)據(jù)以及精細(xì)化格點天氣預(yù)報數(shù)據(jù)，通過災(zāi)害指標(biāo)和災(zāi)害模型運算，監(jiān)測或預(yù)報氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響。災(zāi)害指標(biāo)技術(shù)研究已較為成熟，均已發(fā)布了相關(guān)的國家標(biāo)準(zhǔn)[33]和行業(yè)標(biāo)準(zhǔn)[34?35]。經(jīng)過多年的業(yè)務(wù)應(yīng)用，多種指標(biāo)、多模型綜合集成判識[36]是較為成熟的方法。以農(nóng)業(yè)干旱為例，國家氣象中心通過集成降水距平、土壤相對濕度、作物水分虧缺距平、衛(wèi)星遙感等多種指標(biāo)構(gòu)建了農(nóng)業(yè)干旱綜合監(jiān)測、預(yù)報模型，實現(xiàn)農(nóng)業(yè)干旱的逐日動態(tài)監(jiān)測預(yù)報。目前平臺可以對干旱、漬澇、低溫冷害、霜凍、寒害、凍害、低溫、低溫陰雨、寒露風(fēng)、干熱風(fēng)、高溫?zé)岷Φ戎饕r(nóng)業(yè)氣象災(zāi)害進(jìn)行監(jiān)測預(yù)報，為防災(zāi)減災(zāi)和農(nóng)業(yè)生產(chǎn)提供指導(dǎo)產(chǎn)品。

2.2.3 作物生長模型模擬

作物生長模型根據(jù)農(nóng)業(yè)系統(tǒng)學(xué)原理，利用作物生長發(fā)育的觀測資料、環(huán)境氣象資料和農(nóng)田技術(shù)條件等作為驅(qū)動因子，通過計算機(jī)模擬實現(xiàn)作物生長、發(fā)育和產(chǎn)量形成等基本生理過程的定量、動態(tài)描述[37?38]。目前，在國家級農(nóng)業(yè)氣象業(yè)務(wù)中集成了WOFOST、APSIM和WheatSM等較為成熟的作物生長模型，通過本地化參數(shù)因子調(diào)整，結(jié)合農(nóng)業(yè)氣象觀測和土壤水分自動觀測數(shù)據(jù)，實現(xiàn)對冬小麥、玉米、水稻等作物進(jìn)行生長模擬，用于作物產(chǎn)量預(yù)報、災(zāi)害影響評估等業(yè)務(wù)服務(wù)。

2.2.4 農(nóng)用天氣預(yù)報

農(nóng)用天氣是指從農(nóng)業(yè)生產(chǎn)角度分析、考慮和應(yīng)用的天氣，著重強(qiáng)調(diào)對農(nóng)業(yè)生產(chǎn)活動和作物生長影響較大的天氣現(xiàn)象或天氣過程[39]。農(nóng)用天氣預(yù)報是根據(jù)當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)過程中作物生長發(fā)育、各主要農(nóng)事活動以及相關(guān)技術(shù)措施對天氣條件的需要而編發(fā)的針對性較強(qiáng)的專業(yè)天氣預(yù)報。經(jīng)過多年的技術(shù)研發(fā)，農(nóng)用天氣預(yù)報業(yè)務(wù)根據(jù)農(nóng)業(yè)生產(chǎn)的需求，結(jié)合天氣預(yù)報、氣候預(yù)測等多方因素，通過農(nóng)業(yè)氣象指標(biāo)和農(nóng)業(yè)氣象評價方法，分析、預(yù)測未來天氣條件對農(nóng)業(yè)生產(chǎn)的影響，并提出針對性的措施和建議，為農(nóng)業(yè)生產(chǎn)提供全過程的指導(dǎo)性服務(wù)，如春耕春播、夏收夏種、秋收秋種等關(guān)鍵農(nóng)時農(nóng)事活動的預(yù)報業(yè)務(wù)服務(wù)已在全國開展多年。

