吴门新 庄立伟* 侯英雨 毛留喜 王建林 吕厚荃 李 轩 何延波 宋迎波 郭安红 赵秀兰 钱永兰

1)(国家气象中心， 北京 100081)2)(中国气象局， 北京 100081)

引 言

1958年中央气象局编发《全国农业气象旬报》,成为我国农业气象业务开始的标志。1983年国家气象局下达编制《全国农业气象旬月报》任务，为国务院和有关部委提供农业气象信息服务，重新恢复了全国农业气象业务[1]。赵四强等[2-3]、王建林等[4]、庄立伟等[5]研发了最早的农业气象情报预报业务软件系统，该时期的系统多基于微机开发，主要功能包括电报报文收报解报、气象要素等值线绘制、作物产量预报等功能，与当时的业务实际情况相适应。随着时代的发展，农业气象业务服务内容已由当年的农业气象情报、国内作物产量预报，发展到土壤墒情监测、农业干旱监测预报、国外作物产量预报、灾害性转折性与重要农事季节的农用天气预报、农林病虫害发生发展气象等级预报、植被与草地生态监测评估、夏收夏种与秋收秋种等关键农时农业气象服务专报等诸多方面[6]；农业气象业务技术也由农业气象指标和统计分析逐渐发展到农业气象指标体系、统计模式、作物机理模型、遥感、地理信息系统等多元技术的综合集成，农业气象产品向定量化、精细化发展[7]。但农业气象业务系统的建设未能与业务领域的拓展和业务技术的发展相同步，出现了明显滞后，由于农业气象观测资料地区差异性强，观测要素种类多内容杂，缺乏统一、规范的数据技术标准及其存储和管理方法；由于农业气象的业务领域在近20年一直扩展，工作内容一直变化，新增一项业务内容便研发一个业务平台，导致各业务平台开发技术差异较大，缺乏规范的规划与管理，使各时期开发的系统和模块规模小且零散；国家级和省级各种不同的业务平台制作的服务产品，在地理范围、图形分辨率、色标及表达方式上缺乏统一的标准。如何有效规范农业气象业务数据，如何集成复杂的农业气象业务逻辑，如何制作标准规范的产品，成为农业气象业务系统发展的关键性技术难题。庄立伟等[8]提出采用策略模式为主、工厂方法模式为辅的农业气象业务软件设计模式，将业务数据、专业模型、系统框架相结合，构建适用于现代业务特点的农业气象业务系统。杨太明等[9]、吴文玉等[10]采用通用数据库结合组件式地理信息系统模式，进行省级农业气象业务系统的设计和开发。吴焕萍等[11]、吕终亮等[12]采用类似技术框架进行气候业务系统(CIPAS)和决策气象服务系统(MESIS)的设计与开发。基于现有的信息技术进展和当前农业气象业务的特点，关系型数据库、插件式编程和组件式地理信息系统等技术相结合，实现数据规范管理、功能模块集成以及业务产品渲染是比较可行的技术方案。

中国农业气象业务系统(CAgMSS)主要面向国家级和省级两级业务需求研发，采用Oracle和SQL Server等大型关系型数据库，可以严格定义农业气象业务数据所涉及气象、土壤和作物要素，采用C/S架构的客户端访问同一数据服务器，可保证数据访问的唯一性；针对不断拓展的农业气象业务领域和技术，采用基于.Net框架的插件编程技术可有效解决业务模块不断扩展的问题，同时各业务模块可采用相同规范的技术接口实现模块插拔；采用目前主流GIS的工业标准技术组件，可制作出国家级和省级一致性高、通用性好且符合国家地理制图规范的图形产品。

