气象数据库（精选12篇）
气象数据库 篇1
一、引言
呼伦贝尔机场民航气象数据库系统, 主要由数据库服务器、WEB应用服务器、通信服务器、预报平台工作站, 监控终端等组成, 软件主要有AIX操作系统、LINUX操作系统、ORACLE数据库、MQ通信中间件等。该系统自2008年5月运行, 设备运行稳定可靠, 系统故障较少。但在实际使用过程中, 也出现过无法进行数据交换的故障, 下面笔者对以下两例故障进行分析。
二、常见故障及维修
2.1网络传输设备故障
故障现象:2013年11月7日, 值班人员发现数据库中资料不能及时更新, 中心交换服务器有大量消息积压且通道章台显示为Running, MQ消息传输延时较长。
故障分析及处理过程:值班机务员仔细查看交换机、路由器、基带猫工作指示灯显示正常, 使用ping命令测试到民航华北气象中心的传输链路通信质量, 发现ICMP丢失现象比较频繁。检查DB00、DB01服务器传输正常。联系气象中心确认对方交换服务器运行正常, 可以排除对方数据库故障的情况。联系本单位技术保障部们=门检查更换传输线路, 确认本地线路正常。联系网络公司确认北京至本地的数据传输正常, 这样可以排除北京至本地网络线路故障的可能性。联系北京网控中心临时更换ATM传输端口, 确认ATM网络数据传输正常。这样故障点初步判断在路由器、交换机、基带猫三个方面, 通过监控终端ping通信机、及服务器不存在丢包现象, 所以交换机可以排除。更换备用路由器, 故障依旧。所以初步判断故障点应该在基带猫, 由于基带猫没有备件, 拆开基带猫后, 检查Modem电源模块输出电压不稳, 经过抢修以后更换电源模块, 数据链路恢复正常, 丢包现象消失, MQ消息传输正常。
2.2通信机故障
故障现象:2015年7月12日, 14:50分左右, 值班机务员发现通过CMTS客户端发现无法清除AB报, ping北京服务器及本地服务器均正常;使用telnet命令无法登陆通信机。在19:30左右, 再次出现以上情况, 重启恢复;在24:00左右再次出现以上情况。
故障分析及处理过程:根据以往处理经验, 由于硬盘满, 无法提供存储空间及程序运行空间, 易出现类似情况, 重启通信机后, 设备恢复, 通过查看硬盘空间, 硬盘空间充足。
通过查看通信机目录, 在comm/receive/caac目录下面一个未处理的气象预报文件;删除该未处理的文件, 未发生通信机死机情况, 判断通信机死机与该未处理的文件有关;太极公司技术人员联系, 得到证实, 由于文件处理后, 程序未删除掉, 会再次调用程序处理, 这样重复处理, 后逐渐占用更大的内存空间, 直至内存沾满, 每次死机间隔时间在4小时左右, 也大概消耗与机器的内存量相符。
2.3报文的转发
故障现象:2015年8月10日, 本场数据库无法收到其他机场的气象情报。08:05 (北京时) 预报员通过在蓝波终端发请求报的方式请求所需的实况及预报报文。值班机务员在设备巡视中, 发现民航气象数据库系统MQ线路转发了某地机场的气象情报, 值班机务员立即进行排查。
故障分析及处理过程:机务员通过对通信系统$HOME/COMM/history/的留底文件进行检查, 确认了请求报所请求的报文被通过MQ线路所转发。为了进一步分析转发的原因, 仔细对通信系统BSB控制数据进行检查, 检查结果正常, 控制数据无误, 在存储转发参数设置为N。对数据库系统各个进程进行检查, 检查结果正常, 对转报机蓝波终端软件进行检查, 发现发送的RQM请求报的请求地址包含本地地址。
蓝波终端发送RQM请求报:报文内容如下:
GG ZBBBYPYX, ZBBBYZYX, ZNNNYMYX,
RQM/SAZXXX, ZMMM FC=
请求地址为:ZBBBYPYX, ZBBBYZYX, ZNNNYMYX, 发送请求报时, 错误增加本地数据库请求地址, 红色字体部分。故障原因分析为本地数据库收到请求报后, 将本地数据库ZXXX、ZMMM最新时次报文收集, 以公报形式附加本地报头发送到转报机, 转报机收到报文后, 再次将报文发送至ZNNNYMYX (本地数据库) , 数据库系统收到的这份报, 由于报头是本地的报头, 并且时次是最新的, 于是数据库系统做存储转发处理, 通过MQ线路, 转发至华北地区气象中心民航气象数据库。
三、小结
对于维修人员来说, 设备出现故障之后要沉着冷静分析, 平时多看业务维修手册, 对系统有整体的把握, 熟悉数据的处理流程, 有利于快速判断故障点, 分析故障原因, 必要时向厂家寻求技术支持, 可达到事半功倍的效果, 要善于对故障进行记录、归纳、总结。通过实践的学习, 经验的积累, 这样就可以快速的解决设备故障, 为维修带来方便。从而保证设备的正常运转, 充分发挥设备的作用。
参考文献
[1]太极计算机股份有限公司, 民航气象卫星传真广播系统用户手册, 1-60
气象数据库 篇2
1.系统的设计
系统主要实现软件的模块话设计，包括反射率数据分析模块、速度分析模块、天线运行稳定性分析模块以及雷达组网数据分析模块。
1.1反射率分析模块
反射率的大小体现了气象目标的降水粒子的密度分布及体积大小，在实际气象技术中长期用于表示气象目标的强度，在工作上采用dBZ单位表示。对于空管气象雷达图，数据显示采用PPI(PlanPositionImage)显示方式。该方式决定了一张气象雷达图由圆锥俯视平面上分析空间的回波构成。在设计上简单介绍其设计流程，首先必须读取原始数据，并判断是否首次读取，若为首次读取则对其进行预处理，否则进行坐标转换；其次进行图像绘制并判断是否需要改变仰角。此处需要关注的关键是如何进行数据的预处理。在实现上，对接收的数据进行反射率信息结构体赋值。当然该结构体包括了记录实际仰角角度、数据文件路径存储、雷达波段判断以及相关数据的偏移。通过扫描上述结构体可以实现对雷达数据的预处理。
1.2速度分析模块
多普勒雷达采用了速度退化模糊技术以扩大其对径向风速测量不模糊的区间。结构设计主要考虑数据显示的径向方式，流程设计则与反射模块类似。当然在界面设计上，系统将提供对颜色配置的`定义，使其人机交互更为快捷。
1.3天线稳定性分析模块
天线是雷达数据采集的关键部位，长期以来是影响雷达运行的主要关键点之一。其依赖于底下的电机进行旋转，目前大多数进口电机可以保证24小时安全运行。而运行时仰角提升和转速的平稳性直接影响雷达数据的采集。为此，我们通过在径向数据上采用方位角及仰角进行扫描实现曲线图监控。通过选择基数据再进行预处理后绘制相关曲线实现对天线运行状态的评估。其中，曲线图的绘制需要的参数为：纵坐标为气象雷达实际运行的每层仰角均值；横坐标为范围角：0-360°。
1.4雷达组网分析模块
按照民航局的总体规划，未来空管将实现多气象雷达覆盖，在这过程，多个气象雷达的组网将成为气象雷达数据的主要来源。这种模式将使得数据覆盖面更大、数据安全性更高、数据准确性更强。而与此同时带来了雷达数据融合组网的技术难点。设计上，首先模块将定义雷达站点配置信息，并与此同时提供组网雷达可选数据；其次对选择雷达数据进行数据预处理；再之则对雷达数据进行统计平均并做坐标转换；最后进行拼图处理。在这过程中，需要对雷达数据的强度进行自适应调整、显示范围自适应调整。与上述同理，系统核心在于预处理。在C#中定义List数据列表，并在定义其结构为[站点标示][距离][方位角]，对于数据读取时，需要进行插值算法处理，此时的单时数据拼接分析可以实现不同仰角和方位角的筛选。为了控制系统数据的准确性可以在前端定义雷达数据方位角表，根据表进行映射处理。通常如若出现非连续数据可以在预处理上对其进行差值补偿。在C#上可以采用反差圆补偿方法。
2．结束语
基于大数据环境下的气象数据分析 篇3
关键词：大数据 气象数据 分析
中图分类号：TP311.52 文献标识码：A 文章编号：1674-098X（2016）04（c）-0079-02
在社会的发展过程中，天气对社会中的很多行业都有一定的影响。在当前阶段，天气预报作为我国主要对天气进行预测的手段就对数据进行了一定的应用，但是随着大数据时代的到来，不仅是数据的数量，还是数据所隐藏的信息都有了很大的增加，在这种情况下，只是天气预报一种使用数据的手段就不能满足社会发展的需求，在这种条件下，加强对气象数据的研究，使其在气象工作中发挥出更大的作用，为人们的生活、工作提供良好的帮助。
1 大数据
1.1 大数据的内容
在当今社会的发展中，网络技术得到了大力的发展，在这种情况下，在网络中就会出现大量的数据，这些数据就构成了大数据，这些数据具有一定的实时性，其本质不在“大”上面，而是要对这些数据进行有效分析，将数据中所包含的内容全部挖掘出来，使用挖掘出来的信息来进行工作。因此，大数据就不只是对数据数量的一种诠释，更是对数据进行处理的一种手段。这就表示其与以往的数据有很大的不同，首先就可以发现两者之间规模具有很大的区别，其次是在对数据使用时，使用的方式也完全不同，在使用传统的数据时，只是使用单一的或者几种方式就可以了，而在使用大数据时，往往需要很多的方式才能完成[1]。
1.2 大数据的特征
随着社会科技的不断发展，大数据的应用越来越广泛，其特征也随之在增加。在大数据刚刚出现时，只是具有数据量大、处理传输的速度较高、数据的种类较多3个特征，而随着大数据的发展，在大数据的特征中又加入了数据真实性的特征，而到了现在，随着商业活动的不断增加，使数据又有了商业价值大的特征。根据这些特征可以发现，这些大数据中都含有一定的信息，为了将数据中的信息进行使用，就需要一定的手段将其从这些数据中寻找出来，这也是当前阶段中一个重要的工作内容。
2 气象数据
2.1 气象数据的内容
在气象部门工作的过程中，会出现很多的数据，其包括了气候数据与天气数据，这些数据统称为气象数据。气候数据就是使用一定的检测仪器对环境进行测量，将测量到的结果进行分析与整理所得到的数据。而随着社会的发展，世界各国对气候的研究有了更深层次的理解，使气候数据的内容有了进一步增长。天气数据就是为了推测天气变化而产生的数据，这些数据大部分是来自于卫星传输的。两者之间的区别主要在于前者往往反映的是一个地区长时间的环境变化，而后者只是表现了一个地区在一定的时间内的环境变化。但是两者之间还有一定的联系，对很长时间的天气数据进行分析与整理，就可以确定出某个地区的气候数据[2]。由于很多因素的存在，导致在我国当前阶段中对气象数据研究的对象为天气数据。
