文档介绍：天气预报分析型数据模型构建
摘要：借助于分析型数据可以提升预报人员对海量数据信息的分析能力，是数 据仓库技术中的核心，是确保数据仓库在气象领域中充分应用的基础。本文分别 从天气预报分析型数据概念模型、聚集变换的类型和基本天气系统识别三个方在对气象数据进行分析时****惯将其分解为大、中、小 不同尺度的运动。在通用的地理信息系统数据模型中基本忽略了这四点，但也不 能套用现有的地理信息系统数据模型，可以在现有的基础上，将气象数据的特殊 性考虑进去。
在地理信息系统数据模型中，对空间数据概念模型进行描述时主要包含有网 络模型、对象模型和场模型。其中描述空间连续分布的量是场模型，例如气象数 据就包含有二维场和三维场，在天气预报业务中二维场使用频次最高。另外，二 维场包含有不规则分布点模型、规则矩形区模型两种类型；对象模型又称为要素 模型，是将空间中的实体作为独立对象。根据空间特征可以将其划分为点、线、 面、体等对象，每个对象的属性描述各不相同。天气分析中的各种天气系统就是 对象模型，需要注意的是，在预报业务中不存在现成的天气系统数据，需要经过 自动识别，并借助于业务场数据和空间对象特征，才能识别出天气系统；网络模 型是借助于路径将多个空间对象连通成河网、电网、路网等网络模型，进而形成 气象服务中常用模型。预报人员在对天气系统进行过分析识别时需要借助于业务 环境提供的二维数据场进行。将天气系统移动、变化及其同局地天气之间的关系 进行结合，预测未来天气变化情况。因此，天气预报中所需的分析型数据应选择 二维识别的天气系统空间对象模型作为概念模型。
2、 聚集变换的类型
在对空间固定区域的场数据进行统计的过程中，可以将该空间区域定义为一 个空间对象，其数据空间属性集合不会随着时间的变化而发生变化，这种类型的 数据在统计属性或谱属性中最为常见。是用来表示预报量、预报关键区或指标类 的内容。例如24h降水量、2m温度、10m风向风速等统计，谱属性可以对某地 的降水场、风场分布等谱特征进行过描述。区域面积小的应以统计属性为主，反 之应以谱属性为主。将给定区域面积或谱展开保留的阶数来确定数据粒度。
可以划分若干个场且互不重叠。例如对规则地按照经纬度每间隔几度进行划 分，网格点每间隔几个格点划分；还可以按照山区、平原、城市等进行划分。规 则的划分统计可以将不同尺度的运动反映出来，粒度的确定同固定区域统计相似。
对于部分天气系统来说，很难通过单一的场数据中识别，此时需要结合多个 基本天气系统逻辑组合。所谓的天气学概念模型主要是指一组满足一定空间关系 的基本天气系统的逻辑组合。这里的天气学概念模型主要是识别复杂天气系统的 静态识别。例如，在识别锋线时需要建立起相关的天气学概念模型，通过识别该 模型来完成。在确定概念模型粒度时也是如此，可以结合概念模型中使用的场数 据尺度或规则满足的隶属度。若概念模型的基本天气系统中有很多不同的粒度， 此时概念模型的粒度应选取最粗的粒度。
3、 基本天气系统的识别
这里的基本天气系统主要是指单一要素标量场的特征点、线、面对象。天气 预报分析中，特征点通常取极值中心，线对象则是槽、脊线，面对象则是高值区、 低值区。大部分的天气系统都可以用基本天气系统表示或经过预