1 总体设计

1.1 系统流程

根据业务领域将现有农业气象业务分为农业气象监测评价、作物产量预报、灾害监测评估、农业病虫害气象等级预报、农用天气预报、生态气象监测评估、农业遥感监测和作物模型应用8个方面，同时考虑数据综合分析和产品加工制作两项通用功能，将CAgMSS划分为10个子系统。系统总体数据流框架见图1。各个子系统按照产品制作与传输流程划分为数据源、模型方法、专题图制作和目标用户4个阶段。①数据源：系统需要收集的数据来源包括国家气象信息中心MDSS[13-14]、CIMISS[15-16]、卫星遥感数据[17]、国家气象中心智能网格预报产品[18]以及GRAPES_GFS实时产品；根据数据的特点进行预处理后，将站点数据存储到农业气象综合分析数据库[19]。格点数据和卫星遥感数据按照农业气象相关规范以文件形式存储于网络磁盘阵列。②模型方法：采用统一的农业气象算法库封装如农业气象评价[20]、作物产量预报[21]、农业气象灾害监测预报[22]、农业遥感监测[23]等业务算法，利用插件方式加载至系统主框架，执行计算过程，计算结果存储于本地磁盘。③专题图制作：对业务模型运算输出的结果数据依据各种模板对各个产品数据进行符号配置和图层渲染，对空间统计的结果数据以数据表或者统计图输出。④目标用户：产品生成后业务人员对农业气象服务重点和热点问题进行分析，凝练服务主题，撰写服务材料，向CIMSS产品库、中国天气网、决策服务共享网和农业气象共享网等终端提供服务产品。

图1 CAgMSS总体数据流框架Fig.1 The general data flow chart of CAgMSS

1.2 系统总体架构

CAgMSS逻辑结构上可分为基础层、数据层、组件层和应用层4层(图2)，通过层间协同工作及层内业务处理实现整体业务体系的架构。基础层主要提供CAgMSS的开发运行环境，主要基础框架软件包括.Net开发框架、ArcGIS Engine空间分析组件、Developer Express桌面控件、Oracle数据库以及Quartz作业调度平台等。数据层主要处理来自国家气象信息中心基础数据库(MDSS和CIMI-SS)、国家卫星气象中心卫星遥感数据共享平台和国家气象中心智能网格气象预报数据和产品。农业气象观测以及基础地理信息数据等，则采用Oracle关系型数据库进行存储和管理。卫星遥感数据和智能网格气象预报产品数据采用文件方式存储，在逻辑上可以分为数据准备区、主数据存储区、临时工作区、农气产品区和运行管理区。组件层是CAgMSS的基础类库层，提供基础公用功能操作，供各业务子系统需要时调用，可以分为数据访问类库、GIS功能类库以及农业气象算法类库3部分。数据访问类库提供数据库和文件的读写操作，GIS功能类库实现数据的空间分析及空间操作，农业气象算法类库封装各项农业气象业务模块所涉及的模型和算法。应用层是CAgMSS与用户交互的业务操作平台,主要由用户界面、业务子系统部件组以及任务调度器与自动任务程序组成。其中业务子系统部件组包括农业气象数据分析应用、农业气象评价、作物产量预报、农业气象灾害监测预报、生态气象监测评估和农业气象服务产品制作等部件组。

图2 CAgMSS总体架构Fig.2 The general framework of CAgMSS

1.3 系统物理结构

CAgMSS采用Client/Server物理架构，分为客户端和服务器端。客户端是连接局域网的高性能图形工作站，可根据每个客户端的不同业务需求，对业务子系统如农业气象数据库分析应用、农业气象评价、作物产量预报、农业气象灾害监测预报、农林病虫害气象等级预报、农业遥感监测、生态气象监测评估等任意组合部署。服务器端设计数据库服务器、文件服务器以及后台应用服务器。数据库服务器主要部署操作系统Windows Server和Oracle数据库，提供地面气象、农业气象地理以及农业经济信息等数据支持。文件服务器与网络存储系统连接，主要提供文件共享服务，以及卫星遥感数据和智能网格预报产品等大文件数据。后台应用服务器部署总体框架软件包和后台自动运行程序，主要运行需要数据自动入库及需要自动生成的产品如每日土壤湿度产品和自动灾害监测产品等。

2 关键技术

CAgMSS作为一个实时农业气象业务运行系统，是综合现代信息技术和现代农业气象技术成果建设而成。当前农业气象业务服务工作主要包括农业气象监测评价、作物产量气象预报、农业气象灾害监测评估、农用天气预报、生态气象监测评估等，各项业务需要的输入数据、处理过程、结果表现形式不尽相同。为保证子系统及其模块的集成性、稳定性、先进性等，系统综合应用各项技术，实现主要业务子系统部件组的集成。

系统采用的主要信息技术包括：插件框架技术、大型关系型数据库应用技术和地理信息系统应用技术等。基于反射机制的插件框架技术实现各子系统及功能模块的统一集成，采用大型关系型数据库技术实现农业气象各类数据的统一管理和高效综合分析，地理信息系统技术提供各项业务所需要的基础地理信息服务、空间分析以及对矢量和栅格要素的渲染及制图。