2.2 气象数据的特征
气象数据作为大数据中的一种，因此，其具有的特征就是大数据存在的一些特征。对其具体分析后可以发现，首先就可以发现其具有数据量大的特点：在气象部门发展的过程中，国家安装了很多雷达设备以及地面接受装置，同时，随着科技的发展，卫星技术的不断成熟，我国也向太空发射了一些气象卫星，在这些设备的使用过程中，产生了大量的数据，使其数量大的特点很好地体现出来。但是，对气象的观察并不是一直在进行的，这就使其产生的数据不是无限增长的[3]。同时其还具有一定的商业价值：在气象数据产生的过程中，来源比较单一，内容比较重复，这就不能使其自身带来经济价值，但是，其不能受到人为的干扰，在交通、旅游等行业中，就可以被很好地使用，将其商业价值很好地体现出来。
3 大数据对气象数据的影响
3.1 数据采集的影响
在对当前气象数据的采集过程中，已经将“大”的特点体现出来，但是这些只是对字面上的体现，而没有真正体现出来其真正的含义。在当前对气象数据的研究中，只是针对专门的气象数据进行研究，而与气象数据有关的其他数据研究得比较少，其中存在的利用价值很难被人们使用。因此，在对气象数据进行采集的过程中，不仅要将纯气象数据寻找出来，还要对其他气象中有关的数据进行采集。例如人们远距离出行要坐飞机，这时就可以对航班的信息进行了解，使人们出行更加便捷[4]。
3.2 数据存取的影响
由于大数据存在数量大的特点，这就为其存取造成了一定的影响。首先就是储存容量的问题，在我国当前阶段中，由气象产生的数据达到了5 PB（5×10245 B），需要的储存空间相当大。其次是存取速度的问题，由于数据量较大，在寻找有用数据的过程中需要花费一定的时间，可能达不到“1秒钟输出结果”的定律。在这两个问题当中，既有一定的联系，又存在着一定的矛盾，因此，在对气象数据存取时，就要进行统筹管理。对数据储存环境的扩建不是根本的解决办法，而是要加强对大数据的管理。在存储过程中，使用有效的方式对其进行分类，将其按照每种分类进行管理，使数据系统的性能更加强大[5]。
3.3 数据分析的影响
在气象部门的工作过程中，很早就将对气象数据的分析作为了主要的任务，但是在大数据环境下的分析还处在起步的阶段，其他行业大数据的分析过程中为气象行业的数据分析提供了良好的保证。在气象部门进行数据分析的过程中，将相对关系进行有效把握，对其进行良好分析，就可以对未来做出预测。而在大数据环境下，气象数据的数量得到了一定的增加，对未来预测的过程中就有更多的数据来进行分析，可以保证预测的结果更加准确。
4 结语
在对当前阶段中的气象数据进行分析可以发现，大数据对气象工作产生的影响有很多，上述几点只是其中影响最广泛的几点。从国家的发展角度来说，在大数据环境中，气象数据面向社会各界是必然的趋势，加快了社会各行业的发展；从公共服务角度来说，要对大数据进行有效分析，将数据中人们的需求信息寻找出来，根据这些信息加强对服务的改善，使其能满足人们的需求。在当今社会中，大数据对社会的影响还会继续的增加，在这种情况下，有效地利用好大数据就可以使其更好地发展。
参考文献
[1]刘立明，王彬.气象网格环境下大数据的端到端传输机制研究[J].计算技术与自动化，2014，8（1）：122.
[2]刘培宁，韩笑，杨福兴.基于R语言的NetCDF文件分析和可视化应用[J].气象科技，2014，4（4）：629.
[3]米卫红，巢惟忐，支星，等.移动互联网环境下的上海市气象信息数据发布：需求、现状与探索[J].电子政务，2014，10（11）：23.
[4]聂俊岚，刘益萌，陈贺敏.非线性映射的气象数据可视化及其应用[J].燕山大学学报，2015（3）：276.
气象数据库 篇4
Microsoft Office Excel软件绘制气象图表十分方便、简单、易学和直观,同时,Excel软件还具有强大的函数和编程功能。因此,Excel软件被广泛使用在各个行业的数据统计、列表与自动计算方面。
使用Excel绘制气象图表比较直观,数据和图表一目了然,修改表格单元中数据,图表自动更新。使用Excel软件对气象物资数据库进行ABC分类管理,计算结果可以立即生成网页,供内网远程用户随时查询之用。
Excel作为办公系统软件,被广泛应用在各行各业统计和计算工作当中。例如:李传伟[1]利用Excel中内嵌各种类型的函数建立的统计模型,不仅提高了计算效率,同时也能为科研提供基础数据和生动形象的图表。田辉[2]为了对教师的教学成果和学生学习情况作出科学的定量评价,借助Excel强大的数据交换与处理功能,进行学生成绩的统计与分析,大大减轻教师的工作量。杨世国等[3]利用Excel软件公式计算功能来实现自动完成医学检验报告模型,只要替换其中数据,即可自动进行数据处理,得到规范的医学检验报告单。唐争气等[4]介绍了Excel的功能和TOPCON全站仪三维控制测量数据采集的观测方法和步骤。别君霞等[5]利用强大的Excel软件数据分析、统计、模拟计算等功能,在水文水利计算中,通过关系曲线拟合、水库径流调节计算两个典型案例分析,得到简单、可视、清晰化效果。田辉[6]对于来自不同表格的数据,利用Excel的数据链接功能,开发出小型数据库管理系统的方法,可轻松实现数据的自动交换与处理。李慧[7]利用Excel软件建立存货的ABC管理模型,取代了手工完成存货ABC管理法的分类、计算和分析,有效提高了存货管理的工作效率。田辉[8]介绍了在Excel界面开发公用住房水电费管理系统,实现数据的自动交换与处理以及数据自动分析功能。何燕[9]运用Excel制作符合多种假定前提的最优订货量模型,以直观动态的表格数据及可调节图形方式显示多种条件下存货的最优订货量结论。林丽清[10]利用Excel强大的数据处理功能,对学生成绩进行统计和管理,提高了教务管理效率。
本文就如何发挥Excel软件强大的统计、函数与编程功能、如何应用ABC分类法管理气象物质器材数据库等内容进行讨论,达到合理保障气象物质供应、保障现代化气象装备的正常运转之目的。
1 ABC分类法
1879年,意大利经济学家维尔雷多·帕累托在研究社会上个人收入分布状态时,发现少数人的财富占大部分,而多数人的财富只有小部分,由此创造了ABC分类法(Activity Based Classification)。
帕累托的ABC分类法被不断应用于管理的各个方面。1951年,管理学家戴克(H.F.Dickie)将其应用于库存管理上;1951-1956年,约比夫·朱兰将ABC分类法引入质量管理上;1963年,彼得·德鲁克(P.F.Drucker)将这一方法推广到几乎全部社会现象,使得ABC分类法成为企业提高效益的普遍应用的管理方法。ABC分类法在我国物流业已经有一定范围的应用且效果不错[11]。严婷婷等人[12]在ABC分类法的基础上,提出了一种基于层次分析法的库存物资分类方法,可以在考虑多种影响因素的情况下,对众多库存产品进行分类排序管理。
ABC分类法的核心思想是在决定一个事物的众多因素中分清主次,识别出少数的但对事物起决定作用的关键因素和识别出多数的但对事物影响较小的次要因素。ABC分类法应用到气象物质数据库中,就是将库存器材按品种和占用资金的多少划分为:重要A类、次重要B类和一般C类三个等级,然后针对不同等级分别进行不同的管理和控制。
2 气象物资数据库
江西省气象装备物资供应管理系统共有7个气象物资数据库,按库存金额多少排序分为:(1)区域气象站;(2)自动气象站;(3)地面器材;(4)高空器材;(5)SC雷达;(6)SA雷达;(7)电子器材,如表一。
这7个气象物资数据库主要应用在不同气象装备上:(1)区域站器材用在全省分布最广的1500多个雨量站;(2)自动站器材用在全省89个台站(分基准、基本和一般站)并含多种气象要素自动观测站;(3)地面器材用于全省各设区市台站的常规地面观测设备;(4)高空器材是南昌、赣州探空雷达使用的器材;(5)SC雷达器材是吉安、赣州CINRAD/SC多普勒天气雷达的器材;(6)SA雷达器材是南昌、九江、上饶CINRAD/SA多普勒天气雷达的器材;(7)电子器材是用在相关的行业(目前较少使用),合计库存金额为:3646089元。表一中还列出了各个数据库所占比重、累计比重和ABC分类对照。
3 Excel制作ABC分类模型
根据2009年底气象物质器材的库存数量、单价、小计和比重等数据,使用Excel软件制作出气象物质数据库的ABC分类表。由于受到篇幅限制,本文针对“(2)自动气象站器材ABC分类表”(表二)的制作过程加以说明:
(1)建立“表二气象物资数据库自动气象站器材ABC分类表”的Excel工作表,在表中A、B、C、D单元格中分别输入编号、物资名称、库存数、单价等器材数据。根据“库存数×单价=小计”,计算出各器材的小计值填入E01:E33单元,并累计出全部器材的合计值填入E34单元(表二中E34单元=851933元)。
(2)将输入数据和小计数据,以小计E单元格为“主要关键字”进行降序排序,即大值在前,小值在后。同时,对排序后混乱的编号按升序重新排序。
(3)利用比重公式“小计/合计=比重”求出E01:E33每项小计的比重填入F01:F33单元格,并在G01:G33单元格分别计算出累计比重。比重和累计比重单元格应设置成百分比“%”数字形式。
(4)根据ABC分类法的原则,将累计比重≥75%的划分为A类,≤5%划分为C类,中间为B类。在ABC分类H01:H33单元格中输入公式“=IF(H01:H33<=75%,“A”,IF(H01:H33<=95%,“B”,“C”))”,Excel就会自动完成数据库器材ABC分类。
由此可见,自动气象站器材ABC分类表中编号1-6器材是A类,累计百分比高达70.31%,是重点管理对象;编号7-16器材是B类,累计百分比达到24.58%,应进行次重点管理;编号17-33器材是C类,累计百分比只有5.11%,只需一般性管理。
4 结束语
Excel软件具有比较好的直观性、可靠性,使用简单、方便,尤其适用于小型数据库的管理。ABC分类法考虑了库存管理中主次因素,对库存器材分类的结果更加符合实际,使用ABC分类法可以提高库存器材管理的效率。气象物质器材数据库使用Excel软件强大的统计和编程功能,按照ABC分类法管理,可以大大提高工作效率,使ABC分类法在气象物质器材管理中得到很好的应用。
参考文献
[1]李传伟.基于EXCEL的体育成绩统计模型设计[J].科技经济市场,2010,(1):24-26.