3 共享平臺的應(yīng)用

3.1 用戶數(shù)據(jù)共享

共享平臺可實時為用戶提供包括站點數(shù)據(jù)和5km×5km格點數(shù)據(jù)的展示與共享。站點數(shù)據(jù)包括2412個站點的基礎(chǔ)氣象數(shù)據(jù)即日資料的平均（最高/最低）氣溫、20：00?20：00降水量、日照時數(shù)、最大風(fēng)速等小時資料、24h變溫和12h降水量等要素，10cm、20cm、30cm、40cm和50cm土壤水分自動觀測數(shù)據(jù)（圖6a），5cm、10cm、15cm、20cm、40cm和80cm地溫自動觀測數(shù)據(jù)（圖6b），10種作物包括冬小麥、水稻、玉米、棉花和油菜等的生育期和長勢觀測資料（圖6c、6d），農(nóng)田小氣候觀測資料和中央氣象臺城鎮(zhèn)預(yù)報資料等7大類140余種要素?？梢愿鶕?jù)需要分省、分區(qū)域、分站點查看要素渲染圖，通過在地圖上點擊選擇站點即可展示該站點所有關(guān)聯(lián)要素的數(shù)值及其時序變化。也可以通過查詢統(tǒng)計頁面進(jìn)行多條件組合查詢，分站點、分區(qū)域?qū)庀笠剡M(jìn)行累計、平均、最大、最小等統(tǒng)計，并按時序進(jìn)行排位。

格點數(shù)據(jù)為用戶提供5大類產(chǎn)品的下載服務(wù)，主要包括農(nóng)業(yè)氣象災(zāi)害監(jiān)測（干旱、漬害、高溫?zé)岷?、干熱風(fēng)、低溫冷害、霜凍害等）（圖7a、7b），作物生長模擬（作物葉面積指數(shù)、作物地上總生物量和作物穗重指數(shù)模擬）（圖 7c），農(nóng)用天氣預(yù)報（春耕春播、夏收夏種和秋收秋種關(guān)鍵農(nóng)時預(yù)報產(chǎn)品）（圖 7d）、土壤水分監(jiān)測和氣象條件監(jiān)測，用戶可根據(jù)需求下載經(jīng)空間分級渲染后可視化的格點數(shù)據(jù)圖。用戶還可在頁面上通過瀏覽、查詢、下載等功能，直接獲得經(jīng)匯總分析后形成的有關(guān)農(nóng)業(yè)氣象業(yè)務(wù)的文檔產(chǎn)品，主要有農(nóng)業(yè)氣象周/月報、災(zāi)害監(jiān)測評估、關(guān)鍵農(nóng)時農(nóng)事服務(wù)、特色農(nóng)業(yè)、生態(tài)氣象等。

3.2 業(yè)務(wù)產(chǎn)品共享

共享平臺發(fā)布日、周、月等不同時間尺度的農(nóng)業(yè)氣象條件分析、農(nóng)作物生長狀況、土壤水分監(jiān)測等產(chǎn)品，這些產(chǎn)品從單要素分析到綜合分析，都緊密結(jié)合實際農(nóng)業(yè)生產(chǎn)，客觀、準(zhǔn)確、及時地為各級用戶部門提供宏觀決策、指揮農(nóng)業(yè)生產(chǎn)的科學(xué)依據(jù)；同時根據(jù)農(nóng)業(yè)氣象條件對農(nóng)業(yè)生產(chǎn)的作用及提出的建議和措施，為農(nóng)業(yè)生產(chǎn)者科學(xué)安排農(nóng)業(yè)生產(chǎn)，因地制宜、積極有效地采用農(nóng)業(yè)技術(shù)措施，充分利用有利的天氣條件，避免或減輕不利和災(zāi)害性天氣條件的影響，為保障農(nóng)業(yè)高產(chǎn)穩(wěn)產(chǎn)提供科學(xué)依據(jù)。