系统采用的主要农业气象业务技术包括：农业气象数理统计、卫星遥感监测评估、作物模型模拟等。农业气象数理统计是农业气象业务的基础方法，主要建立作物特性与气象条件的关系；卫星遥感模型是基于卫星遥感观测到的光谱性质进行作物生长状况分析的方法；作物模型模拟是对作物生长过程进行生物物理化学过程的数学模拟，是通过作物机理模拟进行农业气象分析的方法。这3项技术是当前实现农业气象监测、评价、预报等业务的主要手段。利用各项技术综合集成来解决所面临的业务问题，已成为主要的技术发展趋势。系统中相关技术被封装成农业气象算法类库供各部分调用，各项业务则以插件方式作为一个部件组而存在。

2.1 系统采用的信息技术

2.1.1 基于反射机制的插件框架技术

插件是指遵循一定的接口规范、可以动态加载和运行的程序集，主程序利用反射机制动态地加载程序集，插件式框架通过插件配置信息来描述、组织插件信息，通过添加程序集(动态链接库)信息、插件定义描述信息，辅助系统组织和加载插件。因此，可以将各项业务设置为部件程序集，供主框架加载和运行，各个部件组只需要遵守一定的插件接口编程规范。这种方式避免了界面风格不统一、计算方法不一致、开发语言不一致及其导致的各个程序之间通用性差、无法复用的问题。系统考虑各业务程序之间的通用性、共用性、一致性，设计采用共同框架，采用宿主与插件的结构，所有程序共用宿主部分，程序的区分部分在插件。宿主程序能够调用插件对象，插件对象能够在宿主程序上实现自己的逻辑，两者的交互基于一种公共的通信契约。宿主程序可以独立于插件对象存在，通过增减插件或修改插件的方式增加或调整功能。

插件框架能够有效降低功能与对象管理逻辑之间的耦合程度。插件由插件应用程序框架、插件资源库、公共函数库和插件规范4部分组成。插件应用程序框架负责应用程序的整体运行，提供插件调用的入口，根据业务需求以反射机制调用具体插件，实现业务功能。插件资源库对应用程序所包含的所有插件进行集中管理，所包含的插件是完成实际功能的实体，实现了业务逻辑的插件接口。公共函数库是一组函数或者类，通常是一个独立的动态链接库(DLL)，应用程序框架和插件都可以调用。插件规范是对插件式的软件框架从标准规范层面提供支撑，包括对插件接口、插件设计开发、插件调用的一系列约束性规定。为减少各插件之间的耦合，每项业务插件所涉及的数据均来源于农业气象综合数据库，插件内部的业务逻辑通过调用公共的农业气象算法库实时加载实现。

CAgMSS选用C#实现了插件框架的开发，农业气象评价、作物产量预报、农业气象灾害监测预报、农用天气预报等子系统均基于此插件框架进行开发，其主界面见图3。系统主窗口容器为框架中的主窗口，添加的所有插件和展示内容都需加载到主窗口中运行。在主窗口的构造函数中，对主菜单、工具栏、状态栏、布局面板进行初始化加载，显示到主窗口中。系统主界面左下方为操作面板，用于执行用户参数配置或者接收用户操作讯息。右下方为视图面板，用于显示用户查询结果图表和图形产品的区域。用户插件的实现需要继承操作面板类以实现用户操作，继承视图面板以实现结果展现。系统实现了共享、共用、集约化的设计原则，具有良好的可扩展性，便于定制开发，定义了统一的接口开发规范，便于分工协作和方法复用，同时利用总体框架约束操作风格，保证界面和使用习惯的一致性。

图3 CAgMSS主界面Fig.3 The main user interface of CAgMSS

2.1.2 基于大型关系型数据库的数据管理和分析技术

农业气象业务数据是开展农业气象业务的基础。长期以来，由于农业气象观测与地面气象观测存在较大的差异，从观测方式、数据采样、数据传输均其特殊之处，农业气象观测数据的信息化工作难度大。系统采用大型关系型数据库替代了之前基于文件进行数据管理和分析的方式，实现了农业气象长时间序列数据高效分析和任意时间段的查询和统计分析，同时可以规范农业气象资料的存储和分析方式，实现各应用单位之间数据和方法共享，节约研发成本。本系统目前支持Oracle，SQL Server和MySQL 3种主流的关系型数据库。每张数据表均有主键，保证了每条数据记录的唯一性；对于巨量的数据表采用数据分区技术，提高了数据查询的效率；数据库采用了冷备份和热备份两种机制，可有效保障数据的安全性。