[2]田辉.基于Excel的学生成绩统计与分析系统[J].电脑知识与技术,2009,5(15):4093-4094.
[3]杨世国,周闵.使用Excel2007快速建立医学检验报告系统[J].医学信息,2009,22(2):163-167.
[4]唐争气,王正亮.Excel2007在三维控制测量数据处理中的应用[J].电脑编程技巧与维护,2009,(6):50-51,81.
[5]别君霞,刘力军,张红.Excel在水文水利分析与计算中的应用[J].四川水利,2009,30(4):51-54.
[6]田辉.基于Excel的小型数据库系统开发[J].中国管理信息化,2009,12(9):97-98.
[7]李慧.Excel2007软件在存货ABC管理法中的应用[J].山西经济管理干部学院学报,2007,15(4):41-42,50.
[8]田辉.基于Excel的水电费管理系统开发[J].电脑知识与技术,2008,4(8):2514,2527.
[9]何燕.Excel在最优订货量决策上的应用[J].中国管理信息化,2010,13(3):6-9.
[10]林丽清.轻松用Excel对学生成绩进行高效管理[J].电脑知识与技术,2009,5(18):4629-4630,4645.
[11]李鹏伟.ABC分析法在我国物流企业中的应用[J].物流技术,2004,(2):25-27.
气象数据库 篇5
气象监测数据的时空特征分析与建模
尝试对美国爱荷华州东部66个气象观测站1951～的月均最低气温数据进行时空特征分析和建模,将时空数据分解为时空趋势和时空残差两部分,使用非线性时间序列模型模拟气温的时空趋势,分析模型参数和残差的时空特征,探索时空数据建模方法.案例研究表明研究区域内所有站点的`时间序列特征较一致,可采用一个趋势性和周期性模型表达、同时残差部分具有一定的时空自相关特征,建议开发一个简单方法进行时空数据插值.
作 者：刘晓晓 孔云峰 LIU Xiaoxiao KONG Yunfeng 作者单位：河南大学环境与规划学院,中澳地理信息分析与应用研究所,河南,开封,475004 刊 名：地理空间信息 英文刊名：GEOSPATIAL INFORMATION 年，卷(期)： 7(4) 分类号：P208 关键词：空气温度 时空数据 时空趋势 自相关分析大数据时代的气象服务应用分析 篇6
【关键词】大数据；气象服务；气象技术
随着现代社会的发展和天气气象的愈渐复杂，气象中心的工作量开始增大，越来越多的数据和信息处理成为气象工作人员面临的首要问题，一般的数据库根本无法有效的完成数据分析，为气象人员提供精准的决策服务。随着气象应用技术的不断发展，如何更好的把握气象应用服务的特点，突破技术瓶颈，成为气象中心首先要探究的问题。
一、大数据以及大数据思维变革
（一）大數据的含义。大数据是IT行业的专业术语，大数据又被成为巨量资料，也可以理解为海量的信息内容，“大数据”是指不用随机分析法，即抽样调查的方式，而是采取所有数据综合的分析处理，然后得出一定的结论。大数据不仅对于气象应用有着重要的意义，而且对于其它行业不同领域的信息技术也有着重大意义。可以说，大数据的信息化程度已经成为当前社会经济发展程度，尤其是科学技术，信息化程度的重要标志。
（二）大数据思维变革
大数据与我们的生活息息相关，沃尔玛是世界上最大的零售公司，它每小时处理的电子交易记录多达100万笔。2011年，美国国家安全局通过监控数据信息记录发现了世界头号恐怖分子本拉登的踪迹。随着大数据的发展，越来越多的人对于大数据的数据信息处理技术也提出了更高的要求。信息处理速度更快、信息程度更高、数据处理更科学精准成为了很多人的普遍追求。其实大数据的概念在IT之外的军事。物理、生理、环境生态、以及金融通讯方面存在已久，但是近年来随着互联网信息技术和信息行业的不断发展，使得相关的数据信息技术也开始应用到天气领域，如今的气象工作人员已经开始尝试应用海量的数据，进一步的提升气象天气的预警能力，并在自然灾害中发挥越来越重要的预警作用。例如，在我国交通安全管理局通过信息记录分析发现夏季是一年中交通事故的高发期，不仅如此，交警部门甚至还能预测到绝大部分交通事故发生在夏天正常天气以及光线较好的白天，并不是人们传统思维上的恶劣天气。如今，大数据已经广泛的应用到各个行业，因此，这就要求相关行业必须更好的掌握信息处理技术，更好的为人们所服务。
二、气候服务中数据技术的应用
（一）气候服务中数据挖掘技术特点及应用。数据挖掘技术是气候服务中的重要数据技术，它的优势在于可以快速的在海量的信息库中找到目标信息，它能够处理不完全信息、噪声信息、模糊数据信息、预警信息转换为特殊标识，方便气候人员分析得出结论。在原有的数据信息库中，挖掘技术对于信息的处理及时更为敏感，尤其是对于不断变化的气候信息，其半结构化信息的处理技术利于对于复杂天气的预测。从应用层面来讲，数据挖掘技术的气候信息技术更为新颖、科学、准确。挖掘数据将数据浓缩成一个数据集合，利用处理软件的功能，把具象数据抽离出来，形成具有说明功能的数据群，其次每一个数据都有对应的映射目标，这便于工作人员更能全面清晰的了解数据的个体信息，便于气候天气的精准预测。总的来说，数据挖掘技术具有共享、研究的特点。所以在这个过程中，功能强大的数据信息处理技术可以提供格式统一的数据信息资料，便于气候工作人员分析出阶段性的天气变化趋势。大数据的核心是预测，大数据之所以能够预测未来是对于相关关系的精准把握，在这个过程中，数据部门要根据相关的状况或现象总结出规律。传统的统计雪方法对样本数据的正态性假设、变量的独立性、变量个数、建设检验都有着较高的要求，而大数据则是对传统统计学方法的拓展和延伸。大数据分析侧重于高维建模、复杂网络建模、非参数模型等技术从种类繁多、数量庞大的数据中快速获取相关价值信息。气象部门每天的数据增长量有非常大的数据级，其中包括每天2000多个地面站、120个高空探测站、6颗轨道卫星、444多个雷达站、300个雷达站、90多个酸雨监测站等等，这些数据全天各个时段每分钟都在扫描着中国的各种天气数据，这些数据的体量巨大，且增长速度快，数据类型多样，因此气候大数据在气候天气预报以及应对自然灾害中有着极其重要的意义。
（二）气候云端及应用。气候云端是建立在大数据之上的，其大数据云计算是气候云端建立的必然条件。气象云端除了传统的程序、系统、模型控制气候信息意外，还有云端申请的技术服务。所谓云端申请就是指可以同时间满足多种气候服务需求，并可迅速通过组织计算，测定气候资源的服务特性，得出结论。此外，云计算还有这数据存放在终端数据中，其后续数据管理，气候资源不会干扰其他云端计算模型。气候云端主要应用于灾害性天气气候信息的预警，在这个过程中，气候云端可以在第一时间发出预警信号，并利用卫星进行灾害定位，从而为有过部门提供相应的建议和应对方案。
（三）当前大数据下背景下的气象服务发展。现阶段，大数据已经成为一种时代趋势，在如今的现代社会中，各领域对于气象信息的依赖性越来越强，可以说气象信息的精准处理和预测对于各领域有着及其重要的意义，它不仅直接给企业提供精准的天气气候预测信息，而且还能为企业的发展和决策提供一定的条件，不止如此，大数据还直接关系到不同行业人的生命健康。在气候领域，我国已经建立了非常强大的数据采集手段，以其高精密、高速气象检测仪为气候服务提供了丰富精准的气候信息。在实际发展过程中，气候预测，信息技术数据处理尽管还有不少问题需要解决，但其在气象服务中的应用与发展是势不可挡的。除了气候领域以外，大数据在防灾减灾以及能源、农业、建筑行业的应用也相当广泛。在能源行业，大数据可以观测到电力负荷历史，然后加上一定的气候条件进行用电量估算，除此之外，大数据在交通、航班延误预测以及公共卫生领域都有着极深的应用。
结束语
大数据是社会经济发展到一定阶段的必然产物，如今大数据已经广泛的，深入的运用到各个领域中，在气候领域，数据处理技术的创新，气候云的发展成为气候领域数据信息的发展趋向。
参考文献
[l]韩晶.大数据服务若干关键技术研[J].北京邮电大学学报（社会科学版），2013，13（22）：190-192.
