王秀琴，梁中軍

(新疆氣象檔案館，新疆 830000)

0 引言

大數(shù)據(jù)時代的到來，引發(fā)了全球范圍的技術變革，數(shù)據(jù)已成為國家基礎性戰(zhàn)略資源，掌握豐富的高價值數(shù)據(jù)資源日益成為搶占未來發(fā)展主動權的前提和保障。面對種類繁雜的數(shù)據(jù)信息，元數(shù)據(jù)在各類信息管理中得到廣泛應用。

元數(shù)據(jù)(Metadate)又稱中介數(shù)據(jù)，是用來描述數(shù)據(jù)的數(shù)據(jù)。主要是指描述數(shù)據(jù)屬性的信息，用來支持指示存儲位置、歷史數(shù)據(jù)、文件的生成時間和數(shù)據(jù)源等。

元數(shù)據(jù)自身的特性，使其具有提高信息查詢效率，提升信息完整性，為用戶使用信息提供判斷依據(jù)，實現(xiàn)信息高效利用等功能。目前，元數(shù)據(jù)在各學科、各行業(yè)中也得到了廣泛應用：元數(shù)據(jù)在信息系統(tǒng)中，通過說明數(shù)據(jù)內容、質量和其他有關特征，實現(xiàn)數(shù)據(jù)的檢索、維護，使元數(shù)據(jù)成為了電子文件的“身份證”[1]；元數(shù)據(jù)是政府數(shù)據(jù)注冊管理和開放的重要基礎，通過建立多層級、易擴展的元數(shù)據(jù)結構體系，可提高不同政府部門與機構間、政府部門與非政府機構或組織間的互操作性，滿足不同的特定需求[2]；在圖書館資源管理中，元數(shù)據(jù)格式包括信息資源集合、網絡信息資源、數(shù)字圖像及文獻等，元數(shù)據(jù)對資源、數(shù)據(jù)的全方位描述，成為信息資源、數(shù)據(jù)的搜索目錄，也是信息組織管理及保存的一種先進技術[3]；在地理國情普查數(shù)據(jù)成果的管理中，可利用元數(shù)據(jù)實現(xiàn)普查數(shù)據(jù)的選擇、識別、組織、管理、開發(fā)、利用和評價，以確保數(shù)據(jù)的真實性、完整性和安全性[4]。

1 氣象檔案數(shù)據(jù)面臨的問題與挑戰(zhàn)

氣象檔案數(shù)據(jù)是為開展氣象業(yè)務布設的各類氣象臺站(含氣象衛(wèi)星)觀測并積累的，以及利用各種途徑收集、存檔的各種載體形式的氣象資料及其整編、分析成果等。氣象檔案數(shù)據(jù)具有顯著的時間性、空間差異性和地域差異性，是中國歷史年代最長、保存最完整、最系統(tǒng)的地球信息資源[5]。而隨著氣象觀測技術的不斷發(fā)展，特別是高時空分辨力數(shù)據(jù)觀測技術的發(fā)展，氣象檔案數(shù)據(jù)多源頭、多種類、多格式和多處理環(huán)節(jié)等特點也日益凸顯，總體表現(xiàn)為以下幾個方面：

1)數(shù)據(jù)來源復雜：由于數(shù)據(jù)是在不同歷史時期由不同系統(tǒng)采集獲得，而傳統(tǒng)系統(tǒng)采用“煙筒”式建設，容易導致數(shù)據(jù)重復采集、不一致、不完整和準確性不高的問題，以及不同環(huán)節(jié)的數(shù)據(jù)管理缺失；

2)數(shù)據(jù)質量沒有保障：氣象數(shù)據(jù)種類多、源頭多，目前只對個別種類個別站點數(shù)據(jù)進行了有效的質量控制，其他數(shù)據(jù)處于弱管理狀態(tài)，數(shù)據(jù)可靠性無法得到保證；

3)數(shù)據(jù)不能有效應用：科研人員在實際工作中對數(shù)據(jù)的需求很大程度上得不到滿足，主要表現(xiàn)為數(shù)據(jù)匱乏，而這種匱乏，原因不在于缺少數(shù)據(jù)，而是數(shù)據(jù)很難被發(fā)現(xiàn)、獲取和認識，可用性得不到保障。

元數(shù)據(jù)是解決以上數(shù)據(jù)問題的有效途徑。元數(shù)據(jù)的本質與目標就是建立數(shù)據(jù)的聯(lián)系信息，對數(shù)據(jù)進行描述，實現(xiàn)快速檢索，提升數(shù)據(jù)質量的同時，為服務對象發(fā)現(xiàn)匹配資源。