数据库表的内容和结构采用《农业气象数据库设计规范》[24]作为设计的技术标准。根据该标准，将农业气象业务数据分为地面气象数据、农业气象观测数据、农业经济统计信息和农业气象基础编码4类。

①地面气象数据包括实时地面气象要素、历史气象要素、气象预报要素等，其主要气象要素有平均气温、最高气温、最低气温、水汽压、风速、日照时数、本站气压、相对湿度、最小相对湿度、最大相对湿度、露点温度、总云量、低云量、0 cm地温、最高地温、最低地温、20:00—20:00降水量、08:00—08:00降水量、20:00—08:00降水量、08:00—20:00降水量、积雪深度等。

②农业气象观测数据包括作物生长发育、干物质与叶面积、灌浆速度、产量因素、产量结构、关键农事活动、县产量水平、土壤水文物理特性、动植物物候期、气象水文现象、牧草发育期、牧草生长高度、牧草产量、覆盖度及草层采食度、灌木半灌木密度、家畜膘情等级调查、农业气象灾害观测、农业气象灾害调查、牧草灾害、家畜灾害、土壤水分自动观测等。

③农业经济统计信息包括农业产量、农业生产背景等。

④农业气象基础编码表包括作物名称编码、牧草名称编码、草本木本植物及动物名称编码、灾害名称编码、气象水文现象编码、作物产量因素编码、作物产量结构编码、田间工作项目编码、作物发育期编码、物候期编码、地段类型编码、土层深度编码、土层状态编码、预计对产量的影响编码、畜牧灾害等级编码、草层状况评价编码、牧草采食度编码、家畜膘情等级编码、站点信息、地面天气现象编码等。

2.1.3 基于地理信息系统技术的空间分析

CAgMSS作为农业气象专用的业务系统，生产和制作符合气象行业要求的农业气象图形产品是其重要功能之一。在各类气象图形产品制作工具中，采用地理信息系统技术可完成整个产品的生产和制作，同时地理信息系统技术可对产品制作中的空间数据进行管理、分析等操作，其主要功能包括提供空间数据引擎、空间分析工具、气象符号库、产品模板管理和交互制图等。本系统采用的地理信息系统技术是ArcGIS提供的空间数据引擎ArcSDE和地理信息编程组件ArcEngine。

本系统的空间数据引擎支持GeoDatabase和Oracle Spatial两种方式，通过局域网提供客户端系统访问。支持常用气象数据MICAPS，ArcGIS和通用GIS数据的读取；统一采用Shp文件空间数据格式，实现空间数据与属性数据的一体化管理，支持外部数据库关联。本系统的重要特点是开发了对MICAPS数据的支持，包括1类、3类、4类、7类、8类、14类数据可以转换成矢量或栅格数据进行分析。同时支持多种GIS常用数据格式(如SHP，CSV，DBF，DLG，MIF，TAB等)接入与转换。

本系统集成的空间分析功能，包括空间数据编辑、空间插值、缓冲区分析、坡度坡向计算、叠加分析、等值线计算、空间统计等。

地理信息系统的数据制图技术是本系统主要的产品加工制作方法，包括模板管理、专题图制作、打印输出等。模板管理包括对工作模板(MXD文档)进行新建、保存及删除操作，专业产品模板存储在数据库系统中，利于各个子系统调用。专题图制作实现对农业气象情报、预报、评估等各类产品进行加工，包括基本的符号化配置(图例、比例尺、标题、注记等)及图饰添加、栅格数据灰度值分类、色标定义、统计分析图表制作等。专题图打印输出是将选定范围内的地图以GIF，JPG，BMP，TIFF等图片格式输出，输出时需要控制栅格图片的分辨率、背景色、透明度等参数。

2.2 系统采用的农业气象业务技术

系统采用的农业气象业务技术主要包括农业气象数理统计、卫星遥感监测评估和作物生长模型模拟，主要以农业气象算法库(动态链接库)、Oracle函数和存储过程等方式进行集成。