气象数据库 篇7
在中国民用航空领域中, 航空气象数据库系统需要具有飞行气象情报及气象资料的交换、备供、存储等能力, 由相关网络设施、通信分系统及数据库分等部分组成。石家庄正定国际机场目前使用的该系统, 与民航北京气象中心联网, 接收并汇交相关气象情报及资料, 向其汇交本地雷达、自观、报文等气象资料, 同时接收其下发的国内、国际飞行所需的综合航空气象情报信息, 为石家庄航空安全提供保障。下面将以通信分系统为例, 以软件设计角度对系统需求、概要、详细设计等三个阶段进行简单解析, 从而更加容易理解该系统的通信分系统。
1系统整体结构设计
由上图所示, 石家庄机场的航空气象数据库系统主要由气象数据收集处理和信息应用组成, 展示时气象信息使用用户通过局域网, 以web网页或飞行文件综合方式获取航空中所需气象情报。
业务处理部分主要包括气象数据库和通信分系统, 可通过通信系统收集处理民航报告、常规报告、自动观测资料 (AWOS) 、风温廓线仪、自动站资料、Bufr资料、Grib资料、Fax资料、卫星云图资料、本地图形图像资料、多媒体资料、雷达等资料, 随后, 通过预报综合平台及网页版的形式进行气象信息业务的展示。数据库管理子系统采用客户机服务器方式, 可对资料处理、数据库等进行实时监控和管理。有资料处理子系统和数据库管理子系统。
2通信分系统需求设计
通信分系统是航空气象数据库系统中最重要的组成部分, 它负责全系统的气象资料接收、检查与处理、发送, 及请求的应答。本通信分系统分为通信系统以及监控维护操作平台。为数据库分系统和数据交换服务器提供数据源, 支持一个数据源同时向多个本地相同数据库提供数据的功能。在系统设计时满足了以下需求。
2.1在通信分系统中需要配备一个通信前置机, 数据传输同时支持AFTN、PSTN和网络传输模式。
2.2以安全可靠为重点, 监控系统对监控的内容出现异常的情况下, 以声音、闪烁或者不同颜色进行告警。
2.3对气象资料的处理达到准确、及时, 保证地区中心通信主机与地区中心数据交换服务器上的数据实时、完整、一致。
2.4充分考虑操作的方便, 将监控和操作与通信分系统整合到一起, 开发以鼠标为主、键盘为辅的图形化操作界面。应有详尽的联机操作手册, 界面设计合理, 逻辑清晰, 使用方便, 颜色的搭配应美观大方。
2.5与其他分系统间的接口要尽量简单, 使各分系统故障时不影响其他分系统为基本考虑, 并易于界定故障点。
2.6利用通信中间件的开放性, 与其他分系统的信息传输, 尽量采用通信中间件。
2.7通信分系统应用软件应设有守护程序, 确保通信应用软件的主进程不间断运行。
3通信分系统概要设计
通信分系统在概要设计时要求有以下约束条件。
3.1安全可靠为重点, 对气象资料的处理达到准确、及时。
3.2充分考虑操作的方便, 将监控和操作与通信分系统整合到一起, 开发以鼠标为主、键盘为辅的图形化操作界面。应有详尽的联机操作手册, 界面设计合理, 逻辑清晰, 使用方便, 颜色的搭配应美观大方。
3.3与其他分系统间的接口要尽量简单, 使各分系统故障时不影响其他分系统为基本考虑, 并易于界定故障点。
3.4利用通信中间件的开放性, 与其他分系统的信息传输, 尽量采用通信中间件。通信分系统应用软件应设有守护程序, 确保通信应用软件的主进程不间断运行。
4通信分系统详细设计
通信分系统的详细设计, 是根据上述功能需求书、功能规格说明书和概要设计说明书完成的, 对通信分系统各个进程间的控制流程和数据流程, 说明了组成各个进程的主要模块, 每个模块的具体功能、输入、输出参数和数据流程, 以及通信分系统与数据库分系统、图形图象制作分系统之间的接口、输入输出、数据流程。
4.1系统程序结构
通信分系统的业务处理部分, 包括通信主机上的通信软件和通信分系统的监视、维护和操作界面。业务处理部分是实时系统, 负责不同气象要素收集、发送缺漏报文图形文件要报处理, 通过MQ管道技术和多进程方式, 提高数据处理效率, 通过内消息队列管理, 交换进程间信息及参数。异步线路资料的发送接收;气象资料的检查与处理;电报公报报告信息处理;监控、维护维修监控平台综合化;MQ通道管理报文处理发送;数据库落地文件的生成等, 都是该通信子系统所包括的功能。
4.2通信业务处理结构示意图 (图2)
4.3通信业务处理部分功能列表
4.4通信分系统起始程序 (inimss)
以系统起始程序为例, 该程序对整个分系统使用的全程区进行起始, 并按起始表格文件 ($homw/ini/mssini.ini) 的指定, 在全程区生成所有表格, 同时本程序还要起始作为信息交换的工作区 (即各子分区) 。
在本分系统中, 大部分进程需要使用全程区进行控制信息 (排队) 及数据信息交换。为了方便全程区的使用, 在每个使用全程区的程序中需要生成一个程序头, 存放全程区各个表格的指针。对于该表格的生成, 本分系统提供一个函数xmapse.c。xmapse.c的输入参数为全程区的名字, 结果是将程序头进行起始, 而该程序头的指针是pgl。
4.5监控导航
依据航空气象用户尤其是设备保障用户的需求, 提高监控维护的直观性和高效性, 需要将运行状态、维护维修界面图形化, 以监控部分导航条项为例, 它提供监控功能的总导航, 包括进程状态、线路状态、缓冲区及文件系统状态、排队状态、MQ队列及通道状态, 操作系统状态。加载并显示相关界面, 并将通过通信链路接收到的后台程序定时发送的监视信息显示在相关界面上。
5结束语
通信分系统软件是航空气象数据库系统工程中的一个重要系统, 在设计开发过程中, 从用户的功能需求、非功能需求和系统的外部接口关系为设计依据, 遵循工程的总体概念、体系结构和总体布局, 完成了通信分统软件进行功能分解和部件级 (CSC) 模块等设计。
通过对通信分系统的解读思路, 更可以完成对整个航空气象数据库系统的分析, 通过深入解读分析系统的办法, 提高了系统安全, 因为这是深入做该系统安全保障的重要手段。
摘要：石家庄国际机场目前在用的航空气象数据库系统是由通信分系统、数据库分系统、综合服务平台组成, 主要通过从多种渠道获取气象数据, 对数据进行各种后续处理, 并生成相关产品, 在保证数据库应用系统和数据安全的前提下向更多的用户提供气象信息服务。其中, 通信分系统是航空气象数据库系统的核心组成, 本文通过软件设计的角度, 从通信分系统的整体结构、规格需求、概要、详细设计角度, 通过设计小案例对通信分系统进行了简单解析, 可以了解航空气象数据库系的数据库分系统、服务平台的设计完成思路。
关键词：数据库,通信分系统设计
参考文献
气象数据库 篇8
许多研究已证实农业非点源污染是导致水体环境恶化的主要原因之一。由于农业非点源污染监测难度大,无法准确追踪污染物产生过程和负荷大小,基于数学模型进行计算机模拟是目前比较常用的研究手段。随着3S技术的发展, SWAT、AnnAGNPS等与GIS相结合的大型连续分布式参数模型相继出现,应用前景广阔,尤其是在水土流失和非点源污染等领域。AnnAGNPS模型在美国、马来西亚、澳大利亚等许多国家和地区得到广泛的应用,应用主要侧重在模型的实用性检验、参数敏感性分析和流域管理措施效果模拟等方面[1]。该模型在美国的应用最为成熟,并已经被许多政府部门所接受,并作为水质监测、土地管理等的工具和技术手段。在我国,由于相关数据缺失,对模型数据库建立的研究不充分[2],数据库建立困难,模型的研究缺乏连续性和系统性,一定程度上制约了该模型在我国的应用和发展。本文以三峡库区香溪河流域为例,收集研究区现有的建模资料,包括土地利用、土壤、地形、气象等,在现有资料的基础上,研究模型所需相关缺失数据资料的计算方法,阐述了建立完整AnnAGNPS模型土壤气象数据库的方法,以期为模型顺利推广应用提供参考,并为流域水环境的综合治理提供科学依据。
1AnnAGNPS模型简介
AnnAGNPS(Annualized Agricultural Non-point Source Pollution)是由美国农业部开发研制而成的用于模拟评估流域地表径流、泥沙侵蚀和氮磷营养盐流失的连续型分布式参数模型[3]。该模型以日为步长,根据地形水文特征而非均等进行流域集水单元划分,模拟的流域尺度更大;能够连续模拟一个时段内每天以及累计的径流、泥沙、养分、农药等输出结果,可用于评价流域内非点源污染的长期影响[1,4];通过与GIS紧密集成,能够自动提取模型需要的许多地形地貌参数,显示度显著提高。
AnnAGNPS模型主要由数据输入和编辑模块、年污染负荷计算模块、数据输出和显示模块这3部分组成。而在模型的应用中,数据准备模块是最重要的部分,它主要包括流网生成模块、数据录入模块、气象因子生成模块和数据文件转换模块。
2研究区域概况
香溪河流域位于湖北省西部,长江西陵峡北侧,地跨东经110°25′～111°00′,北纬30°38′～31°34′,流域面积共3 099 km2,兴山境内2 102 km2,占全县总面积90%[5],干流全长94 km,流经兴山县内78 km[6]。香溪河口距三峡大坝约29 km,是三峡库区库首的首条较大规模的一级支流,发源于神龙架林区,流经兴山、秭归,最终在秭归县香溪镇注入长江,是兴山县境内最大的水源。香溪河主要有高岚河、古夫河和南阳河3大支流,其中古夫河和南阳河在响滩处汇合后流入主河道,高岚河在中游峡口汇入[7]。流域森林资源极为丰富,属亚热带大陆性季风气候,雨量充足,年降雨量为850～1 400 mm。流域内有7种土壤类型,即:黄壤、黄棕壤、棕壤、暗棕壤、石灰土、紫色土、水稻土,其中黄棕壤和石灰土占该流域土地总面积的78.6%[8,9]。