文章擬從元數(shù)據(jù)在檔案數(shù)據(jù)存儲和應用中的作用出發(fā)，研究氣象檔案數(shù)據(jù)收集、管理和服務中元數(shù)據(jù)編制方法，提出元數(shù)據(jù)庫及元數(shù)據(jù)知識圖譜建設的應用思路，為氣象檔案數(shù)據(jù)管理提供參考。

2 元數(shù)據(jù)設計

基于氣象檔案數(shù)據(jù)應用的元數(shù)據(jù)設計遵循WMO(世界氣象組織)核心元數(shù)據(jù)標準，主要參考QX/T 514-2019《氣象檔案元數(shù)據(jù)》及QX/T 544-2020《氣象數(shù)據(jù)發(fā)現(xiàn)元數(shù)據(jù)》設計細則。

2.1 元數(shù)據(jù)設計框架

元數(shù)據(jù)作為管理信息，是數(shù)據(jù)及用戶之間的交流媒介，形成的元數(shù)據(jù)信息需具備可檢索查閱和可調用功能。元數(shù)據(jù)對數(shù)據(jù)準確、詳細地描述，將有效支撐數(shù)據(jù)檢索，也更加有利于用戶理解[6，7]。中國氣象局于2009年發(fā)布了氣象行業(yè)標準《氣象資料分類與編碼》，對氣象觀、探測資料的分類方法、類別及其編碼，以及根據(jù)分類進行氣象數(shù)據(jù)文件命名的方法進行了描述，目前已應用于氣象數(shù)據(jù)加工、交換、服務和存儲過程中?；跉庀筚Y料分類編碼框架，參考氣象數(shù)據(jù)文件規(guī)則、規(guī)范，提取數(shù)據(jù)中包含的元數(shù)據(jù)信息，還原為直白描述，記錄為可擴展的置標語言(XML格式)的文件結構體，同時形成元數(shù)據(jù)信息庫，與業(yè)務系統(tǒng)通過接口實現(xiàn)連接訪問(圖1)。

圖1 元數(shù)據(jù)框架

2.2 元數(shù)據(jù)基本信息

以氣象應用為基礎的元數(shù)據(jù)，包括管理型和描述型兩部分內容。充分考慮氣象檔案數(shù)據(jù)的地域性、時間性等特點，以四級編碼中的一級和二級編碼為依據(jù)，建立管理型元數(shù)據(jù)清單，包括類別、內容、結構和命名方式等，用于了解整體數(shù)據(jù)。對管理型元數(shù)據(jù)進一步擴展分級，將各類別信息進行細化，四級編碼擴展到第三、四級，分別對每一種數(shù)據(jù)進行詳細信息描述，包括四級編碼、資料名稱、收集時間、內容說明、生產或加工中心、編碼格式、簡式報頭、文件名規(guī)則、頻次、時次、發(fā)布時間、資料覆蓋范圍、數(shù)據(jù)量、資料來源、入庫情況、服務方式、資料用戶、廣播通道和目錄等。

2.3 元數(shù)據(jù)實例

以原始格式氣象多普勒雷達基數(shù)據(jù)為例，對其元數(shù)據(jù)進行整理，步驟如下：根據(jù)四級編碼規(guī)則，氣象雷達在氣象資料大類中的簡碼是J，原始格式多普勒雷達基數(shù)據(jù)2級碼為J.0010，根據(jù)正則表達式匹配原則，對數(shù)據(jù)庫中的原始格式多普勒雷達基數(shù)據(jù)進行解析統(tǒng)計，可形成該類文件的管理元數(shù)據(jù)信息，即四級編碼、資料名稱、觀測站點、頻次、起止時間、資料覆蓋范圍和數(shù)據(jù)量等內容。

元數(shù)據(jù)詳細信息的整理步驟為：根據(jù)數(shù)據(jù)文件編碼格式和命名規(guī)范等相關說明文件，整理原始格式多普勒雷達基數(shù)據(jù)的內容說明、生產或加工中心、編碼格式、簡式報頭、文件名規(guī)則、資料來源、頻次、服務方式、資料用戶、廣播通道和目錄等。

