强对流天气具有突发性、局地性、生命周期短、影响大等显著特点，一直是天气预报业务中的难点。为了提升强对流天气的预报服务能力，不同国家和地区已经开发了多个对流风暴和降水短时临近预报系统^[1]。美国国家大气科学研究中心发展了ANC(auto-nowcaster)系统进行短时临近预报^[2]，该系统使用基于雷达观测的TITAN (thunderstorm identification, tracking, analysis and nowcasting)算法进行对流风暴的识别、追踪和临近预报，并使用回波运动矢量实现降水临近预报。在我国，北京市气象局引进并建设短时临近预报系统(BJ-ANC)^[3]；中国香港天文台建设“小涡旋”SWIRL系统(Short-range Warning of Intense Rainstorms in Loaclized Systems)进行回波、降水、闪电等短时临近预报^[4]；湖北省气象局建设了长江中游临近预报业务系统MYNOS(Nowcasting & warning Operational System in Middle Yangtze River)，该系统实时生成的流域定量降水估算与临近预报、强对流天气分类潜势诊断与识别预警产品等成为日常预报业务的重要参考依据^[5-6]。

近年来，随着强对流天气预报技术、综合多源数据的监测技术和高分辨率数值模式的快速发展及短时天气预报、分类强对流预报需求不断增长，多源观测数据和高分辨率数值模式融合的短时临近系统逐渐开始发展。其中，奥地利国家气象局研发的INCA(Integrated Nowcasting through Comprehensive Analysis)系统，使用地面观测站和雷达、卫星、下垫面信息等其他数据进行精细化融合分析后，结合线性外推技术和数值预报结果提供0~6 h天气预报(温度、风、湿度、降水)和逐小时快速更新产品。美国NCAR研发的FINECAST(Fine-Scale Analysis and Nowcast System)是以WRF模式(Weather Research and Forecasting Model)为基础的短时临近预报系统，其核心技术是对流尺度下的四维变分同化系统，可以提供高分辨率的气象要素分析场、三维风暴结构和逐10 min的短时临近预报产品。

中国气象局于2008年启动建设具有我国自主知识产权的强对流天气短时临近预报系统。SWAN系统侧重于实时性和时效性，支持台站将气象预报和服务从传统的中期、短期扩展到短时临近的实时监测和强对流天气预报上。SWAN以雷达观测数据和自动气象站数据为基础，提供三维雷达拼图、自动气象站实况、降水估测等监测产品以及基于交叉相关法运动矢量和风暴识别技术的临近预报产品。SWAN系统历时8年发展，期间发布了SWAN1.0，SWAN1.5，SWAN山洪版，SWAN1.6等多个版本，已经在全国大多数省级气象台投入业务应用，并在2010年上海世界博览会和2009年第十一届全国运动会的气象保障工作中发挥了重要作用^[7-10]。

中国气象局在2016年推出MICPAS(Meteorological Information Comprehensive Analysis and Processing System, 人机交互气象信息处理和天气预报制作系统)第4版^[11]，将先进信息技术与现代天气预报技术紧密结合，采用微内核开放式系统架构、高级绘图引擎等技术，显著提高了系统对于高分辨率气象数据的应用能力。SWAN2.0是SWAN系统的最新版本，基于MICAPS4二次开发框架进行设计开发，切合短时临近预报业务的新需求，引入数值模式产品的显示分析^[12]、基于雷达观测的分类强对流识别和风场反演产品等，并改善SWAN原有版本的应用问题，如报警资料的应用不灵活、缺乏有效的预警信息联动机制等问题。

SWAN2.0是集短时临近监测、分析、预报、预警制作等为一体的业务平台。在整体结构设计之初，考虑到预报员在应对突发性、局地性、生命周期短的强对流天气时，往往分析数据时间有限，SWAN2.0系统需要具备多种数据快速收集和加工、短时临近产品的综合显示、预警制作等功能。图 1为SWAN2.0的系统结构。

图1

图1 SWAN2.0系统结构 Fig.1 Framework of SWAN2.0

数据层是平台的数据服务系统，有利于数据的快速访问和统一维护。数据层存储观测数据和SWAN2.0短时临近预报产品，如雷达基数据、自动气象站数据、闪电观测、雷达拼图、临近预报产品等。