3数据库的建立
AnnAGNPS模型输入参数包括8大类31小类,约500多个参数。参考模型说明文件,目前有33个参数还没有被利用。本文使用的模型版本是AnnAGNPS 5.10,由于所需构建的数据库类型较多,这里主要介绍气象数据库和土壤数据库的建立过程,为模型模拟计算提供基础数据支持,同时为类似研究提供借鉴。
3.1气象数据库的建立
气象数据输入是进行流域内其他过程模拟的驱动力,也是最重要数据输入之一[10]。AnnAGNPS模型需要一个连续的日气象数据文件DayClim.inp,包括日最高气温、日最低气温、日平均降雨量、日均露点温度、风速和云量。
这些气象数据可以是历史数据或综合模拟数据,也可以是两者的结合[2]。在AnnAGNPS5.10版本中对天气发生器作了一定的改进,模型气象因子生成模块包括2个部分agGEM和preGEM。preGEM利用实测历史数据生成流域内气象统计参数,其输出文件作为agGEM的输入文件,最后利用agGEM模拟出10 a的气象数据,其中模拟结果的有效性主要取决于历史数据的精确度和可用历史数据年数,模型要求历史数据至少要为20 a。也可以根据模型气象数据格式的要求,用手动方式在模型输入编辑器中编辑生成日气象数据文件DayClim.inp。
日最高和最低气温、日均降雨量和风速这些数据可由水文站、气象站提供,而日均露点温度和云量的获取则比较困难,一般需要进行计算。韩通等(1996年)对云量进行过定量测算,过程比较繁杂,资料获取难度大。AnnAGNPS模型在进行模拟计算时可以根据太阳辐射值自动计算云量值,因而只需要知道太阳辐射值和云量值其中任何一种即可。本节主要介绍日均露点温度和太阳辐射值的计算方法:
(1)日均露点温度。露点温度数据通过日均气温和相对湿度计算,公式(郭新波,2001年)如下:
式中:Td为露点温度;fa为相对湿度;Ta为日平均温度。
(2)太阳辐射。大气上空太阳辐射H0[单位:MJ/(m2·d)]计算公式[11]如下:
式中:Gsc为太阳常数,其值为1 367 W/m2[相当于118.108 MJ/(m2·d)];E0为地球轨道偏心率校正因子;ϕ为纬度;δ为太阳赤纬;Ws为时角(角度);Γ为年角 ,rad;n为一年中的日序数。
日出和日没间的时间间隔为日长(SL),假设在日出和日没时间太阳高度角为0,有如下日长计算公式:
大气上空太阳辐射通过大气层到达地面,有一部分会被大气吸收,另一部分则会被反射或散射回去,因而只有一部分会到达地面。根据已有的相关研究,通常情况下总辐射在大气中的透明度系数为0.8左右,特定的环境条件其透明系数有所差异[12]。地面晴空状态下的太阳辐射计算公式如下:
式中:HL为晴空状态下地面总辐射;t为总辐射在大气中的透明度系数,这里取0.8。
逐日太阳辐射利用Angtrom-prescott方程[11]计算:
式中:H为日实测总辐射;HL为晴空状态下的日总辐射;S和SL分别为日照时数和日长;a和b为经验系数,根据左大康等人的研究,这里取a为0.248,b为0.752[11],系数a,b与纬度没有明显的依赖关系,利用该系数在中国广大地区内都可能得到满意的结果。
本文的研究利用了香溪河流域兴山水文站2005-2009年的日最高和最低温度、日平均温度、日降雨量、风速、日照时数和相对湿度,结合公式计算出来的露点温度和太阳辐射值,参考模型输入文件格式要求,在输入编辑器中手动编辑生成了模型需要的包含2005-2009年气象数据的文件DayClim.inp,气象数据在Input editor界面截图见图1。
3.2土壤数据库的建立
AnnAGNPS模型所需的土壤参数包括30多种,主要包含土壤类型、水文土壤组、反射率、比重、孔隙度、土壤分层厚度及其对应的质地分级、pH值、饱和导水率、田间系数、凋萎系数、有机质率、有机氮率、无机氮率、有机磷率、无机磷率等[2]。
本文所采用的土壤源数据主要是在已有土壤调查的基础上,结合中国科学院资源环境科学数据中心1∶100万土壤图。将土壤图在地理信息系统ArcGIS中进行坐标转换等处理,以满足模型对数据的基本要求,然后在Arcview-AGNPS 5.10集成界面中将处理后的土壤图与基于DEM划分的分室图形进行叠加,各分室面积最大的那种土壤类型将被确定为这个分室的土壤类型。
(1)土壤质地转换。
目前我国进行了2次土壤普查,第1次采用了苏联制(即卡钦斯基制),第2次采用了国际制,而AnnAGNPS模型要求的土壤质地是美国制,因而先要进行土壤质地的转换,将苏联制或国际制土壤质地转换为对应的美国制土壤质地。国际制与美国制土壤质地的划分标准见表1[13]。
土壤进行质地转换的方式很多,以往多采用图解法,但图解法存在工作缓慢繁琐、主观影响较大等不足,现多以数学模型为主。在朱秋潮等人研究的基础上,蔡永明等对比了2次样条插值、3次样条插值和线性插值法插值的结果,表明3次样条插值法最优[14]。刘建立等3次样条插值、对数线性插值这2种非参数模型和逻辑生长、改进的逻辑生长以及Van Genuchten经验方程等累积粒径分布模型的估计效果进行比较分析,表明改进型逻辑生长曲线模型预测效果最佳[15]。
本文基于《兴山县土壤志》并参考中国土壤数据库中的土壤粒径资料,采用双参数修正的经验逻辑生长模型[16],将国际制土壤质地转换为模型所要求的美国制。
在利用双参数修正的经验逻辑生长模型时,将各种土壤质地的粒径累积分布和计作1,计算公式[17]为:
式中:P(d)是土壤颗粒直径小于d的累积分布;d0是模型运行的最小土壤颗粒直径,本文中d0=0.002 mm;u和c是模型的2个参数[18]。
利用1stopt软件的非线性拟合程序的Levenberg-Marquardt+通用全局优化算法[17],通过回归迭代求得u和c这2个参数的最优值,在程序算法界面中输入算法,见图2。
将求得的最优u和c值代入相关计算公式,在Excel中编写相关插值公式,求得美国制土壤粒径累积分布值。表2为香溪河流域2种主要的土壤类型在进行质地转换后美国制下的土壤粒径组成。
(2)水文土壤组。
美国农业部(USDA)农业手册AH_703给出了水文土壤组的分类标准,主要根据表层土壤导水率将土壤划分为A、B、C和D 4个组,并划分了各土壤质地所属的水文土壤组类别,见表3。
(3)土壤侵蚀因子K的计算。
影响土壤侵蚀的因素很多,包括土壤粒径组成、土壤的结构、有机质组成、土壤渗透性等[13]。土壤侵蚀因子K是用于量度土壤潜在侵蚀性的指标,当其他影响侵蚀的因子不变时,K因子的大小即反映不同类型土壤抵抗侵蚀力的高低[19]。一般而言,土壤颗粒越大,渗透性越强,K值就越低,反之则越高。
K值的获取方式主要有直接测定法和公式计算法,其中直接测定法测定难度大、成本高、耗时长,一般多采用公式计算的方式获得K值。K值的计算方法主要有长年小区实测法、查表法、诺模图法等[20]。本研究采用Williams等在EPIC模型中使用的公式估算K值,其中只需要用到土壤的有机碳和颗粒组成资料,计算公式[3,21,22,23]如下:
式中:San、Sil、Cla和Toc为沙粒、粉粒、黏粒和有机碳含量,%;土壤层中的有机碳一般由有机质的含量乘0.58得到,而有机质的含量可查阅土壤志得到[13,24]。
(4)土壤水文参数。
AnnAGNPS模型参数主要还包括土壤密度、饱和导水率、田间持水量和凋萎系数,可利用SPAW软件中的SWCT模块,根据转换后的土壤质地、有机质含量等计算模型所需要的部分土壤参数计算。计算界面见图3。
(5)其他土壤参数。
现有的土壤调查数据只包含全氮和全磷,而模型要求土壤氮磷养分含量按照有机氮、无机氮、有机磷、无机磷的含量分别输入,需要进行转换。据经验及已有研究成果,全氮中有机氮和无机氮的含量按照96%和4%转换,全磷中的有机磷和无机磷分别按照10%～18%、82%～90%进行转换[3,25]。
根据已有土壤资料,结合上述方法计算得到部分缺失参数,利用输入编辑器即可完成土壤数据库的建立。
4结语
AnnAGNPS模型参数较多,模型数据库的建立工作较复杂。本文通过计算气象数据库中较重要的露点温度和太阳辐射两个参数并结合手动编辑生成模型所需的气象数据库,利用双参数修正的经验逻辑生长模型进行土壤质地的转换,结合美国农业部对水文土壤组的分类标准对土壤进行分类,建立了模型所需的土壤数据库。通过研究模型中这两类重要数据库的建立过程和方法,以期为类似模型数据库的建立研究提供借鉴。
致谢:感谢生态水工学课题组成员崔玉洁、陈玲和许晓蓉等人对本文提出的宝贵修改意见。
摘要：针对AnnAGNPS模型在国内推广应用中因相关数据缺失,数据库建立困难的现状,以三峡库区香溪河流域为研究示范区,探讨在现有资料的基础上如何建立AnnAGNPS模型中土壤和气象这2类重要数据库,重点研究数据库建立过程中露点温度、太阳辐射、土壤质地转换、水文土壤组划分、土壤侵蚀因子K等重要参数的计算方法。以期为An-nAGNPS模型数据库的建立研究提供借鉴,并为模型在国内的推广应用提供参考。