共享平臺實時提供農(nóng)業(yè)干旱、高溫?zé)岷Α⒌蜏乩浜?、霜凍害等多種農(nóng)業(yè)災(zāi)害監(jiān)測與預(yù)報產(chǎn)品，做到農(nóng)業(yè)氣象災(zāi)害監(jiān)測、預(yù)報預(yù)警、評估信息的快速發(fā)布，及時、準(zhǔn)確地為各級用戶提供長期宏觀調(diào)控和短期應(yīng)變對策，最大限度地減輕災(zāi)害對農(nóng)業(yè)生產(chǎn)造成的影響；同時使農(nóng)業(yè)生產(chǎn)者及時獲得準(zhǔn)確的農(nóng)業(yè)氣象災(zāi)害監(jiān)測、預(yù)報預(yù)警和評估結(jié)果，及時采取防御和減災(zāi)措施，減輕災(zāi)害帶來的損失，促使農(nóng)業(yè)氣象災(zāi)害的防災(zāi)減災(zāi)由被動減災(zāi)向主動防災(zāi)轉(zhuǎn)變。

圖6 2022年4月5日10cm土壤水分（a）、2022年3月4日5cm土壤溫度（b）、2022年4月3?9日冬小麥發(fā)育期（c）和2022年4月3?9日冬小麥生長狀況（d）（缺港澳臺數(shù)據(jù)，下同）

共享平臺實時定期發(fā)布作物生長模型模擬、農(nóng)用天氣預(yù)報、國內(nèi)外產(chǎn)量預(yù)報、糧食作物生育期氣象評價等服務(wù)產(chǎn)品，開展對主要糧食作物生長發(fā)育、產(chǎn)量形成的定性和定量評價，提高了糧食生產(chǎn)過程中農(nóng)業(yè)氣象技術(shù)支撐能力。目前，共享平臺發(fā)布基于作物生長模型模擬的產(chǎn)品主要包括冬小麥、春玉米、夏玉米、一季稻、早稻和晚稻等作物的相關(guān)精細(xì)化格點產(chǎn)品，為作物長勢和產(chǎn)量評估提供葉面積指數(shù)、地上生物量和穗生物量等資料，為研究大區(qū)域作物生長、發(fā)育變化、產(chǎn)量形成的動態(tài)過程提供科學(xué)依據(jù)，同時為作物生長全生育期提供穩(wěn)定、可靠、全方位、精細(xì)化監(jiān)測預(yù)報服務(wù)。

3.3 服務(wù)效果

共享平臺于2021年業(yè)務(wù)運行，部署在國家級服務(wù)器上，31個省級業(yè)務(wù)單位通過網(wǎng)絡(luò)瀏覽器進(jìn)行訪問，運行性能穩(wěn)定，達(dá)到很好的用戶訪問效果。

目前共享平臺實時提供200余種農(nóng)業(yè)氣象數(shù)據(jù)和產(chǎn)品的在線瀏覽，打破了以往數(shù)據(jù)、產(chǎn)品的時空割裂和限制；實時快速地對農(nóng)業(yè)氣象觀測、農(nóng)業(yè)氣象災(zāi)害、作物生長模擬、農(nóng)作物實景和文檔產(chǎn)品等多源農(nóng)業(yè)氣象數(shù)據(jù)進(jìn)行全時間尺度、大范圍、多層次、多要素的分析與展示；具備時間序列、柱狀圖、折線圖、雷達(dá)圖、三維和二維數(shù)字地圖等多種方式靈活直觀地展示數(shù)據(jù)的能力，同時采用符號等級、色斑分級等渲染方式進(jìn)行數(shù)據(jù)表達(dá)；根據(jù)權(quán)限管理用戶，用戶可以實時更新、下載業(yè)務(wù)產(chǎn)品。

圖7 2022年4月5日農(nóng)業(yè)干旱綜合監(jiān)測(a)、2021年7月21日夏玉米農(nóng)田漬害監(jiān)測(b)、2021年8月23日晚稻葉面積指數(shù)(c)和2022年4月14?16日春耕春播農(nóng)用天氣預(yù)報(d)

共享平臺打通技術(shù)、數(shù)據(jù)、產(chǎn)品和服務(wù)各環(huán)節(jié)，實現(xiàn)了農(nóng)業(yè)氣象業(yè)務(wù)一體化應(yīng)用，為國家?省級用戶提供了統(tǒng)一的數(shù)據(jù)和業(yè)務(wù)產(chǎn)品，提升了國家級和省級用戶業(yè)務(wù)服務(wù)能力。