应用层是数据处理加工部分，从数据服务器获得海量观测数据，组织算法流程，定时运行短时临近算法，生成SWAN2.0产品。应用层的核心是SWAN应用服务器，由基本系统和外接扩展程序组成。基本系统负责整个系统的基本运行，外接扩展程序用来扩展基本系统的功能，主要包括短时临近算法的扩展。

表现层是预报员在工作平台上操作的终端，即SWAN2.0客户端。预报员可以借助客户端进行短时临近天气监视、分析、制作等具体的业务工作。

SWAN2.0通过应用服务器实现短时临近算法的管理调度。应用服务器的核心是触发器和线程之间的控制。基本系统启动后将触发器和线程相连接，当触发器满足条件时，向对应的线程发出唤醒信号，使线程运行一次，线程运行完后再次进入休眠，等待下一次信号。

客户端支持短时临近预报和监测产品的显示分析和自动监控。包括雷达反射率因子三维拼图、组合反射率因子、回波顶高、风暴识别、自动气象站、闪电定位仪等实况产品，TITAN外推、逐小时降水预报、SCIT(Storm Cell Identification and Tracking)等临近预报产品和ECMWF细网格产品、GRAPES_Meso产品等。产品显示方式包括站点填图、等值线、色斑图、风向标等。此外，针对不同数据，设计了相应的分析、统计工具，如雷达反射率因子剖面制作工具、雷达面雨量统计工具、自动气象站时序图等。

客户端支持报警产品的监控和显示分析，实现雷达反射率因子报警、雷达特征量报警、降水量、极大风等自动气象站要素、上级单位制作的预警信号等产品的自动监视和报警提示。客户端收到报警系统的报警产品之后，以闪烁图标、警报声音和新报警提示等方式提醒预报员。在报警产品的交互操作方面，增加了对于报警产品的区域过滤，以适应省市县3级部署时，关注不同区域的需求。还增加了报警产品的详情拾取，列表等交互工具，并通过消息队列设计，打通报警模块和其余业务模块之间的通信通道，支持根据报警产品自动生成预警信号产品。

设计了基于交互落区的预警信号、分类强对流落区预报的快速制作与发布。实现预警信号的制作、签发、更新和撤销业务流程，提供落区图片产品、格点预警信号产品和文字产品等多种服务产品。产品生成同时，GIS(Geographic Information System，地理信息系统)组件识别落区所在行政区划，通过部署在应用服务器上的消息队列实现预警联动。

图 2为SWAN2.0的主要算法结构图。目前SWAN2.0的数据源主要有雷达基数据、自动气象站数据、闪电数据、多普勒天气天气雷达产品(下文简称雷达产品)和探空数据，产品种类分为实况监测产品、临近预报产品和报警产品。

图2

图2 SWAN2.0算法结构 Fig.2 The algorithm structure of SWAN2.0

雷达基数据的质量控制是雷达数据进行客观应用前的重要步骤。SWAN采用吴涛等^[13]提出的质量控制算法去除孤立噪声和地物回波，并利用模糊逻辑对雷达回波特征量进行建模，得到超折射回波识别指数，去除超折射回波。

SWAN2.0的临近预报产品分为两类：外推临近预报和风暴追踪。外推临近预报算法由广东省气象台开发，以基于交叉相关法的回波移动矢量^[14]作为运动矢量，对组网拼图产品进行0~1 h的外推预报。回波运动矢量技术通过对外推后的回波增加水平无辐散的约束条件的方法，使外推后的回波预报保持平滑连续的形状，对范围较大、连续性降水有较好的预报能力。在自动识别风暴基础上，通过回波运动矢量和风暴时序追踪方法生成SCIT^[15]和TITAN^[16-18]产品，对风暴未来的移动位置进行预报。对于强度较强、演变较快的风暴单体，比外推法有更好的预报效果。在实际业务中也需要将两种预报产品结合应用。