气象数据库 篇9
关键词：MQ,民航,气象数据库
引言:随着交通事业的全面发展, 人们对气象资料信息及气象发布速度要求日益增长, 伴随科学技术水平的提高, MQ在民航气象数据库系统中扮演越来越重要的角色, 大幅度提高了气象信息对民航的安全保障能力, 提高了航空气象业务的服务效率。笔者通过对MQ的系统阐述, 探究MQ在航空气象数据库系统中的应用策略, 旨在为民航事业贡献力量。
一、MQ概述
(一) 消息。消息是对使用它的程序中产生影响的字节组合。消息的主要用途是从一个应用程序传递数据到另一个应用程序。消息主要由应用程序数据和消息描述符量部分组成。应用程序能够决定应用程序数据的内容和结构。
(二) 队列。MQ队列可以根据不同的功能分类成不同的队列, 主要分为本地队列和远程队列。本地队列继续细化可分为普通本地队列和传输队列, 普通本地队列是应用程序通过固定接口对其进行操作的队列;传输队列将远程队列信息资源作为临时存储目标。
(三) 队列管理器。队列管理器能够为多种应用程序提供管理服务, 使若干应用程序根据一定的顺序进行排队, 同时根据应用程序的不同需求对适应其要求的队列进行有效管理。
队列管理器能够有效保证Jyh Linux联搜集到的信息资源更改对象属性。队列管理器能够将Jyh Linux联遇到的紧急情况按照应用程序的需求放入正确的队列当中, 如果此类特殊事件不能放入正确的队列当中予以解决, 会及时将未能解决的代码通知所属应用程序[1]。
(四) 通道。队列管理器的有效通信路径是成为通道。通道主要由以下三类组成:消息通道、MQI通道、群集通道。Jyh Linux联通道的主要功能是为处于相同平台或者不同平台上的不同队列管理器提供通信路径。消息通道的主要功能是为两个队列管理之间传递信息提供途径, 为应用程序提供快捷的环境。
二、MQ在民航气象数据库系统中的应用
MQ在民航气象数据库系统中扮演者重要角色, 其具有传输气象信息和图形产品的义务。以下以成都和贵阳两个民航节点为例, 阐述MQ在民航气象数据库系统中的应用原理[2]。
假设在成都的本地通信系统中, 存在两个应用程序, 分别是应用程序A和应用程序B且A和B处于本地同一系统内, 那么A和B之间可以以消息队列为媒介进行信息的传递;也就是当应用程序A向消息队列发布了一条重要信息, 当B需要利用这条信息时, 可以在消息队列中查收到信息。
假设成都到贵阳的通信系统中, 成都拥有应用程序A和B, 贵阳的应用程序为C, 当应用程序向队列中发送一条消息, 消息的目标是位于贵阳通信系统上的应用程序C, 当成都通信系统中的MQ发现A发送的信息实际在贵阳通信系统上, MQ会将信息自动纳入新的队列中进行区分, 而新的队列是传输队列。假设现在我们已经创建了成都- 贵阳信息通道, 信息通道服务器将在通道中读取传输队列的消息, 然后将这条消息迅速传递到贵阳的数据库系统中等待贵阳方面的确认。成都信息系统的MQ确认贵阳通信系统已经成功接受并确认了该条信息之后会将传输队列中的信息自动删除。如果由于通信线路出现故障或者贵阳系统不在正常运行状态造成的信息没有及时传送和确认, 信息将自动保存在传输队列中, 直到信息被成功传送到目的地为止。确保信息的有效传递是MQ最基本和最重要的技术。
在实现信息传递的过程中, 作为信息发送方的成都通信系统需要完成建立队列管理器- 定义传输队列- 创建远程队列- 定义发送通道程序。作为信息接受和确认方的贵阳通信系统西药完成建立队列管理器- 定义本地队列- 创建接受通道的程序。
结语:快速、及时、有效地进行气象信息传递与发布是现代交通事业发展的需要, 是民航事业提高运输水平的需要, 是保障飞行安全的需要。MQ在民航气象数据系统中的全方位应用能够为气象信息在复杂化的网络环境和系统环境中有效发布提供技术层面的保障, MQ重要潜能正在被民航管理者和技术研究部门开发和利用, 希望通过本文的相关分析能够为民航事业的决策者和领导者提供在气象数据库系统领域的借鉴, 是MQ在民航气象数据库系统中绽放异彩, 保障飞行安全, 促进民航事业持续稳定发展。
参考文献
[1]姚丽萍, 黎巍.民航数据库系统中MQ技术的应用[J].中国电子商务, 2014, 08 (04) :59-60.
数据挖掘技术在气象数据中的应用 篇10
1 气象网站数据分析中数据挖掘技术的应用
1.1 缺失值处理
对于气象站的数据而言, 其变化通常为一个能量动态变化过程。针对于此, 对于气象数据缺失值的处理可运用Mean of nearby points方式, 采用邻近3h数据平均值来代替缺失值。
1.2 气象资料标准化
在气象网站数据资料中, 处于不同维度的数据其量纲之间存在差异。在气象数据的定量量测、聚类分析中, 由于量纲的差异将会对分析结果产生一定程度上的影响。通常状况之下, 气象数据中的风向值范围为0~360。如果气象污染因子以毫克代表, 那么其范围则会控制于0~1。在应用聚类时, 如果采用距离评价, 那么其主要依据可能更为倾向于风向维护。如果可做到对局部重点维度采用数据挖掘技术实行标准化预处理, 那么则可帮助尽量消除不同维度所造成的不利影响。在气象数据的标准化处理中, 所采用的方式较为多样, 其中应用较多的是Z标准化, 也就是指均值为0, 方差为1。
1.3 气象资料维归约
气象数据各维度间通常具有极强的依赖性及关联性, 因此在数据挖掘处理中, 可能会由于数据量大而造成不必要的计算。所以, 对于一些需做消除冗余的数据进行处理时, 则可采用主成分分析法帮助雄楚冗余属性维度。
2 省气象服务中心软件开发中数据挖掘技术的应用
2.1 数据分析
在数据挖掘技术应用中, 对于气象数据的分析需注意及时找寻到对于预测输出具有极大影响的数据字段, 并明确是否需对导出的数据字段做定义处理。另外, 在数据分析中, 还需科学选取与气象预测相关的数据进行建模。在数据分析中, 其主要的工作内容包括:数据清洗及预处理, 均为建模前的准备工作, 主要内容为:数据抽样、转换及缺损类数据的处理, 以此确保建模数据的准确科学性。其中数据抽样即指:在实现对明确的数据做抽样处理, 而非整体处理, 以此帮助进一步减少系统处理量。数据转换处理主要是为了更好的确保气象数据的质量及实用性。如有些数据挖掘模型需对数据信息做归一化、离散化的处理。
2.2 模型建立及评估检验
模型建立:在运用各类数据挖掘技术对数据进行分析处理时, 可在多种数据模型中选取出最佳的模型, 并查找出其规律。模型评估检验:在将数据模型建立完成后, 需在测试达标后再开始进行下一步。主要是由于某些模型自身应用并不具备什么应用意义及价值。较为常用的模型检验方式为:在模型中输入历史气象数据, 运用模型对其予以评定, 对数据挖掘的结果及与历史结果之间存在差别做对比处理。用户对于气象服务的判定常见两种错误, 一种是弃真类, 另一种则是存伪类。其中弃真类主要是指:历史用户产品内容发生了较大的变化, 但是数据模型无法完全反映出用户需求。而存伪类则是指原有少部分用户较为依赖的产品, 但是数据模型并不具有需求价值。
在对省气象服务中心的气象数据做分析处理时, 挖掘技术的应用可帮助提升数据分析的科学性, 为气象预报工作的顺利高效开展提供助力, 为气象服务软件开发提供帮助。
3 专业气象服务中数据挖掘技术的应用
在专业气象服务中, 数据挖掘技术的应用主要是指探究夏季日用电量与气温之间的关系。模型建立, 将2010~2013年湖北夏季日用电量与以往的平均气温资料作为主要的数据。将当日用电量作为因变量, 以往日用电量E-1和T1、T2、T3、T4、T5为自变量, 建立好了电量预测模型。在模型建立完毕后, 便可开始检验工作。2010—2013年夏季的湖北电网日用电量与对应的气象实况代入后, 7月均方根误差达到了378.25万kw·h, 在7月日均用电量中的所占比例为2.8%。8月均方根误差达到了1638.57万kw·h, 在8月日均用电量中所占比例为4.0%。另外, 还在2014年7月1-21日进行了应用检验, 结果表明, 出现较大误差有4天, 4天均为天气变化转折期。由此表明, 气象因素是影响用电的一大关键性因素。在对数据挖掘数值做科学调整后, 其电量预测误差均控制在0.1%~4.6%范围内, 准确性较高。采用数据挖掘技术, 对夏季日用电量与气温之间的关系进行探究, 对于电量预测具有一定的准确性, 可为电力部门预测用电量, 做好准确提供参考帮助。在研究中发现, 夏季的日用电量与日平均气温具有显著的正相关性, 其相关性极高。而且夏季日用电量与当日平均气温以及当日与前几日的滑动平均气温之间存在着极强的对应关系。
4 结语
现今气象信息数据领域及容量正在进一步的拓展及增加, 对其进行科学处理已成为了气象领域相关研究人员的重点关注问题。在气象数据处理中, 数据挖掘技术的应用, 可帮助进一步提升数据处理质量, 为专业气象服务、网站建设及相关软件开发提供助力。当今社会经济及科技的迅速发展会促使数据挖掘技术得以完善, 在天气预报中的作用发挥可实现最大化, 为现代经济的良好发展及人们生活品质的提升提供助力。
参考文献
[1]卢秀芸.数据挖掘技术在气象数据中的应用[J].电脑知识与技术, 2015, (9) :239-240.