4 結(jié)論與討論

4.1 結(jié)論

共享平臺通過分布式大數(shù)據(jù)、集群管理和Web架構(gòu)等技術(shù)，解決了農(nóng)業(yè)氣象多源海量數(shù)據(jù)統(tǒng)一存儲、管理、實時共享、發(fā)布和可視化應(yīng)用的難題。采用基于空間、時間等屬性的靈活的數(shù)據(jù)供給，使各級用戶可以真正體驗到所見即所得、所得即所需的數(shù)據(jù)獲取，可為用戶提供高效便捷的網(wǎng)絡(luò)化共享服務(wù)，增強(qiáng)了服務(wù)時效性。共享平臺采用B/S架構(gòu)，部署在服務(wù)器端，平臺升級與維護(hù)只需在服務(wù)器端進(jìn)行操作，大大節(jié)約了開發(fā)、維護(hù)及推廣應(yīng)用成本。同時，共享平臺提供“云+端”服務(wù)，解決了國家級?省級兩級用戶和省級用戶之間的數(shù)據(jù)和產(chǎn)品傳輸流程復(fù)雜、實時共享困難等問題。共享平臺自2021年投入業(yè)務(wù)應(yīng)用以來，已為31個省級業(yè)務(wù)單位提供200多種數(shù)據(jù)和產(chǎn)品的實時在線服務(wù)，實現(xiàn)了農(nóng)業(yè)氣象業(yè)務(wù)數(shù)據(jù)和產(chǎn)品的互聯(lián)互通，推進(jìn)了農(nóng)業(yè)氣象業(yè)務(wù)向集約化、網(wǎng)絡(luò)化和共享化發(fā)展，實現(xiàn)了農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)“一張網(wǎng)、一張圖”。

4.2 討論

隨著人工智能、大數(shù)據(jù)計算與挖掘分析技術(shù)的發(fā)展，用戶對在線實時數(shù)據(jù)分析的需求越來越高。共享平臺可為用戶提供數(shù)據(jù)與產(chǎn)品的網(wǎng)絡(luò)可視化和部分格點數(shù)據(jù)下載，但尚未為用戶提供實時的深度數(shù)據(jù)挖掘分析，如何實現(xiàn)農(nóng)業(yè)氣象在線大數(shù)據(jù)挖掘與快速智能分析是共享平臺下一步的研究與應(yīng)用發(fā)展方向。目前，共享平臺主要展示國家級農(nóng)業(yè)氣象業(yè)務(wù)，業(yè)務(wù)雖然具有普遍通用性，但部分省級用戶的特色業(yè)務(wù)未得到充分體現(xiàn)，考慮到省級用戶的特色業(yè)務(wù)，未來會逐步提供數(shù)據(jù)服務(wù)接口與平臺框架，便于省級用戶訪問底層大數(shù)據(jù)及研發(fā)基于共享平臺的省級業(yè)務(wù)頻道；隨著共享平臺的業(yè)務(wù)應(yīng)用，用戶訪問需求越來越大，目前對省級用戶進(jìn)行權(quán)限管理開放，下一步需要對更多用戶（如地縣級業(yè)務(wù)單位用戶）進(jìn)行權(quán)限開放，使更多用戶能訪問共享平臺。

[1] 太華杰.我國農(nóng)業(yè)氣象業(yè)務(wù)體系的形成、完善和發(fā)展[J].應(yīng)用氣象學(xué)報, 1995,6(4):505-508.

Tai H J.The formation improvement and development of agrometeorological operational system in China[J]. Journal of Applied Meteorological Science, 1995,6(4):505- 508.(in Chinese)

[2] 侯英雨,張蕾,吳門新,等. 國家級現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)發(fā)展[J].應(yīng)用氣象學(xué)報, 2018,29(6):641-656.

Hou Y Y,Zhang L,Wu M X,et al.Advances of modern agrometeorological service and technology in China[J]. Journal of Applied Meteorological Science,2018,29(6): 641-656.(in Chinese)

[3] 毛留喜,呂厚荃.國家級農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)綜述[J].氣象,2010,36(7): 75-80.