基于SWAN2.0的三维变分风场反演方法^[19]由中国气象科学研究院开发。该算法采用Qiu等^[20]提出的两步变分法，并在两部雷达共同观测区域内使用Shao等^[21]提出的方法，充分利用两部雷达的观测数据进行风场反演。反演产品的水平分辨率可以达到0.04°并可包含10个可配置的垂直层次。与SWAN2.0中基于交叉相关法的回波运动矢量相比，三维变分风场反演在原理上有明显差异，产品分辨率也有大幅提升，对于预报员分析强对流天气过程中的动力因素有一定参考意义。

为解决雷达降水估测算法的适用性问题，SWAN2.0增加了分雨团降水估测产品，该算法由中国气象局武汉暴雨研究所开发。分雨团估测降水，首先需要对1 h内雷达回波进行积分，获得小时等效反射率因子；利用小时雷达等效反射率因子和雨量计数据进行分雨团拟合，确定不同雨团的降水效率。再利用该降水效率将雷达小时等效反射率因子转换为格点降水量。与传统QPE(quantity precipitation estimation, 定量降水估测)算法相比，分雨团QPE算法在降水超过20 mm/h时的短时强降水天气过程中，有较好的参考价值。

基于SWAN2.0的冰雹算法由江苏省气象科学研究所开发^[22]，使用的数据为SWAN2.0三维反射率因子拼图产品。算法主要包括二维风暴分量组合、三维风暴体确定及冰雹参数计算等4个部分，在冰雹识别的过程中采用幂指数拟合来对冰雹尺寸进行优化^[23]，针对SWAN2.0雷达拼图的超折射虚假回波，采用垂直梯度法进行进一步质控。算法生成的产品包括冰雹概率、强冰雹概率、冰雹尺寸、移动速度、移动方向。SWAN2.0应用时，将冰雹识别结果和多普勒天气雷达产品中风暴结构产品、风暴追踪产品、中气旋识别产品和龙卷识别产品通过地理信息进行融合处理，形成融合后的雷达特征量列表，预报员可通过一条特征量报警，全面了解强对流风暴在不同识别算法中的识别结果。

在SWAN2.0的业务流程中，需要大量的信息在数据模块和功能模块中进行传递。如自动监控模块和数据解码显示模块之间的消息传递；预警联动设计中，预警消息的传递；预警信息自动生成中，报警信息的传递等。

SWAN2.0客户端采用具有普适性的消息队列组件处理功能模块之间的耦合问题。消息队列组件不需要考虑上层的功能设计，只进行消息的收集和分发，上层不同的功能模块依赖消息队列所定义的规范进行通信。

为使功能模块可灵活获取各种消息，SWAN2.0服务器设计定义了3种消息类型：产品消息、时间消息和模块消息，并通过路由关键字实现消息点对点的定向发送。产品消息一般是产品的检索请求，时间消息是SWAN2.0检索时间发生变化之后触发的消息, 模块消息则是高自由度的自定义消息，只有消息的生成者和接受者知道该消息的解析方式，如预警信号联动和预警信息自动生成。

报警功能是短时临近业务的核心功能之一。SWAN2.0报警系统采用实时工作模式，即报警监控一直保持开启状态。在报警产品过滤方面，增加了区域过滤、时间过滤和重复报警过滤。区域过滤器是将当前客户端的关注区域作为报警落区的过滤范围，以适应省市县3级一体化部署时，不同气象台站的关注区域不同的需求。时间过滤器是对由于网络或者数据原因而导致的延迟报警产品进行过滤。重复过滤器是解决累积量的报警要素(如降水量)会持续出现一段时间的重复报警问题。

SWAN2.0报警系统采用分层结构设计(图 3)。针对不同种类的报警产品，采用面向对象的设计思路，建立统一的报警对象对报警产品进行缓存，方便报警产品和前台界面的交互操作，具有易维护、易扩展、效率高等特点。采用管道-过滤器模型过滤报警产品。管道中的节点，由报警产品的一条过滤规则构成。最终将通过管道过滤器模型的报警产品渲染到地图上。管道-过滤器结构具有高内聚、低耦合、良好的扩展性等特点，不同的报警数据可以在不同的管道中并行过滤，提高数据的处理效率。