將以上2類信息進行整合，即可得到原始格式多普勒雷達基數(shù)據(jù)元數(shù)據(jù)信息。

3 元數(shù)據(jù)管理應用

隨著信息社會對氣象業(yè)務需求的不斷增長，氣象檔案數(shù)據(jù)信息化建設已成為氣象事業(yè)可持續(xù)發(fā)展的重中之重。元數(shù)據(jù)是氣象信息化建設的基礎，是氣象檔案數(shù)據(jù)管理過程中用于資源組織及數(shù)據(jù)服務的基本工具。根據(jù)元數(shù)據(jù)的特征及其在氣象檔案數(shù)據(jù)管理中的必要性及可操作性，提出應用參考。

3.1 元數(shù)據(jù)信息庫的應用

建立氣象檔案數(shù)據(jù)元數(shù)據(jù)庫是為更好地進行數(shù)據(jù)管理，數(shù)據(jù)元數(shù)據(jù)庫、數(shù)據(jù)存儲管理及數(shù)據(jù)服務3者之間的關系如圖2所示。

圖2 元數(shù)據(jù)信息關系

其中，數(shù)據(jù)元數(shù)據(jù)庫即是各類氣象數(shù)據(jù)的描述信息，并將元數(shù)據(jù)提交到元數(shù)據(jù)管理系統(tǒng)中。同時，數(shù)據(jù)管理人員及時更新元數(shù)據(jù)，使用戶能夠進行各類氣象數(shù)據(jù)的查詢；用戶根據(jù)查詢結果向數(shù)據(jù)管理人員提出數(shù)據(jù)申請。數(shù)據(jù)存儲管理系統(tǒng)根據(jù)用戶需求，檢索元數(shù)據(jù)信息，根據(jù)正則匹配原則，向用戶提供數(shù)據(jù)存儲系統(tǒng)中的相關數(shù)據(jù)。

3.2 氣象檔案數(shù)據(jù)元數(shù)據(jù)知識圖譜的建立

知識圖譜技術屬于人工智能技術的一個分支[8]。2012年，谷歌首先提出知識圖譜的概念，知識圖譜作為一個知識庫，旨在提高其搜索引擎的能力。知識圖譜本質上是一種語義網，旨在描述真實世界中存在的各種實體或者概念，以及他們之間的關系[9]。

知識圖譜以圖為基本結構，各實體或者概念是圖譜的各節(jié)點結構，而實體或概念的屬性及其之間的相互關系構成各節(jié)點的邊結構。對于元數(shù)據(jù)知識圖譜而言，不同類型的數(shù)據(jù)就是一個實體，這些實體構成實體結點，數(shù)據(jù)的屬性構成語義節(jié)點，屬性值構成各節(jié)點的邊結構。將各節(jié)點關聯(lián)到一起，就會形成一個三元組的組合，如：雷達觀測數(shù)據(jù)—基數(shù)據(jù)—J.001.*。一個實體可以有多種屬性，相對應有多個屬性值，如地面氣象觀測日數(shù)據(jù)，可以有多種屬性，如頻次、資料來源、資料覆蓋范圍和服務方式等(圖3)。

圖3 地面氣象觀測日數(shù)據(jù)元數(shù)據(jù)知識圖譜

知識圖譜是元數(shù)據(jù)信息的圖形化展示，利用知識圖譜檢索技術，可提高元數(shù)據(jù)的查詢效率。用戶根據(jù)數(shù)據(jù)本身可查詢到數(shù)據(jù)的多種屬性，圖3中，用戶點擊地面氣象觀測日數(shù)據(jù)，即可同時獲取其多種屬性展示，根據(jù)需要，可查看相關內容。而不同數(shù)據(jù)也可能存在相同的屬性值，圖3中，通過懸浮的知識圖譜屬性值“文件分發(fā)”，就可查詢到通過文件分發(fā)方式獲取的氣象數(shù)據(jù)。通過元數(shù)據(jù)知識圖譜獲取相關數(shù)據(jù)信息，可提高氣象數(shù)據(jù)智能應用效率，極大地促進了氣象數(shù)據(jù)應用人員在實際工作中及時發(fā)現(xiàn)、認識數(shù)據(jù)。

4 結束語

文章針對信息時代，氣象檔案數(shù)據(jù)海量增加，傳統(tǒng)檔案數(shù)據(jù)管理方式已無法滿足信息處理和利用的需求問題，得出通過建立元數(shù)據(jù)信息庫及知識圖譜，實現(xiàn)檔案數(shù)據(jù)的有序存儲及查詢建議，為氣象檔案數(shù)據(jù)管理提供了參考。