Mao L X,Lv H Q.Overview of national level agrometeorological operational techniques[J].Meteorological Monthly,2010,36(7):75-80.(in Chinese)

[4] 楊太明,馬曉群,盛紹學(xué),等.新一代可視化氣象數(shù)據(jù)庫管理系統(tǒng)[J].氣象,2000,26(2):37-40.

Yang T M,Ma X Q,Sheng S X,et al.New generation of visual meteorological database management system[J]. Meteorological Monthly,2000,26(2):37-40.(in Chinese)

[5] 何彬方,楊太明,王海軍,等.省級農(nóng)業(yè)氣象數(shù)據(jù)庫及管理系統(tǒng)的設(shè)計與實現(xiàn)[J].中國農(nóng)學(xué)通報,2009,25(24): 520- 524.

He B F,Yang T M,Wang H J,et al.Design and implementation of province agrometeorological database and management system[J].Chinese Agricultural Science Bulletin,2009,25(24):520-524.(in Chinese)

[6] 湯志成,高蘋.農(nóng)業(yè)氣象數(shù)據(jù)庫的研制[J].中國農(nóng)業(yè)氣象, 1996,12(6):17-23.

Tang Z C,Gao P.Development of agrometeorological database[J].Chinese Journal of Agrometeorology,1996,12 (6):17-23.(in Chinese)

[7] 張旭暉,孫涵,李亞春,等,農(nóng)業(yè)氣象數(shù)據(jù)庫系統(tǒng)的改進(jìn)及應(yīng)用[J].中國農(nóng)業(yè)氣象,2003,24(1):41-43.

Zhang X H,Sun H,Li Y C,et al.An improved agro- meteorological database system and its application[J]. Chinese Journal of Agrometeorology,2003,24(1):41-43.(in Chinese)

[8] 劉麗,劉清,宋國強(qiáng),等.基于GIS組件的農(nóng)業(yè)氣象信息服務(wù)系統(tǒng)[J].中國農(nóng)業(yè)氣象,2006,27(4):305-309.

Liu L,Liu Q,Song G Q,et al.Agro-meteorological information service system based on comGIS[J].Chinese Journal of Agrometeorology,2006,27(4):305-309. (in Chinese)

[9] 馬渝勇,徐曉莉,宋智,等.省級氣象信息共享系統(tǒng)的設(shè)計與實現(xiàn)[J].應(yīng)用氣象學(xué)報,2011,22(4):505-512.

Ma Y Y,Xu X L,Song Z,et al.The design and implementation of provincial meteorological information sharing system[J].Journal of Applied Meteorological Science,2011,22(4):505-512.(in Chinese)

[10] 趙四強(qiáng),曹山明,殷建國,等.農(nóng)業(yè)氣象情報業(yè)務(wù)自動化系統(tǒng)[J].中國農(nóng)業(yè)氣象,1988,9(2):55-56.

Zhao S Q, Cao S M, Yin J G, et al. Agrometeorological information operational automation system [J]. Chinese Journal of Agrometeorology,1988,9(2):55-56. (in Chinese)

[11] 趙四強(qiáng),莊立偉,王健林.國家級農(nóng)業(yè)氣象產(chǎn)量預(yù)報業(yè)務(wù)自動化系統(tǒng)[J].中國農(nóng)業(yè)氣象,1992,13(5):45-49.

Zhao S Q, Zhuang L W, Wang J L, et al. The National agrometeorological yield forecasting operational system [J]. Chinese Journal of Agrometeorology, 1992,13(5):45-49. (in Chinese)

[12] 王健林,趙四強(qiáng).農(nóng)業(yè)氣象產(chǎn)量預(yù)報服務(wù)系統(tǒng)簡介[J].氣象,1991,17(7):23-26.

