NASA卫星观测及模式资料和WMO 气象站点资料的可视化集成简介

1 概况

众所周知，目前可以从大量分散的气象数据服务中心获取卫星和站点观测资料，以及模式资料，但是对资料的检索、访问和处理要耗费很多的时间和精力。为此，南京信息工程大学大气资料服务中心(NADSC)和NASA(National Aeronautics and Space Administration)戈达德地球科学数据和信息服务中心(GES DISC，Goddard Earth Sciences Data and Information Services Center)开展了国际合作研究，最大化地实现了存储于异地不同服务器的异构数据的数据共享，为用户提供一个操作简单、基于Web的可视化集成平台。基于Google Earth，目前该系统实现了四维气候数据的可视化集成，为不同层面用户之间的协同研究提供了统一的平台，大大促进了全球数据共享和科研合作。

2 数据及预处理方法

该可视化系统集成的数据及图像来自于3种不同的数据源(表1、2、3)，下面简要描述数据源的基本情况及预处理方法。

2.1 全球月气候数据

全球月气候数据反映了气候状态的季节和空间变化(表1)。目前系统集成的气象要素包括气温、气压、位势高度、风速、湿度、降水和气溶胶。

2.1.1 全球降水气候数据

全球月气候降水数据及图像直接来自于亚洲季风区域集成研究项目(MAIRS)在线可视化数据分析工具(Giovanni)的门户网站——NASA GES DISC Giovanni(http://disc.gsfc.nasa.gov/giovanni)服务。Giovanni系统的月气候降水资料是NASA全球气候降水项目的极轨卫星合成产品(GPCP，http://precip.gsfc.nasa.gov/)，月气候值是GPCP 2.1版1979-01—2008-12的月降水值的平均值。该数据的空间分辨率为1.0°×1.0°，它是利用海洋—陆面—大气研究中心(COLA，Center for Ocean-Land-Atmosphere Studies)的网格分析和显示系统(GRADS，http://grads.iges.org/grads/grads.html)将原始的2.5°×2.5°格点数据集利用块平均的方法重新网格化而得到的。

2.1.2 全球大气再分析气候数据

全球月气候大气要素，像气压、气温、风、湿度，由NASA的现代回顾性分析研究与应用项目(MERRA)的大气再分析数据集生成。MERRA是NASA戈达德太空飞行中心(GSFC)的全球模式和同化办公室的一个研究项目，它主要使用戈达德地球观测系统的第五版资料同化系统(GEOS-5)的卫星遥感数据(1979年至今)，此大气同化系统主要致力于气候时间尺度与水循环相关领域。存储于NASA GES DISC的MERRA数据可以通过Mirador、OPeNDAP和GDS三种数据服务方式下载获取。在该系统中，采用本地OpenGrADS，通过GDS服务在线访问和利用远程数据，直接对数据进行相应的处理，从而避免了大量数据的下载和重新存储，因此，节省了时间和本地的存储空间，有效地共享了远程数据。该资料的月气候值同样是由相应的月再分析资料平均而来(1979-01—2008-12)。将生成的每个要素的各月气候图像存储于NADSC服务器，相应的URL组织于MySQL数据库中，最终由KML(Keyhole Markup Language)进行解析集成，可视化于Google Earth。

表1 全球逐月数据

2.1.3 全球气溶胶光学厚度气候数据

类似于全球月降水气候数据，全球气溶胶光学厚度气候数据的可视化图像通过MAIRS项目的门户网站访问NASA GES DISC的Giovanni系统，利用WMS(Web Map Service)服务直接访问获取。在当前的Giovanni系统中，该气候资料是直接由光学厚度为550 nm的MODIS-Terra月气溶胶资料(2001-01—2008-12)计算得到，空间分辨率为1.0°×1.0°。

2.2 气象站观测数据

1980—2009年世界气象组织(WMO)在中国区域的194个地面观测站的月气象数据的时间序列，下载于中国气象数据共享服务系统(CMDSSS，http://cdc.cma.gov.cn/)。像月平均气温、最高气温、最低气温、月降水、风速、日温差、日照时间等气象要素值均从SURF_CLI_CHN_MUL_MON_CES产品提取而来(表2)。在此期间，因站点迁移等原因而导致某些站点数据不完备，最终选取183站作为研究对象。

表2 WMO气象站观测数据

月气候数据集(SURF_CLI_CHN_MUL_MMON_19712000_CES)同样也来自于CMDSSS，在充分考虑站点迁移等因素后，每个站点的数据均是由1971-01-01—2001-09-30高质量数据控制计算而来。

中国区域183站各要素的各月及气候值通过一定的算法被集成到NADSC服务器的数据库中。各要素的异常值及异常趋势由统一的程序进行计算处理，当点击Google Earth上的某一站点时，该站点的各要素的气候值、异常值及其异常趋势由NADSC的相应应用程序自动地以图像的形式直观地呈现给用户。