图3

图3 报警模块设计 Fig.3 The design of alarm module in SWAN2.0

在报警产品的渲染方面，SWAN2.0对报警相关的图标、样式进行统一封装，采用MICAPS4底层定义的渲染对象绘制报警产品，避免重复的创建、销毁图层，提高数据的渲染效率。建立渲染服务，将报警数据与主地图中的报警渲染一一对应，以方便报警产品的交互操作。

此外，考虑到报警模块具有大量的数据监控、报警过滤、交互显示等功能，为了进一步提高UI(user interface)界面的响应速度，给予预报员更好的用户体验, SWAN2.0采用多线程技术。报警模块运行在报警线程中，通过刷新渲染状态的方式，将处理结果渲染在主地图上，从而使得报警模块的开销不会影响界面的响应速度。

在强对流天气的预报预警业务中，需要对预警信号及时联动共享，充分发挥省气象台的指导作用和基层气象台的服务作用。SWAN2.0客户端部署在省市县3级气象台站，在预警制作与发布功能中，设计了预警信号的省市县3级联动流程，省气象台制作的预警信号以消息的方式通知下属市县气象台，市县气象台收到预警信号后，发送反馈信息。

SWAN2.0采用AMQP(advanced message qu-euing protocol，高级消息队列协议)协议实现客户端之间的通信。AMQP是应用层协议的一个开放标准，为面向消息的中间件设计，基于此协议的客户端与消息中间件可传递消息。应用服务器中采用RabbitMQ作为消息中间件，实现预警信息在客户端之间的通信。

预警信号联动为一个生产者消费者工作模式。在预警信号的向下联动过程中，预警信号制作单位作为消息的生产者，预警信号落区内的单位作为消息的消费者。消费者收到消息后，将预警信号以报警的形式进行展示，提醒预报员关注该预警区域；在预警反馈过程中，预警落区内的接受单位作为反馈消息的生产者，预警制作单位作为反馈消息的消费者。消费者收到消息之后，统计落区内各单位的反馈情况，并在预警面板上进行显示。预警联动消息和预警反馈消息被封装成模块消息进行传输，确保传输效率。

SWAN2.0具有预警信号的交互制作工具，可以满足业务人员的预警制作需求。但面对强对流天气迅速的发生发展变化，用户需要快速做出判断，制作发布预警。因此，SWAN2.0在设计时考虑了此项需求，根据报警实况，自动判别预警信息类型和落区，并生成预警信号初稿。

建立不同报警数据和预警信号类别之间的映射关系，基于报警落区和自动提取预警信号落区。将预警信号类别和落区封装成模块消息，通过消息队列，通知预警制作模块。预警制作模块解析消息后，按照参数，匹配文字模板，创建预警信号产品，预报员可以在此基础上进行二次修改。

业务模块和预警制作模块通过消息队列进行通信，具有很强的灵活性。按照此技术路线，该功能未来还可以扩展为基于客观的临近预报产品，自动匹配预警信号和强对流天气类型，生成预报预警产品。

SWAN2.0是国家级主导研发的短时临近预报系统，在需求上不可能满足全部省份的要求，这就要求SWAN2.0具有较好的本地算法接入能力。在此要求上，SWAN2.0在达到效率的情况下形成开放式的标准、松散的结构。

算法服务器被设计成集成调度环境加算法程序的结构，每个算法都可在执行过程热插拔，方便功能模块的快速切换。主框架只负责调度，具体的算法和每个功能模块都由单独的执行程序实现，最大程度地保证了整体系统的稳定性、可扩充性，算法编写的简易性。

SWAN2.0定义了两种标准的数据结构，格点数据模型(如雷达拼图产品)和矢量数据模型(如报警产品)，几乎可以满足气象上全部的数据类型需求。SWAN2.0的客户端也针对这两种数据格式，设计通用的显示分析模块，在进行后续的二次开发与功能扩展时，只要将输出产品按照格点/矢量的特殊结构分别写成相应格式即可实现产品的快速接入，通过增加相应的配置参数就能扩充客户端对新产品的监控、显示和分析。

SWAN2.0经过1年的设计开发，已于2016年初展开业务试验，同年7月在河北、云南、青海、内蒙古等全国各省份展开了推广应用。相比SWAN原有版本，SWAN2.0集成了新的短时临近算法，增加了高分辨率模式的分析应用，如GRAPES_Meso等优化改进了预警的制作发布流程，在短时临近预报预警业务中发挥了重要作用。