2.2.1 农业气象数理统计技术

数理统计是目前农业气象科研和业务中应用最广泛的方法。在农业气象业务中比较常用的统计方法包括统计特征量分析、假设检验、回归分析、相关分析、聚类分析等。统计方法可以表达和寻找事物的基本特征、事物变化的主要因素和自身规律，是实现农业气象业务定量化的重要手段[25-26]，农业气象数理统计是本系统重要的技术基础。本系统以动态链接库方式集成了农业气象数据统计方法包括统计特征量、随机变量及其概率分布函数、聚类分析、回归分析等。

本系统集成的统计特征量计算方法包括平均值、极端值、较差、变率、均方差、变差系统、偏态系数等。系统中最常用的统计量有年、季、月、旬以及任意时间段的平均气温、平均最高气温、平均最低气温、极值最高气温、极值最低气温、高温日数、低温日数、日照时数、累积降水量、降雨日数、暴雨日数、积雪日数、霜冻日数、平均风速、最大风速、平均风向、盛行风向、大风日数等。同时，系统支持农业气象业务中常用的稳定通过0℃，5℃，10℃，12℃，15℃等界限温度的日期、日数、积温、负积温、日照时数、降水量等特征量。

2.2.2 卫星遥感监测评估技术

风云系列气象卫星从试验卫星进入业务监测卫星的行列，其时空分辨率和数据成像质量均有较大提高，为开展农业遥感监测业务提供了重要支撑。本系统以风云气象卫星作为数据源，采用动态链接库方式集成了主流的作物长势监测的方法和干旱遥感方法。长势监测方法主要包括直接监测法、同期对比法和作物生长过程监测法。干旱遥感监测指数包括VCI，TCI，VWSI，TVDI等。系统通过访问国家卫星气象中心共享云盘，实现卫星遥感观测数据的访问，主要包括植被指数、陆表温度和微波土壤湿度等产品。

2.2.3 作物生长模型模拟技术

作物生长模型是从以光、温、水、土壤等条件为环境驱动变量，运用数学物理方法和计算机技术，对作物生育期内光合、呼吸、蒸腾等重要生理生态过程及其与气象、土壤等环境条件以及耕作、灌溉、施肥等技术条件的关系进行定量描述和预测，再现农作物生长发育及产量形成过程。本系统以可执行文件和动态链接库方式集成了WOFOST，APSIM和WheatSM等作物生长模拟模型，融合了农业气象观测和土壤水分自动站数据，并针对冬小麦、玉米、水稻等作物进行了参数本地化调试、模型适应性调整和区域化应用，目前系统输出结果主要用于在农业气象评价、作物产量预报和灾害影响评估等方面。

3 农业气象业务系统集成与应用

CAgMSS自2010年开始建设，2012年投入业务运行，不断增加补充完善各个子系统和模块。系统以插件方式定义了数据综合分析、农业气象评价、作物产量预报、灾害监测评估、农林病虫害气象等级预报、农用天气预报、生态气象监测评估、农业遥感监测、作物模型应用和图形产品制作共10个部件组，实现了数据采集管理、业务模型分析运算以及监测评估预报产品制作等业务的一体化，显著提高了工作效率，成为提升气象为农服务产品精细化、自动化的重要支撑。基于该系统制作的农业气象情报、作物产量气象预报、国外农业气象条件监测、关键农时农事气象服务、农业气象灾害影响评估等一批高质量的服务产品，在指导全国农业生产和农业防灾减灾中发挥了重要作用，2012年在14个冬小麦主产省进行部署并开展业务应用。2015—2018年全国31个省(区、市)利用该系统开展农业干旱互动订正、作物产量预报、作物模型应用等业务工作。

3.1 农业气象监测评价

农业气象监测评价主要包括农作物生长状况估、土壤水分以及气象条件等方面的监测评估，是开展农业气象业务的基础性工作。本系统以插件方式定义了农业气象监测评价部件组，实现了CIMISS地面气象观测数据、土壤水分观测数据、农业气象观测数据与产品加工制作方法的集成，实现了一键式产品制作。

农作物生长状况是最基本的农业气象监测信息，是掌握全国农情的第一要素。对农作物生长状况的监测主要基于农业气象观测站进行。目前全国653个农业气象观测站开展作物生长状况观测，主要观测要素包括作物发育期、高度、密度、苗情等。作物生长状况评估，主要采用发育期实况及距平或苗情统计方法。根据农业气象观测站空间分布特点，CAgMSS农作物生长状况监测产品采用空间离散点方式进行作物基于农业气象观测站的监测数据每周定期制作，是农业气象情报产品中最基本的组成部分(作物发育期产品见图4a，作物生长状况监测产品见图4b)。

