超高时空分辨率的低延迟实时气温数据集

随着时代的发展，气象数据消费群体对气象数据的时空分辨率提出了越来越高的要求。然而基于当前的气象观测站的分布密度，无法直接满足用户对高时空分辨率的要求，这就必然需要使用一些额外的方法进行插值或外推计算以实现提高时空分辨率的目的。

目前国内在高分辨率气象实况数据集方面已有的产品是 HRCLDAS 系列，该系列产品数据集的空间分辨率最高达到了 1 公里，时间分辨率达到 1 小时，发布延迟在 30 分钟以内。

据我们所知，这是目前国内空间分辨率最高的格点气象数据集。然而，由于 HRCLDAS 系列产品是以栅格点数据存储形式发布，且单个时次的数据文件尺寸较大（单要素文件 120M），使该数据产品的应用门槛和传输成本都比较高，这不仅把很多希望在小范围区域应用的长尾型用户挡在门外，从工程角度来说也限制了该类产品进一步提高其分辨率的可能性。

虽然我们也是 HRCLDAS 的用户，但是我们一直在探索在数据时空分辨率上实现进一步突破的可能性。在大约半年前，我们团队实现了根据经纬度调用全球 30 米分辨率海拔高度数据的高性能接口服务。文章链接：构建高性能高程 API。后来我们开始尝试利用高分辨率海拔高度的接口数据对实时气温观测数据进行地形外推，目前从技术上已经实现中国范围内空间分辨率 30 米、时间分辨率 5 分钟、延迟 15-30 分钟的超高时空分辨率的实时气温接口服务，内部代号点墙者（三体名词）。

下面让我们来看看点墙者服务在几个典型场景下的表现。

山地气温

高分辨率的气温数据对于旅游和登山的用户有重要意义。通常情况下，山区的气温会随着地形的起伏而有显著的变化。下面我们就尝试使用点墙者接口服务针对一个较为典型的峨眉山登山路线，来观察从山脚到山顶所经历的气温变化。

图中查询的数据时间是 2024 年 5 月 7 日 15:00 左右，图中的渐变色折现即是登山曲线，其方向是从红色端开始至蓝色端结束。而曲线中颜色的变化代表的是接口返回的气温，其对应色标在图片右下角。可以看出游客沿这条路线从山脚向山顶攀登的过程中，沿途气温从 24°C 左右逐渐降低直至山顶附近 7° 左右。由于峨眉山顶设有一个气象观测站（56385），因此我们从中央气象台网站上可以看到山顶的实际观测气温：7.3°C，与接口基本吻合。

当我们查询中央气象台峨眉山市的气温时，得到的是 26.4°C，如果我们用点墙者接口查询峨眉山市区的经纬坐标，接口返回的气温是 25.77，误差在可接受范围之内。而山脚下的气温是 24° 左右，也就是从峨眉山市区到峨眉山脚下，由于地形的原因气温下降了约 2°C。

同时，我们也绘制了登山者沿途气温的变化折线图，可以直观地看出随着登山的进行，气温逐渐降低的整个过程：

当然除了这种常规登山运动以外，对于一些极限登山运动，点墙者的数据也能提供很多帮助。

下面我们来验证一下通过点墙者获取的珠峰营地的气温数据的准确性。通过调研我们了解到美国国家地理杂志在珠峰南坡位于尼泊尔境内的两个营地设立了气象观测站，并在网站 (https://everest-pwa.nationalgeographic.org/) 上定时发布观测结果。由于点墙者使用的气温观测数据源完全来自于国内的气象观测站，并没有国外的气温观测数据参与融合，因此理论上我们的计算结果和美国国家地理的结果是相互独立的，我们可以用美国国家地理的观测结果作为检验真值来验证其准确性。

我们采集了美国国家地理网站发布的从 2024 年 5 月 5 日 10:45 至 2024 年 5 月 9 日 10:45（尼泊尔时间）的逐 4 小时的 Basecamp(27.9952°N, 86.8406°E，5315m) 和 Camp II(27.982347°N, 86.891296°E，6464m) 两个营地的气温观测数据（一共 25 条），并构建相应时间的点墙者服务后查询对应坐标及时间点的气温数据，同时对相应时间的 HRCLDAS 的对应坐标点数据进行抽取，然后将三个数据集匹配到一起进行比对，对比效果如下图：