[2]王远敏.空间数据挖掘技术的应用研究[J].计算机光盘软件与应用, 2014, (21) :310-312.
气象数据库 篇11
关键词：气象数据；Linux ARM；串行通信
中图分类号：TP368.2 文献标识码：A文章编号：1007-9599 (2011) 15-0000-02
Multi-Channel Weather Data Serial Communication Design Based on ARM System
Huang Jiansong,Wu Yue,Hu Hanfeng
(Institute of Atmospheric Physics,Nanjing University of Information&Technology,Nanjing210044,China)
Abstract:In this paper,multi-field weather observation data transfer and storage requirements,a core processor with ARM9 S3C2440 development platform,focusing on the serial communication interface is designed.Paper describes meteorological data multiple serial communication research background and significance of structures based on the ARM S3C2440 processor hardware platform and Linux-based development environment,and established under Linux cross-compiler for ARM board environment,prepared serial communication applications and its structure was analyzed.
Keywords:Meteorological data;Linux ARM;Serial communication
一、引言
隨着大气探测科学研究的深入和传感器技术的进步，各类气象传感器和大气探测设备在科学试验和日常业务中正在发挥日益重要的作用。如今在进行外场试验时，通常会使用较多类型的探测设备观测各种气象要素和环境参数。这些探测设备一般具有串行通信接口，以便向上位机传输数据。如果使用普通计算机接收各类观测数据，通常需要多台PC机，并且数据的收集和存储将会变得非常麻烦。而以ARM核为处理器的嵌入式数据采集系统具有功耗低、体积小、接口多、程序编写调试方便等特点。因此，鉴于国内外气象数据采集系统的发展趋势，结合串行通信技术和ARM系统的特点，本文在一款以ARM9 S3C2440为核心处理器的开发平台上，重点对串口进行设计，以实现多路气象数据串行通信数据的传输和存储。
二、嵌入式系统硬件部分设计
作为嵌入式系统的核心，选择一款合适型号的ARM芯片非常重要。经过多方调研，本文的硬件部分采用以三星公司生产的S3C2440芯片为处理器的ARM9开发板。该开发板提供3个独立UART接口，可外接多路串行通信智能传感器，实现传感器与开发板间的数据传输与控制。
利用RS232串口线以及USB数据线连接好宿主机和目标，通过执行BIOS功能指令和运行dnw.exe软件，即可实现数据的烧写和下载。在windowsXP系统中，通过建立一个超级终端，设置好串口参数，进入BIOS模式界面。之后安装好ARM板的USB驱动，配合使用dnw.exe软件，就可以实现ARM板和电脑之间的Linux系统和应用程序文件的移植和烧写。
三、嵌入式系统软件开发平台的搭建
建立嵌入式系统开发平台，首先要在宿主机和目标机上安装指定的操作系统。根据本文设计要求选择Linux系统。对于一般的PC机，通常都带有windows系统，因此，宿主机的操作系统选择虚拟系统Red Hat Linux5.0，使用虚拟机（Vmware-workstation）的方式建立开发环境。
安装好Vmware，即可在宿主机上安装Red Hat 5.0 Linux系统。首先根据宿主机的配置来确定虚拟机的内存和硬盘配置。虚拟机硬盘大小根据目标需求分配，默认为8G。本文选择利用虚拟光驱来安装系统。系统安装完毕后即可设置ARM板的交叉编译环境，在Linux系统下安装arm-linux-gcc编译器。
构建嵌入式系统的软件开发平台，需要在ARM板上安装Linux系统。利用之前安装好的USB驱动和dnw.exe软件，通过操作BIOS模式的指令完成Linux系统的安装。Linux系统的安装过程主要包括以下几个步骤[1]：对Nand Flash进行分区、安装BootLoader、安装Linux内核文件、安装根文件系统。
四、数据采集功能程序设计
本文的设计目的是利用RS-232串口实现气象仪器与嵌入式系统之间的数据传输和存储。因此，设计的嵌入式系统的工作流程[2，3]是：首先系统上电进行初始化操作系统和外设模块操作，然后就可以运行特定的应用程序，流程图如图1所示。
图1：嵌入式系统串口通信应用程序流程图
其中初始化部分由设备驱动程序来完成。RS-232串口驱动程序主要包括串口初始化，字符发送程序，字符接受程序等。应用程序部分包括打开串口和文件，重新设置串口参数，读取数据，将数据存储到SD卡中，关闭串口和文件。由于驱动程序代码无需自行编译，因此，以下只对应用程序关键部分进行分析。
（一）打开串口和文件：通过使用标准的文件打开函数open（参数1，参数2）来实现的[4]。设备的打开方式本文选择可读可写方式。程序中三个串口的打开方式都一样，只是路径不同，所以在程序的开始，将设备和文件的路径定义为字符串常量，将其分别放在两个数组中，从而简化应用程序。
（二）设置串口信息：Linux系统中定义了一个查询和操纵各种终端的标准接口，称为termios。它包含了各终端特性的完整描述，相关联的函数可以查询和修改这些特性。在本设计中，串口参数分别设置为：波特率115200、8位数据位、无校验方式、无数据流控制、1位停止位。
（三）串口数据的读写：串口数据的读写类似于文件数据的读写。向串口发送数据，使用write（）函数；而读取串口数据，使用read（）函数。读写函数的返回值分别为函数读到或写入的数据的字节数。若返回值为-1，则表示出错。对于read函数，若返回值为0，则表示已经到达文件尾[5，6，7]。在打开串口和文件并设置好串口信息之后，每隔一段时间依次读取三路串口的数据，同时将读取数据存在SD卡中，存储格式为二进制。
应用程序编写完成后，在arm-Linux-gcc交叉编译环境中编译。利用交叉调试器进行分析和调试，使得该应用程序能够在开发板上运行，从而实现气象传感器与嵌入式系统之间的通信。
五、结论与展望
本论文利用嵌入式技术，搭建了基于ARM芯片S3C2440的硬件平台和基于嵌入式Linux系统的软件平台，并在Linux系统下建立了针对ARM板的交叉编译环境。根据实际需要，编写了嵌入式Linux系统下的串口通信应用程序，初步实现了多路RS-232串口的数据传输和储存。其应用程序还有待于进一步开发，例如实现应用程序的界面化、实时分析显示数据等功能。
参考文献：
[1]张景璐,杜辉,吴友兰.ARM9嵌入式系统设计与应用案例[M].中国电力出版社,2008,16
[2]李筠,邬登风.基于linux的RS-232C串口通信的研究[J].仪表技术,2010,7:43-47
[3]云霞,曾连荪.基于VC++6.0的RS-422串口通信设计[J].信息技术,2010,9:73-75
[4]刘盛辉.嵌入式多路数据采集平台的开发与研究[D].长安大学硕士学位论文,2006,47-55
[5]刘小成,朱佳华,林峰.Linux下串口通信在工业控制方面的应用技术[J].机械制造与自动化,2010,12,39(6):96-98
[6]马洪连.嵌入式系统设计实验教程[M].大连理工大学出版社,2007,6:65-79
气象数据库 篇12
1 异常数据的处理
新型站出现异常记录 (如自动气压、气温、湿度、能见度、降水、蒸发、风、地温、草温等异常) 区分白天和夜间, 结合备份站、人工观测数据按有关技术规定及时处理传输;如新型站要素全部缺测 (如采集器与电脑的通信光纤被老鼠咬破, 造成数据不能及时传送到电脑, 但数据仍保存在采集器) , 则临时启用备份站及传输系统上传;新型站恢复正常后尽量把新型站正常数据下载并生成报文上传, 以保证数据完整、统一。
2 各要素的质量控制和查MDOS反馈