Wang J L, Zhao S Q, et al. Agrometeorological yield forecasting operational system[J].Meteorological Monthly, 1991,17(7):23-26.(in Chinese)

[13] 湯志成,武全崗,馮民學(xué),等,農(nóng)業(yè)氣象情報預(yù)報系統(tǒng)[J].中國農(nóng)業(yè)氣象,1995,16(5):47-50.

Tang Z C, Wu Q G, Feng M X, et al. The variation features of grain yield in China in recent 40 years[J].Chinese Journal of Agrometeorology,1995,16(5):47-50.(in Chinese)

[14] 莊立偉,王馥棠,王石立.農(nóng)業(yè)氣象產(chǎn)量預(yù)報業(yè)務(wù)系統(tǒng)的研制[J].應(yīng)用氣象學(xué)報,1996,7(3):745-753.

Zhuang L W,Wang F T,Wang S L,et al.Development of agrometeorological yield forecasting operational system[J]. Journal of Applied Meteorological Science,1996,7(3): 745-753.(in Chinese)

[15] 王石立,莊立偉,劉庚山等,網(wǎng)絡(luò)化農(nóng)業(yè)氣象信息服務(wù)技術(shù)研究[J].中國農(nóng)業(yè)氣象,2004,25(1):1-4.

Wang S L,Zhuang L W,Liu G S,et al .Study on agrometeorological information service techniques based on WebGIS[J].Chinese Journal of Agrometeorology, 2004,25(1):1-4. (in Chinese)

[16] 吳門新,莊立偉,侯英雨,等.中國農(nóng)業(yè)氣象業(yè)務(wù)系統(tǒng)(CAgMSS)設(shè)計與實現(xiàn)[J].應(yīng)用氣象學(xué)報.2019,30(5): 513-527.

Wu M X,Zhuang L W,Hou Y Y,et al.The design and implementation of China Agricultural Meteorological Service System(CAgMSS)[J].Journal of Applied Meteorological Science,2019,30(5):513-527.(in Chinese)

[17] 李軒,莊立偉,吳門新,等.基于Oracle的國家級農(nóng)業(yè)氣象數(shù)據(jù)庫設(shè)計與實現(xiàn)[C]//全國農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)技術(shù)交流論文集.北京:全國農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)交流會,2014:79- 86.(in Chinese)

Li X,Zhuang L W,Wu M X,et al.Design and implementation of national agrometeorological database based on Oracle[C]//Papers on National Agrometeorological Service Technology Exchange,Beijing:Meeting of National Agrometeorological Service Technology Exchange,2014: 79-86.(in Chinese)

[18] 莊立偉,吳門新,王穎,等. QX/T 435-2018.農(nóng)業(yè)氣象數(shù)據(jù)庫設(shè)計規(guī)范[S].中國氣象局,2018

Zhuang L W,Wu M X,Wang Y,et al.QX/T 435-2018. Specification of agrometeorological database design[S]. China Meterological Administration,2018. (in Chinese)

[19] 汪華,李波,王彪,等.融合架構(gòu)的分布式數(shù)據(jù)庫技術(shù)在氣象大數(shù)據(jù)平臺上的應(yīng)用時間[J].中低緯山地氣象,2020, 44(5):93-96.

Wang H,Li B,Wang B,et al.Application practice of distributed database technology with fusion architecture on meteorological big data platform[J].Mid-low Latitude Mountain Meteorology,2020,44(5):93-96.(in Chinese)

[20] 熊安元,趙芳,王穎,等.全國綜合氣象信息共享系統(tǒng)的設(shè)計與實現(xiàn)[J].應(yīng)用氣象學(xué)報,2015,26(4):500-512.

Xiong A Y,Zhao F,Wang Y,et al.Design and implementation of China Integrated Meteorological Information Sharing System(CIMISS)[J].Journal of Applied Meteorological Science,2015,26(4):500-512.(in Chinese)

[21] 趙芳,熊安元,張小纓,等.全國綜合氣象信息共享平臺框架設(shè)計技術(shù)特征[J].應(yīng)用氣象學(xué)報,2017,28(6):750-758.