SWAN2.0集成多种数据的显示、分析工具，初步形成了面向短时临近业务的监测分析能力。预报员可以通过数据检索面板检索雷达反射率因子拼图、自动气象站数据、数值模式产品等。SWAN2.0将数据检索和相关工具绑定到一起，载入不同的数据，数据检索面板自动切换相应的分析工具。预报员打开三维回波拼图，可以使用剖面工具；打开自动气象站数据，可以使用客观分析和时序图等工具。

借助MICAPS4框架的服务机制，SWAN2.0设计了数值模式产品的检索接口(如图 4所示)。通过系统配置，预报员可以将数值预报产品按照短时临近业务特点进行分组，实现模式产品的快速检索和叠加。

图4

图4 GRAPES_Meso模式产品显示 Fig.4 Display of GRAPES_Meso output

SWAN2.0支持多种报警产品的显示，包括自动气象站风、雨等要素的报警和基于雷达回波的报警等，其中雷达特征量报警是SWAN2.0风暴识别结果和多普勒天气雷达产品风暴识别结果的融合报警产品。在特征量报警中，预报员不仅可以获取客观算法对风暴单体的识别结果，也可以获取SWAN2.0对于强对流天气类型的初步判断。2016年6月23日14:30(北京时，下同)左右, 江苏省阜宁县遭遇冰雹和龙卷天气过程，造成了严重的人员伤亡和财产损失。图 5给出了6月23日14:12 SWAN2.0监控到的雷达特征量报警和组合反射率因子叠加图。在主地图显示区域中，特征量融合报警结果显示江苏省阜宁县已经监测到强对流单体，组合反射率因子最大值超过65 dBZ，并给出了风暴的未来移动路径。界面下方特征量表格给出了强对流单体的特征量信息，并给出大风、龙卷和冰雹的告警提示(图中红框处)。通过SWAN2.0的自动预警生成功能，预报员可以快速生成冰雹预警信息。

图5

图5 2016年6月23日14:12组合反射率因子和特征量报警叠加显示 Fig.5 Display of overlapping of combined reflectivity and radar feature alarm at 1412 BT 23 Jun 2016

预报员可以通过SWAN2.0提供的交互落区工具，制作并发布预警信号(图 6)。已签发的预警信息会以消息的方式共享给影响范围内的子级单位。制作方可以通过预警制作面板，查看各单位的响应情况。

图6

图6 预警信号联动 Fig.6 Warning signal coordination

强对流天气短时临近预报系统(SWAN2.0)是面向短时临近预报预警业务的支撑平台，具备数据收集、短时临近产品运算、产品监控、数据检索、分析、预报预警产品制作与发布功能。目前，SWAN2.0已在全国推广应用，在日常业务中发挥了重要作用，该系统具有以下特点：

1) SWAN2.0短时临近产品包括实况监测产品、临近预报产品和报警产品。其中，SWAN2.0集成了三维变分风场反演、分雨团QPE、冰雹识别等新算法，进一步丰富了目前SWAN的产品体系。

2) SWAN2.0客户端采用MICAPS4二次开发框架作为开发基础，使用消息队列对业务模块进行解耦，优化报警模块，提升了平台的灵活性和稳定性；在报警模块的设计中，采用管道过滤器结构和异步技术，提升整体的运行效率；设计了预警信息的联动流程。同时，SWAN2.0设计了算法二次开发接口，可以快速接入本地短时临近预报算法。

SWAN系统未来发展将集中在两个方面：一是继续发展客观短时临近预报技术，尤其是多源数据融合方法，如雷达和高分辨率数值模式产品融合短时预报，发展新探测数据的应用方法，如双偏振雷达数据、风廓线雷达数据等，以提供预报时效更长、更精细的分类强对流客观预报产品；二是通过简化预警制作发布流程，延长短时临近预警的提前量。目前SWAN2.0已经具备基于报警实况，预生成预警产品的预警快速制作功能。未来SWAN系统将基于人工智能和客观预报产品，发展完全自动的预警制作和发布技术，进一步提高预警的时效性。