在设置合理的地面审核规则库下, 利用MDOS质量控制方法对自动气压、气温、湿度、降水、蒸发、风、地温、草温等自动数据进行人机相互审核;发现错误应及时主动发更正报反馈;MDOS被动反馈:根据反馈提示, 与备份站数据进行对比, 或根据要素变化规律进行判断, 另对人工观测要素审核其是否正确, 从而判断反馈类型。
3 人工项目的校对和审核
检查校对气簿-1每日人工数据如云量/低云量、云高、日天气现象、小型蒸发 (冬季) 、雪深/雪压、电线积冰、冬季人工风向风速、冻土、日照等记录是否符合规定, 与台站地面综合观测业务软件_业务中“常规要素”、正点观测编报、日照数据、常规日数据是否一致;必要时与MDOS系统中数据校对是否一致;不一致或错误时, 及时发更正报, 如果MDOS未更正时, 应在MDOS/数据查询与质疑中更正提交。
3.1 天气现象和能见度的预审
审查逐日天气现象的记录方法是否符合规范规定, 例如:对夜间的天气现象应按自动、人工天气现象顺序记录 (同时出现, 先后次序自定) 把人工观测天气现象符号插入到业务软件_业务/天气现象中, 对白天的天气现象遵照白天的记录输入规定;雨、雪同降时要注意记为雨夹雪符号或阵性雨夹雪符号, 勿分开记载。
分钟雨量≥0.1mm, 或冰冻停用风传感器时, 雾、轻雾、霾等统统综合判别为“无视程障碍现象”, 需在天气报编报前进入SMO→数据查询→详细要素查询→天气现象综合判别每日逐分钟数据表→查看水平能见度<750m及<7500m的数据和相对湿度, 来人工判别是否为雾、轻雾、霾等视程障碍现象, 修正雾等天气现象时间, 即打开“天气现象”, 输入或修正水平能见度<750m雾现象之起-止时间 (起止时间之间输入“-”) 。但因冰冻或雷击使能见度出现65535异常数据时, 能见度及视程障碍现象恢复人工观测。能见度缺测时, 仅在定时观测时次进行人工观测, 其余时次作缺测处理, 并备注。审核人工能见度记录及输入是否符合规定。
3.2 降水量的预审
翻斗雨量传感器按规范规定进行维护, 另外安置防风圈进行调整, 例如取下雨量筒的承水器, 拧下漏斗, 把承水器围住计量、计数翻斗, 量取10.0mm水量缓慢地倒入上漏斗, 可减小风对计量、计数的影响, 这样可以提高降水测量精度。
审核夜间降水类天气现象应与降水量保持一致, 白天降水类天气现象时间应包含分钟雨量时间。审核降水量异常记录处理是否符合有关技术规定。
3.3 蒸发量的预审
小型蒸发量:因冰冻时间长, 停用大型蒸发传感器, 或大型蒸发传感器故障, 启用小型蒸发器后, 逐日复算蒸发量的计算有无错误;日蒸发量前后有突变时, 应结合温度、湿度、风速、降水、日照等天气情况分析是否可能。
自动蒸发量:非冰冻期, 小时蒸发量连续长时间为0或个别时次>0.4时, 结合温度、湿度、风速、日照等分析是否合理, 如果发现异常, 应判断属水位设置不当还是采集系统故障等, 并按有关技术规定对异常蒸发量进行处理和发更正报。对于蒸发传感器, 实际蒸发水位如果明显超出合理设置范围时, 自动计算小时蒸发量可能连续为0, 需要从台站地面综合观测业务采集软件→数据查询→综合查询→当前分钟蒸发水位, 选取开始时间、结束时间→查询→根据某时正点水位与上一正点水位之差重新计算出小时蒸发量, 并编发更正报。
3.4 积雪和雪压的预审
审查有雪深记录, 是否有积雪现象;雪深的记录 (取cm整数) 与编报输入 (扩大10) 是否正确;雪深的补测, 是否符合规范规定, 是否在备注栏注明;根据温度、天气现象、降雪量、湿度、日照等分析逐日雪深是否合理;雪压的观测或补测是否符合规范规定, 审理计算有无错误。
3.5 电线积冰的预审
风传感器有加热融冰功能, 测最大电线积冰之风向风速时, 如果自动风正常, 则台站地面综合观测业务软件_采集→数据查询→综合查询→要素选“气温 (百叶箱) ”、“2min平均风向”、“2min平均风速”, 记录某分钟气温、风向风速 (风向记数值, 风速取一位小数, 如5.6) 。
校对每次电线积冰过程最大值的挑取是否正确:一日有几次积冰过程, 只挑重量值 (或直径mm+厚度mm总值) 最大的一次积冰过程南北、东西2个方向的最大值输入业务软件—业务/常规日数据中。一次积冰过程可能测量多次, 跨日, 当某一方向测量的极值 (优先挑重量) 比上次极值大时, 又要在20:00后输入日数据文件上传, 再删除之前某日常规日数据电线积冰数据并重上传 (比上次小时, 不输入电脑) 。这样, 常规要素和月报表中某日极值, 即按每一次过程及方向在某日几次测量中或各次测量中挑重量值 (或直径+厚度总值) 最大者;某次积冰过程跨月的最大值挑取原则参见《观测规范》。常规日数据电线积冰重量不能输入千位、万位数时, 先输999保存, 传输后第2天再在MDOS/数据查询与质疑中对日数据更正提交, 再在数据维护/常规要素中输入保存。
3.6 风的预审
因冰冻或水雾滴风传感器冻住, 除规定时次定时风速用轻便风向风速表测定外, 其余定时风向风速、所有10min风向风速作“-/-”, 并备注, 分析日最大、极大风向风速缺测也应备注。因雷击导致某一范围的风向以另外范围的风向被记录, 或因大风吹落风向标使风向反向, 或因其它原因如融冰风加热器非冰冻季节加热升温造成风向固定为0, 其风向应用备份站代。
3.7 日照的预审
校对日照纸安装是否正确, 复算逐日逐时有无漏算、错算日照迹线, 非迹线有无误算, 在“日照数据”中是否输错格、是否上、下午颠倒等;如某日日照迹线的开始或终止时间恰为12:00, 要分析洞口是否被堵, 确实未堵住, 应在备注栏交代。
4 发各种更正报
发更正报时间未超过规定时限 (长Z文件12h, 日数据文件和日照数据文件为1d) 时, 可直接编发更正报, 报文名自动加CCA之类更正码。发更正报时间超过规定时限时, 对于小时更正文件, 把中新编Z*AWS_FTM.txt文件剪切到待发文件夹, 把Z*AWS_FTM.txt文件名改为Z*AWS_FTM-CCA.txt或Z*AWS_FTM-CCB.txt等, 其文件内容第一行最后000相应改为CCA或CCB等 (日数据Z*AWS_DAY.txt、日照数据Z*SS_DAY.txt仅更改文件名) , 再把此更正报文复制到D:ISOSMOIAws Net中, 自动上传后, MDOS相应时次或日数据、日照数据会自动更正。
5 元数据的填写和上传
观测员平时注意气薄、业务软件/数据维护/常规要素中纪要 (如人工增雨、冰雹、灾情等) 、备注的填写, 同类型的备注可以综合到一块, 填写时要条理清楚, 简明扼要, 如果每年某个月有固定的备注, 则把“常规要素”中上一年同月该项备注复制到当月保存;预审员注意校对和补充气簿和“常规要素”纪要栏、备注、台站基本信息、站网信息、其他变动等台站变动和气候概况的填写, 并按规定复制这些元数据到MDOS系统/元数据信息处理, 进行上传。
6 A、J文件的制作
每月初利用常规要素制作A文件、J文件, A、J文件初审。月初从MDOS制作下载A、J文件进行审核, 如果审核软件提示A文件某数据错误应发更正报, 或在MOI/常规要素及MDOS/数据查询与质疑中修改并提交, 审核J文件提示分钟数据有误, 需在MDOS/数据查询与质疑中修正, 再提交;省信息中心确认后, 再从MDOS制作下载A、J文件进行审核、校对, 如此反复一直至无误。
7 结语
气象观测员、预审员应严格执行地面气象观测规范和各项技术规定, 熟悉自动仪器的基本检修方法, 熟练掌握使用微机操作技能和维护方法, 熟练业务流程、MDOS系统、应急预案等, 利用MDOS系统对疑误数据及时正确处理;预审员应对数据质量控制和数据上传作总把关。
摘要：目前县级气象站以新型自动气象站为主, 观测和上传资料, 备份站为辅, 气象资料上传后在气象资料业务系统 (MDOS) 下完成资料上传的质量控制等。本文就MDOS系统结合新型自动气象站, 对如何做好气象资料质量控制及资料预审进行阐释, 以便准确完整地上传资料。
关键词：新型自动气象站,MDOS系统,质量控制,资料预审
参考文献
[1]宗曼晔, 王晓辉, 刘小宁, 等.地面气象观测规范[M].北京:气象出版社, 2003.
[2]台站地面综合观测业务软件 (ISOS) 用户操作手册[M].北京:气象出版社, 2014.
[3]地面气象观测业务技术规定实用手册[M].北京:气象出版社, 2016.
【气象数据库】推荐阅读：
气象数据差异07-01
气象基础数据08-31
气象信息大数据08-30
气象数据采集系统08-18
海洋水文气象数据管理06-24
气象观测设备数据通讯09-25
气象新闻05-12
气象模式05-16
气象风险05-24
现代气象06-03