对于大尺度范围作物生长状况的面上监测，本系统采用卫星遥感监测。系统集成了植被指数绝对值(图5a)和与上年对比值(图5b)两种方法。卫星遥感监测手段扩展了监测的空间范围，实现了区域监测，与地面作物观测系统观测结果相互补充、互相验证。

土壤水分状况是开展农业气象监测的另一个重要要素。土壤水分直接决定着作物的蒸腾作用，对作物生长产生直接影响。CAgMSS土壤水分监测产品，是基于全国2000余个土壤水分自动站数据研发，采用反距离权重空间插值产生，主要产品包括10 cm，20 cm，30 cm，40 cm和50 cm土壤相对湿度。目前系统实现了数据访问、土壤水分质量控制方法、空间插值方法和产品制作的集成，可逐日自动出图。其中集成的土壤水分质量控制方法主要包括界限值检验、垂直一致检验、时间一致性检验等，标记不可用站点，剔除不可用站点数据。对质量控制后的可用站点数据进行空间插值分析，使用土地利用图去除掉沙漠和裸岩地区，通过调用GIS制图引擎完成空间图形产品制作。从质量控制后的土壤水分结果能够比较客观地反映土壤干湿情况(图6)。

图4 作物生长发育监测产品 (a)作物发育期产品，(b)作物生长状况监测产品Fig.4 Site monitoring products of crop growth (a)the crop development stage monitoring，(b)the crop growth condition monitoring

图5 作物生长遥感监测产品(a)农作物植被指数监测，(b)农作物植被指数与上年对比监测Fig.5 Remote sensing monitoring products of crop growth(a)NDVI over crop planting area，(b)NDVI difference compared to last year over crop planting area

图6 土壤水分自动站监测产品Fig.6 Soil moisture monitoring products with data from automatic observation sites

气象条件监测评估是农业气象监测评估的重要内容。作物生长受到气温、降水、日照等多种气象因素的影响，CAgMSS气象条件监测评估产品基于2400个国家气象观测站数据研发。目前应用最多监测评估方法是距平法，周尺度产品如气温距平、降水距平百分率、日照距平百分率等，由CAgMSS自动作业系统定时生成。

近年来，为综合定量评价光、温、水等气象因子对农作物不同阶段生长发育的影响, 建立相应的温度、水分、日照的综合气候适宜度，定量评价作物生长气象条件适宜程度(图7)。

图7 作物生长综合气候适宜度Fig.7 The integrated crop growth climate suitability

3.2 农作物产量气象预报

农作物产量预报是我国基础的农业气象业务服务工作，主要基于作物生长过程与气象条件之间的相互关系，构建数学模型预报作物的产量。目前CAgMSS定义了农作物产量气象预报部件组，实现了气象观测数据、产量预报模型和结果产品的集成。系统采用的气象统计方法主要包括历史年丰歉指数法、关键因子法和气候适宜度法，以及通过3种方法加权平均建立的作物产量气象统计预报综合模型。采用面矢量要素分级进行图形显示并输出预报表格产品见图8。

图8 作物单产增减趋势Fig.8 The trend of increase or decrease in crop yield

3.3 农业气象灾害监测预报

农业气象灾害是影响农业生产的重要因素，对于农业气象灾害的监测预报一直是农业气象业务服务的重点工作。目前CAgMSS已经实现了农业干旱、渍涝、低温冷害、霜冻、寒害、冻害、低温阴雨、寒露风、干热风、高温热害等主要农业气象灾害监测预报，在我国农业气象防灾减灾决策服务中发挥了重要作用。农业气象灾害监测评估通常包括指标判识、数理统计、遥感监测和实地调查等方法，目前指标判识是最主要的监测评估方法，我国的农业气象灾害指标均有相关的国家标准和行业标准发布。农业气象灾害预报是利用城镇天气预报或者智能网格气象预报产品(如气温、降水、湿度、风速)和作物受灾指标相结合，对灾害性天气进行预报。由于单一指标或单一模型往往具有局限性, 需要采用多种指标、多模型进行综合集成判别, 才能取得较好的效果。以农业干旱为例, CAgMSS实现了土壤相对湿度、作物水分亏缺距平指数、卫星遥感、降水距平等多种监测指标的综合集成，实现了逐日滚动的综合监测产品制作(图9)。目前随着5 km水平分辨率智能网格预报技术的发展，CAgMSS实现了干旱指标与智能网格预报产品的集成，制作了5 km水平分辨率农业气象灾害预报产品，提高了产品的精细化程度。