Zhao F,Xiong A Y,Zhang X Y,et al.Technical characteristics of the Architecture Design of China Integrated Meteorological Information Sharing System[J].Journal of Applied Meteorological Science,2017,28(6):750-758.(in Chinese)

[22] 徐擁軍,何文春,劉媛媛,等.氣象大數(shù)據(jù)存儲體系設(shè)計與實現(xiàn)[J].電子測量技術(shù),2020,43(22):19-25.

Xu Y J,He W C,Liu Y Y,et al.Design and implementation of meteorological big data storage system[J].Electronic Measurement Technology,2020,43(22):19-25.(in Chinese)

[23] 羅敏寧,劉立葳.遙感大數(shù)據(jù)分布式技術(shù)研究與實現(xiàn)[J].應(yīng)用氣象學(xué)報,2017,28(5):621-631.

Luo M N,Liu L W.Research and implementation of remote sensing big data distributed technology[J]. Journal of Applied Meteorological Science,2017,28(5):621-631.(in Chinese)

[24] 賀雅楠,高嵩,薛峰,等.基于MICAPS4的智能網(wǎng)格預(yù)報平臺設(shè)計與實現(xiàn)[J].應(yīng)用氣象學(xué)報,2018,29(1):13-24.

He Y N,Gao S,Xue F,et al.Design and implementation of intelligent grid forecasting platform based on MICAPS4[J]. Journal of Applied Meteorological Science,2018,29(1): 13-24. (in Chinese)

[25] Florian H.A REST-based open API architecture for cloud computing[C]. 2015 International conference on Advanced Management Science And Information Engineering (AMSIE 2015),2015:822-832.

[26] 章國材.氣象云建設(shè)的研究與思考[J].氣象與環(huán)境科學(xué), 2015,38(4):1-11.

Zhang G C.Study and thinking on the construction of meteorological cloud[J].Meteorological and Environmental Sciences,2015,38(4):1-11. (in Chinese)

[27] 于洋. RESTFUL架構(gòu)風(fēng)格及其演變與發(fā)展[J].計算機(jī)時代,2020(4):10-13.

Yu Y.Review of RESTFUL architecture style and its evolution[J].Computer Era,2020(4):10-13. (in Chinese)

[28] 王婉,武鵬,郭學(xué)峰,等.基于智慧氣象的數(shù)據(jù)接口的實現(xiàn)[J].氣象與環(huán)境科學(xué),2018,41(4):128-132.

Wang W,Wu P,Guo X F,et al.Implementation of data interface system based on climate smart[J].Meteorological and Environmental Sciences,2018,41(4):128-132.(in Chinese)

[29] 李琦,姚龍.基于REST架構(gòu)的湖泊環(huán)境監(jiān)測物聯(lián)網(wǎng)平臺[J].計算機(jī)工程,2016,42(11):27-31.

Li Q,Yao L.Internet of things platform for lake environmental monitoring based on REST architecture[J]. Computer Engineering,2016,42(11):27-31.(in Chinese)

[30] 方生,秦曉安,王睿.基于前后端分離技術(shù)的在線購物平臺研究與實現(xiàn)[J].黃河水利職業(yè)技術(shù)學(xué)院學(xué)報,2021,33(4): 50-54.

Fang S,Qin X A,Wang R.Research and implementation on online shopping platform based on Web front-end and back-end separation technology[J].Journal of Yellow River Conservancy Technical Institute,2021,33(4):50-54.(in Chinese)

[31] 王良宇,何延波.自動土壤水分觀測數(shù)據(jù)異常值閾值研究[J].氣象,2015,41(8):1017-1022.

Wang L Y,He Y B.Research on outlier threshold of automatic soil moisture observation data[J].Meteorological Monthly,2015,41(8):1017-1022.(in Chinese)

[32] 陳金華,楊再強(qiáng),楊太明,等.安徽省土壤水分監(jiān)測預(yù)測系統(tǒng)[J].應(yīng)用氣象學(xué)報,2011,22(2):249-256.

Chen J H,Yang Z Q,Yang T M,et al.Real time observing and forecasting system for soil moisture in Anhui province[J].Journal of Applied Meteorological Science, 2011,22(2):249-256.(in Chinese)

[33] 呂厚荃,張玉書,李茂松,等.BG/T 32136-2015 農(nóng)業(yè)干旱等級[S].北京:中國標(biāo)準(zhǔn)出版社,2015.

