陈晨
云南省耿马傣族佤族自治县气象局 677599
摘要：随着大数据时代的悄然来临，各行各业对气象信息的需求越来越大，气象服务领域也不例外。对于气象部门而言，气象大数据的应用能够提供多种气象服务，包括科研服务、气象部门内部业务服务以及气象公共服务等等。在大数据时代下，气象服务既面临着机遇，又面临着挑战。如何在大数据时代背景下，做好气象服务是一项值得深入分析的问题。本文通过对大数据的概况及特征进行了介绍，分析了大数据时代背景下的气象服务现状，并结合气象大数据的特征，对大数据在气象服务中的应用进行了深入分析，仅供参考。
关键词：大数据；气象服务；应用
1.大数据的概况及特征
大数据是指“无法用现有的软件工具提取、存储、搜素、共享、分析和处理的海量的、复杂的数据集合。”大数据通常包括4个特征。即第一，是数据体量巨大。截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上全人类说过的所有的话的数据量大约是5EB。当前，典型个人计算机硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。二是数据类型繁多。这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高的要求。三是价值密度低。价值密度的高低与数据总量的大小成反比。以视频为例，一部1小时的视频，在连续不间断的监控中，有用的数据可能仅有一二秒。如何通过强大的机器算法更迅速地完成数据的价值“提纯”成为目前大数据背景下待解决的难题。四是处理速度快。这是大数据区分于传统数据挖掘的最显著的特征。根据IDC的“数字宇宙”的报告，预计到2021年，全球数据的使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。
2.气象大数据特征分析
气象行业累积海量的数据，数据体量目前已超过10PB，具备大数据的海量特征（Volume）；气象及气象敏感行业的数据种类繁多，具有大数据的多样性（Varity）；气象数据采集过程从逐天逐时甚至逐秒发生，具备大数据的更新的高速性（Velocity）；在气象防灾减灾救灾领域，气象数据价值往往随着预警效用随时间呈断崖式下跌，必须第一时间实现“气象+”影响的价值性（Value）挖掘，需要发展融合应用技术。因此，在满足大数据4V特征的条件下，如何高效地存储、处理气象大数据已经成为急需解决的问题。
3.大数据时代背景下的气象服务现状
随着现代社会的快速发展，各行各业对天气的依赖程度越来越高，气象服务工作所面临的工作量日益增大，大量数据及信息处理成为现阶段气象工作人员面临的主要问题，并且一般数据库也无法满足大量数据信息分析需求，也导致最终决策服务水平不高。想要进一步提高气象服务工作水平，就需要充分利用大数据时代先进的科学技术，实现气象服务模式创新升级，推动气象信息化进程。目前，气象部门提供的服务来源于多年形成的传统思维习惯和自身固有的基础条件，缺乏的反馈机制来收集和整理公众的意见。因此，在大数据时代背景下，气象服务要为用户提供多元化的服务渠道，还需要进行信息咨询和意见反馈，从而不断为完善和改进气象服务提供决策依据。同时，气象服务要习惯从用户的思维看问题，为用户带来更多的实用价值。
4.大数据在气象服务中的应用
4.1气候云端
对于大数据而言，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要条件。
气象云端包括有传统的程序、系统、模型控制气候信息，还包括云端申请的技术服务。云端申请服务可以满足多种气候服务需求，能够快速地通过组织计算，测定气候资源的服务特性，从而得出结论。除此以外，云计算的数据存储在终端数据中，其后续数据管理，气候资源也不会干扰其他云端计算模型。当灾害性天气气候出现时，气候云端就会在第一时间发出预警信号，利用卫星进行灾害定位，使气象部门可以尽快地做出应对方案，保障人民群众的生命财产安全。
4.2预报预测
人们在谈论大数据的采集、存储和挖掘时，最常见的应用案例便是预测股市、预测流感、预测消费者行为，无疑，预测性分析是大数据最核心的功能。传统的数据分析挖掘在做相似的事情，只不过效率会低一些或者说挖据的深度、广度和精度不够。大数据预测则是基于大数据和预测模型去预测未来某件事情的概率，让分析从已经发生的过去转向即将发生的未来是大数据与传统数据分析的最大不同。预报预测的准确率，一直都是气象部门长期坚持的工作要求。我们的日常生活中离不开气象天气预报，天气预报为我们的生活提供了很大的便利。准确地预报天气现象的发生，尽可能精确天气预报的时间、地点和强度，是气象部门的主要目标之一。
4.3防灾减灾
在大数据观点中，预测是核心，而防灾是应对灾害的重中之重。在气象防灾减灾工作中，气象预警的确定，需要非常复杂的气象数据的分析，综合地形、地貌等数据，及预报人员自身的经验分析。大数据在灾害损失统计的有效性方面作用也日益凸显，可以避免灾情信息采集不畅通、重复计算、浪费计算能力等现象。防灾减灾综合联动平台通过大数据分析，进一步完善灾害风险区划及致灾临界指标，提高灾害预警能力，完成了由注重灾后救助向注重灾前预防的转变，从应对单一灾种向综合减灾转变，从减少灾害损失向减轻灾害风险转变。
4.4农业生产
随着大数据时代的来临，大数据已经贯穿了整个农业产业链，涉及到的数据多而复杂，如种子、土地、气象、环境、土壤、农药、化肥、农产品加工、物流、经营等，人们通过整合利用这些数据优化了农业产业链，进一步提升农业发展水平。现如今，大数据在农业中的应用已不局限于对农业数据的收集与传输，而是延伸到了运用大数据加速作物育种，以大数据作为驱动实现精准的农业操作，在大数据的支持下追溯农产品的来源，以及优化产业链等。与其他行业相比，农业更为复杂，因为它会受到多种因素的影响，这些因素包括人类活动、气候、土壤、种子等。大数据的应用，可以促进农业生产规避这些因素带来的不利影响，减少损失，提高生产质量。目前，除了上游借用大数据提高生产质量以外，下游的农业也通过大数据实现经营管理的整合优化，提高农业在市场流通中的效益。由此可以看出，大数据在农业生产领域中的应用，可以节约农产品资源、增加农产品流通率，促进农业生产力发展，有利于实现农业的可持续发展。
结语
现如今，大数据已经渗透到了气象服务领域中来，给气象服务工作带来了诸多挑战，同时也带来了许多的机遇。因此，气象服务部门在实现气象大数据的过程中，需要建立双方及多方的信息基础环境进行数据融合，积极探索大数据在气象服务中的应用，将有助于突破现有的服务瓶颈，开拓气象服务新思路，提升服务能力，达到社会和经济双赢。
参考文献
[1]崔巍. 大数据在气象服务中的应用与分析[J]. 低碳世界, 2016, 000(026):121-122.
[2]杨声. 大数据在气象服务中的应用与分析[J]. 经济管理(全文版):00058-00058.
[3]张巍. 大数据在气象服务中的研究与应用[J]. 计算机光盘软件与应用, 2014, 000(018):27-28.
[4]贾良. 大数据在气象服务中的研究与应用[J]. 科研, 2016(12):00195-00195.
[5]陈贞宏, 杨益, 李杨,等. 大数据在气象服务中的应用[J]. 数字化用户, 2018, 24(009):28.
作者简介：陈晨（1993-）女，拉祜云南省，临沧市双江县人，本科学历，助理工程师，从事气象观测预报、气象服务工作。