3.4 农用天气预报

农用天气是指从农业生产角度分析、考虑和应用的天气, 着重强调对农业生产活动和作物生长影响较大的天气现象或天气过程。我国农业生产中经常出现的主要农用天气类型包括冬春季节的农作物越冬天气、春耕春播季节的播种育秧天气、夏收连阴雨天气、夏季干热风和伏旱天气、秋风秋雨和寒露风天气等。农用天气预报是根据当地农业生产过程中作物生长发育、各主要农事活动以及相关技术措施对天气条件的需要而编发的针对性较强的专业气象预报，是为服务于关键农时农事活动而开展的一项新的业务工作。CAgMSS采用多页面方式按照农事活动的顺序集成了主要大宗作物播种、灌溉、收获等主要生产活动过程天气适宜程度预报方法，为我国春耕春播、夏收夏种、秋收秋种等全国范围内的重点农时农事活动提供了准确、即时的气象服务产品，春玉米播种气象适宜度预报产品见图10a，春玉米收获气象适宜度预报产品见图10b。

图9 农业干旱综合监测产品Fig.9 The integrated index product for agricultural drought monitoring

图10 关键农事活动气象适宜度预报(a)春玉米播种气象适宜度预报产品，(b)春玉米收获气象适宜度预报产品Fig.10 The weather suitability forecast for key agricultural activities(a)the forecast for spring maize sowing，(b)the forecast for spring maize harvest

续图10

4 结论与讨论

CAgMSS自2012年投入业务以来，稳定运行7年，在系统支持下，每年制作近千期业务服务产品，明显提高了业务工作的效率，这些产品在决策服务和公众服务中发挥了显著的作用。总体而言，CAgMSS采用当前比较先进的信息技术和农业气象业务技术相结合解决了农业气象业务发展的关键性技术问题，主要包括：

1) 采用大型关系型数据库规范了农业气象业务应用的各类数据，解决了长期以来困扰农业气象业务应用的数据种类多、内容杂等问题，为农业气象数据的采集、管理和应用打下良好基础。

2) 采用基于反射机制的插件式技术框架，易于集成各业务功能，提高了软件的复用率，实现了业务平台集约化的设计理念；采用地理信息系统技术，解决了基础地图引擎、农业气象空间分析、产品加工制作等问题，使农业气象业务服务产品制图符合国家相关测绘技术标准和行业规范。

3) 系统集成了农业气象数理统计、卫星遥感监测和作物模型模拟等现代农业气象业务的关键性技术，实现了多元数据、多指标、多模型在农业气象评价、农作物产量气象预报、农业气象灾害监测预报、农用天气预报等领域的综合应用，提高了农业气象产品的定量化、精细化、客观化水平。

随着大数据、云计算、人工智能等信息技术的发展以及智慧气象服务等概念的提出，业务系统自动化、智能化、网络化等新的需求不断涌现。目前基于集中式关系型数据库(如Oracle)和大型空间分析引擎(如ArcGIS)的技术架构需要重新审视，集中式数据库虽然内部集成了大量的数据分析功能，给业务分析带来了便利，但数据服务全部集中于中心服务器，如果备份方案不完善，将给数据安全带来较大隐患；大型地理信息空间分析引擎尽管功能强大，但属于商业软件，产品价格高，在推广过程中用户需承担相应经济成本，而栅格数据处理效率较低，产品制作时间较长，影响用户体验。因此，如何与最新信息技术相结合，利用开源框架，解决现有农业气象业务平台在数据安全、海量数据快速处理和多元数据融合智能分析等方面能力不足的问题，将成为今后CAgMSS发展的方向。目前基于HDFS的分布式数据库技术为解决数据安全问题提供了解决方案，同时基于SPARK框架的大数据量快速计算技术也为海量数据处理提供了新的技术思路。这些技术如何与农业气象业务相结合，是今后CAgMSS需要探索的方向。另外，基于作物实景观测的作物生长状况自动识别技术、作物模型模拟与专家决策支持系统技术、农业气象大数据挖掘与深度学习技术，将成为未来支撑农业气象服务的关键性业务技术。在新的信息技术和业务技术条件下，CAgMSS如何实现系统运行自动化、核心技术智能化、业务服务智慧化，将成为未来一段时间内需要重点研究的内容。