基于NCL的数据处理方法及其在决策气象服务中的应用

基于NCL的数据处理方法及其在决策气象服务中的应用作者：庆涛李菁朱鑫君来源：《现代农业科技》2016年第24期摘要以2015年和2016年梅雨期暴雨的气象服务为实例，对如何使用NCL对历史数据进行统计分析进行了介绍，并对其在决策气象服务中的运用进行了讨论。

利用NCL内置函数可以实现决策气象服务中对数据统计分析的各类需求。

从实际的气象服务经验分析，决策气象服务过程中需要准确详实的数据作为支撑。

NCL功能强大，在对数据进行统计分析的同时还能够对数据进行图表绘制，因此可以作为一个有效的工具来实现服务过程中对各类历史及实况数据统计分析的需求。

同时，NCL代码具有简单和可移植性强等特点，在对数据进行统计分析时，不仅可以保证数据统计分析的准确，还能够提高数据处理速度，保证了决策气象服务的及时性。

关键词 NCL；数据处理；决策气象服务；统计分析；可视化中图分类号 P409 文献标识码 A 文章编号 1007-5739（2016）24-0185-03A Data Processing Method Based on NCAR Command Language and Its Application in Decision-makingMeteorological ServiceQING Tao 1 LI Jing 1，2 ZHU Xin-jun 1（1 Jiangning Meteorological Bureau in in Nanjing Cigy of Jiangsu Province，Nanjing Jiangsu 211100； 2 Nanjing Meteorological Observatory）Abstract The issues of how to process data with NCL and its application on decision-making meteorological services were discussed based on meteorological services during Meiyu periods of 2015 and 2016 in this paper. NCL，a high-level language which contains lots of useful mathematical function can meet the needs of decision-making meteorological services and statistical analysis. It can be known from practical experiences that accurate and detailed data were needed to support the decision-making process of meteorological services.As a powerful tool，NCL not only can be used to analyze meteorological data but also can be used as a data visualization tool. Meanwhile，NCL codes are simple and can be modified easily. So NCL is a useful tool which can analyze meteorological data accurately and ensure timely decision-making meteorological services.Key words NCL；data process；decision-making meteorological service；statistical analysis；visualization气象灾害占自然灾害的比重约为70%，因此气象工作中一个重要的任务就是向各级党政领导及相关防灾减灾决策指挥机构提供决策气象服务，努力发挥气象工作的参谋和助手作用[1]。

决策气象服务的目的是在第一时间让党政领导和决策部门获得科学、准确、及时和有决策参考价值的气象信息[2]。

其内容主要包括天气、气候及其影响等信息，也可以针对某一特定天气气候事件进行因果分析、历史极值对比、未来趋势预测和对策建议等综合评价。

这些内容对气象业务人员如何快速统计分析海量历史数据以及对统计结果进行可视化处理提出了较高的要求。

虽然先进的业务应用平台的建立为历史数据处理和统计分析提供了便捷，但由于其封闭性强并需要专门的研发人员进行管理的特点，造成这些平台不具备快速及时的优势，因此不能胜任紧急情况下决策气象服务的应用。

随着计算机技术的发展，大量的计算机语言和软件工具为各类气象数据统计分析及可视化提供了便利。

许多专家学者曾对这些工具在数据处理上的应用开展过专门的研究，刘培宁等[3]使用R语言对NetCDF数据进行统计分析并对分析结果进行可视化处理；王赟等[4]使用MATLAB实现了对雷达回波的三维显示。

NCL是美国大气研究中心（NCAR）开发的一款专门用于大气科学数据处理的高级语言[5]，它对各类数据具有强大的处理能力，十分适合在各类紧急情况下决策气象服务的应用。

本文将以2015年和2016年梅雨期暴雨的气象服务为实例，具体介绍如何使用NCL对历史数据进行快速处理，并探讨其在决策气象服务中的应用。

1 NCL简介NCAR Command Language（NCL）是由美国大气研究中心（NCAR）开发的一款用于大气科学数据计算和可视化的高级语言。

NCL具有强大的文件输入和输出能力，可读写NetCDF、HDF4、Binary、ASCⅡ等格式的数据，基本实现了各类气象数据和模式数据的无缝对接[6]。

在数据处理上，NCL囊括了大气科学研究中几乎所有的计算方法，并内置了大量如EOF 分解、SVD分解、功率谱分析及数据插值等数理统计函数供调用。

此外，NCL还支持外部C 和Fortran程序的调用，使得对数据的处理和计算更加便捷高效。

在数据的可视化方面，NCL 提供了丰富的图形接口，可快速绘制各类美观简洁的图表。

因此，NCL十分适合在决策气象服务中进行数据分析和图形图表绘制的运用[7-8]。

2 应用实例2015年和2016年梅雨期间南京地区遭遇多场持续性暴雨过程，造成秦淮河东山水位持续上涨，分别于2015年和2016年达11.15 m和11.41 m，连续突破历史最高水位极值记录，给防洪抢险工作带来了巨大的压力。