2.3 区域卫星遥感观测数据

该系统的区域卫星遥感数据来自于陆表数据处理产品，包括MODIS-Terra1-km的陆表温度(LST)和标准化植被指数(NDVI)。为了获得研究区域高分辨率的数据，从USGS陆面处理分布交互式存储中心(LPDAAC，https://lpdaac.usgs.gov/)下载了MODIS 1KM 8-day的LST(MOD11A2.005)和月NDVI(MOD13A3.005)资料(表3)。

由于数据量庞大，MODIS 1-km标准产品以每片10°×10°的格式存储。亚洲季风区内(60～150°E，0°～60°N)各片数据以圆柱投影的形式被组合拼接。为此，利用某些图形处理工具，像GrADS通过NADSC本地WMS服务，可以较容易地为选择区域创建多幅图像进行拼接显示。在该原型开发过程中，中国东部(102～122.5°E，21～41.5°N)夏季(6—8月平均)图像被创建并存储于NADSC的服务器中，并将其URL集成于相应的数据库中，便于远程调用拼接。

3 可视化系统访问方法

3.1 可视化系统的访问

开发的系统安装在NADSC和乔治梅森大学空间信息科学与系统中心(GMU CSISS)的服务器上，目前的访问地址是http://nadsc.nuist.edu.cn/mairsprogram/data/mairs.kml或者http://geobrain.laits.gmu.edu/mairsprogram/data/mairs.kml，该系统具备高移植性，使用方法如下:1)在本地下载并安装Google Earth软件;2)下载mairs.kml文件;3)在Google Earth上运行mairs.kml文件。

3.2 可视化系统简介

利用Google Earth打开mairs.kml，出现如图1所示的主界面。所有数据在临时位置的“Visualization for Climate Study”文件中，点击“Visualization for Climate Study”，该项目的简单描述呈现于web页中。左侧菜单列出了3个主菜单:全球逐月气候(Global Monthly Climatology)，地面站点观测(Ground Station Observations)和区域卫星观测(Regional Satellite Observations(summer))。

1)全球逐月气候。全球逐月气候包括气温、气压、降水、风向量等8个观测量，每个观测量包括一个或多个空间层次的12个月可视化气候图像，全球气候图像可以逐月动态演示。

2)地面站点观测。点击地面站点观测菜单，183站站标呈现在中国区域，点击某一站点，出现一个带有站点名、站点ID、站点位置、站点高度以及多个地面观测气象要素可视化图像的页面，其中地面观测气象要素的图像包括:a)降水，风速，平均、最高、最低气温的气候季节变化图像;b)气温、降水、风速30 a的月气候异常时间序列;c)30 a的月日温差时间序列;d)各要素的异常趋势。

3)区域卫星观测。区域卫星观测菜单包含分辨率为1 km的陆表温度和植被指数两个陆面产品的多年夏季(2001—2009年6—8月平均)可视化数据，该图像同样可以进行动态观察，据此开展对区域地表气温及植被变化的研究。

Google Earth接口界面通过叠加层可以可视化不同菜单中的一副或多幅图像。例如，通过气压场与风场叠加观测风压关系，通过站点观测要素与全球气候要素场叠加，在全球气候背景场的基础上研究区域气候变化与异常。系统详情请访问以上所列网址。总之，与Google Earth嵌入的地理信息相结合，通过该系统，用户可以对感兴趣的区域进行气候研究，观察要素的时空变化，理解不同要素之间的关系，从而实现对气候现象的探索。卫星遥感、模式与地面观测站点数据的协同研究增强了用户访问、处理和分析全球气候与区域气候变化关系的能力。

表3 区域卫星遥感观测数据

图1 可视化系统的主界面

4 结论与展望

4.1 结论

1)开发原型结合Google Earth丰富的地理空间信息，充分体现了各种分散的、异构气候数据源和图像的有效集成。

2)目前有效访问图像的端口包括中国气象观测站的月气候及异常数据、全球气候数据以及东亚区域MODIS陆表气温和植被指数，使得集成数据更易于使用。

3)各种远程数据服务的相互紧密合作是非常重要的。为了规律性地诊断远程服务的运行状态和版本更新状况，开发一个对远程数据的自动化定期检测系统是非常必要的，以期该系统为数据共享服务提供借鉴。

4.2 展望

1)为了更便于用户的使用，利用Google Earth plug-in将Google Earth嵌入到Web页面中。

2)当进行放大、缩小图像时，实时更新图像的分辨率，进一步提高可视化图像的质量。

3)用同样的方法，在其他国家植入更多的观测站，扩大研究区域。

致谢:该研究工作得到国家自然科学基金主任基金项目(41140002)的资助，同时系统平台建设得到国际科研合作伙伴NASA GES DISC沈素红博士、Gregory Leptoukh博士和GMU CSISS狄黎平教授的悉心指导和支持，在此表示诚挚的谢意。