Lv H Q,Zhang Y S,Li M S,et al.BG/T 32136-2015 Grade of agricultural drought[S].Beijing:China Standards Press, 2015.(in Chinese)

[34] 霍治國,劉榮花,姜燕,等. QX/T81-2007 小麥干旱災(zāi)害等級[S].中國氣象局,2007

Huo Z G,Liu R H,Jiang Y,et al.QX/T81-2007 Disaster grade of drought for wheat[S].China Meterological Administration,2007.(in Chinese)

[35] 霍治國,尚瑩,王純枝,等. QX/T82-2019 小麥干熱風(fēng)災(zāi)害等級[S].中國氣象局,2019.

Huo Z G,Shang Y,Wang C Z,et al.QX/T82-2019 Disaster grade of dry-hot wind for wheat[S]. China Meterological Administration,2019. (in Chinese)

[36] Hao Z.Drought characterization from a multivariate perspective:a review[J].J Hydrol,2015,527:668-678.

[37] Li H,Jiang Z W,Chen Z X,et al.Assimilation of temporalspatial leaf area index into the CERES-Wheat model with ensemble Kalman filter and uncertainty assessment for improving winter wheat yield estimation[J]. Journal of Integrative Agriculture,2016,15(10):60345- 60347.

[38] 孫楊越,申雙和.作物生長模型的應(yīng)用研究進(jìn)展[J].中國農(nóng)業(yè)氣象,2019,40(7):444-459.

Sun Y Y,Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)

[39] 閔慶文.農(nóng)用天氣預(yù)報[M].北京:氣象出版社,1988.

Min Q W.Agricultural weather forecast[M].China Meteorological Press,1988.(in Chinese)

Agrometeorological Big Data Sharing Platform Design and Implementation

LI Xuan, WU Men-xin, HOU Ying-yu, ZHUANG Li-wei, HE Yan-bo, SUN Shao-jie

（National Meteorological Center，Beijing 100081, China）

With the pluralistic development of modern agriculture and the rapid progress of information technologies such as big data, distributed storage, cloud computing and artificial intelligence, the agrometeorological services are gradually diversified, and the services are becoming improved refinement, and have better precision and intelligence. The spatial and temporal resolution of service products has been significantly improved, which have developed from weekly, monthly, quarterly and annual scale graphic products to refined gridded daily products. At the same time, the datum is growing explosively, and the demand for mass storage of data and products, rapid interactive analysis, real-time sharing and publishing is becoming more and more urgent. In order to improve the data analysis capabilities which include massive data rapid processing, multi-source data fusion and intelligent analysis, data mining, etc., and realize the sharing of agrometeorological data and products across the country, the National Meteorological Center established Agrometeorological Big Data Sharing Platform with browser/server mode using distributed big data technology (Hadoop), fusion of modern agrometeorological service technology and web architecture based on open source framework, which realized the distributed storage, sharing and management for multi-source agricultural meteorological data, and provided visualization of network data and products. The sharing platform was put into use nationwide in 2021, deployed on national servers to provide online service. The national and 31 provincial users can browse and query more than 200 data and products in 13 categories through the network. The sharing platform can share and exchange data between nation and province, which will form a unified application of agricultural meteorological big data sharing environment.

Agrometeorological big data sharing platform; Browser/server mode; Distributed storage; Visualization of data; Visualization of products

10.3969/j.issn.1000-6362.2022.08.006

李軒,吳門新,侯英雨,等.農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺設(shè)計與實現(xiàn)[J].中國農(nóng)業(yè)氣象,2022,43(8):657-669

2021?03?16

風(fēng)云衛(wèi)星應(yīng)用先行計劃（FY-APP-2021.0305）；國家氣象中心預(yù)報員專項（Y202118）

吳門新，博士，正高級工程師，從事農(nóng)業(yè)氣象研究，E-mail：wumx@cma.gov.cn

李軒，E-mail：lixuan@cma.gov.cn