在整个梅雨期的气象服务过程中，党政领导和决策部门对入梅、出梅时间、梅雨期长短、梅雨量及各类常规和非常规的历史极值统计十分关心，常常需要给出任意滑动几日的降水累计量和历史极值排名。

这些指标无法在常规的气象历史资料记录和气象业务平台中查得，但这些关键指标对于他们作出准确有效的决策部署十分关键。

因此，就需要气象业务人员采用其他方法对历史数据进行统计分析。

在实际服务过程中，NCL极其强大的功能为统计这些梅雨相关指标提供便利，并能够快速地进行图表的绘制。

在处理梅雨期降水数据时，首先对历史地面观测月报表进行预处理，然后再使用NCL分别进行数据读取、数据截取、统计分析和结果输出等操作（图1）[9-10]。

读取数据和截取数据的NCL代码如下：通过使用函数str_get_field（str_val，field_number，delim-iter）对ASCⅡ格式数据进行读取，此时得到的数据为字符串，再使用tointeger（val）或tofloat（val）函数将读取到的字符串转换为整型或实型数据。

在对入梅和出梅时间进行相对时间转换（代码第8—9行）时，使用的函数为cd_inv_calendar（yr，mn，dy，hr，min，sec，units，option），通过指定单位units便可将给定的时间转换为相对单位units的相对时间，转换后的入梅和出梅的相对时间可用于计算梅雨期持续的时间（代码第10行），以及处理和统计梅雨期间降水数据时的循环变量。

对数据进行统计分析的代码如下：在得到入梅和出梅的相对时间后，通过使用函数sum（value）和max（value）分别求得梅雨期总降水量和最大单日雨强（代码第1—2行）。

使用ind（larray）函数确定最大单日雨强发生日的相对时间（代码第3行），最后利用cd_calendar（time，option）函数将相对时间转换为常规时间（代码第5—7行）。

结果输出的代码如下：完成对梅雨期各个关键指标和要素的统计后，可以使用NCL的文本输出功能进行输出，此处使用write_table（filename，option，alist，format）函数将统计结果输出到ASCⅡ格式文档中（代码第1—2行）。

本例中，输出的数据依次为年份、入梅和出梅日期、梅雨持续时间、梅雨期总降水量、最大单日雨强和最大单日雨强发生的日期，最终以csv格式文档保存（图2），为后续的Excel统计分析、图表绘制和决策服务材料撰写提供了便利。

通过上述简单的步骤可以在较短时间内统计分析得到历年梅雨的各类统计值和历史极值的排序。

表1给出的是1961年以来入梅、出梅时间和梅雨持续时间的统计，分别给出了入梅和出梅最早、最晚以及梅雨持续最长、最短的排序。

南京平均入梅时间6月18日，入梅最早年份为1972年，当年6月2日即入梅；1965年和1969年入梅时间最晚，6月30日才进入梅雨季。

南京平均出梅时间7月11日，其中1961年6月17日出梅，为1961年以来最早，甚至早于平均入梅时间；1987年入梅最晚，7月27日才出梅。

由平均入梅、出梅时间计算知，南京梅雨期平均持续24～25 d，其中1982年梅雨持续时间最长，达到了45 d，而1978年梅雨持续时间最短，仅为3 d。

表2给出的是梅雨期降水的统计，分别给出了总降水量和最大单日雨强的最大、最小的排序。

南京梅雨期平均降水269.1 mm，其中1991年降水量最大达1 038.4 mm，约为平均梅雨量的4倍，而2016年梅雨期总降水量达到了597.3 mm，约为平均梅雨量的2倍，为1961年以来第四多值；1978年为历史上最枯梅雨季，梅雨总降水量仅为19.9 mm，而这一年的梅雨持续时间也最短，仅为3 d。

从梅雨期最大单日雨强看，1961年以来单日最大雨强多为暴雨量级（≥50 mm），而历史排名前5位的年份，日最大雨强均达到了大暴雨量级（≥100 mm），其中2015年6月27日单日雨强最大，为204.1 mm。