随着气象数据来源途径的增加，数据量在快速增长，已经达到了超载的境地，如美国国家气象局（National Weather Service，NWS）可用的气象数据在未来的3-5年内成倍增长。但是现有的工具很少可以处理、融合和解译如此大的数据量。本文介绍NWS基于ENVI和IDL开发的4D气象数据可视化平台，此平台可以缓解数据量过大带来的压力。
1       气象数据超载
在任何科学邻域，通过卫星和其他途径收集的数据量是庞大的，气象数据也不例外。NOAA在2011年10月28日成功发射了一颗极地轨道卫星（NPOESS – 美国环境卫星系统），继续增加气象数据来源途径。相关人员开始担心气象预报员和他们的预报工具是否可以承载如此大的数据量，特别是在重大气象事件发生时。
为了更加有效的应用，NWS开发了数据可视化大屏设计4D气象数据集（4D weather data cube）。
2       4D气象数据集
从国家气象局（NWS）到美国联邦航空局（Federal Aviation Administration，FAA）的政府机关正在进行一项研究，他们希望可以融合多种数据源从而建立一个集成的数据库。希望可以加
强基于网络的分布式气象信息的合作，并制定动态决策。
造成能见度障碍的一些因素（云、雨和雪等）和气象特征（对流、湍流、冰冻、降雪、云幕能见度、风速和风向等），将会在三维空间进行描述。而时间作为第四维加入气象数据模型中，形成了4D气象数据集（如图1所示），可以使得原有的特征参数具有时间特性。
 
图1 4D气象数据集示意图
 
4D数据集将存放在服务器端，并通过面向服务架构的系统（SOA）分发出去。这样，气象学专家可以对每个周期的数据进行判定，为美国联邦航空局（FAA）制定飞行路线提供支持。
3       可视化需求
基于网络且可扩展的气象数据快速分析和可视化能力已经成为一种需求。大多数情况下，行业应用人员和其他一些最终用户，并不具有较丰富的专业知识，使得他们对于数据类信息不能全面了解和吸收，而可视化的结果将会为用户提供最直接的图形信息，并且允许最终用户从多样化的数据源中发现、使用、关联并进行可视化展示信息。
气象数据（来自卫星、地面观测、高空观测等）和气象模型将会融合在4D气象数据集中（如图2所示），利用可视化功能对预测结果进行可视化输出，将最大程度的提升数据价值。
 
图2 气象数据和气象模型融合在4D数据集中
4       数据可视化流程
数据可视化遵循的流程（见图3）如下：
1)        将来自多种数据源的环境信息导入气象数据集；
2)        从众多来源（包含航空和卫星图像）收集的实时气象数据进行更新融合，并导入气象预测模型中；
3)        用户通过软件工具表达他们的可视化请求，输入感兴趣区域、时间和大气参数；
4)        收到用户请求后，软件工具从气象数据集中检索出所需信息，并在用户屏幕上进行可视化输出。
 
图3 数据可视化流程
5       4D气象数据可视化平台
基于ENVI和IDL开发的4D气象数据可视化平台（Weather Workbench，WxWb）。使用ENVI软件全套图像处理和分析工具搭建的简洁易用的用户界面。如图4所示，点击ENVI主菜单Window下的Weather Workbench即可。
 图4 WxWb启动菜单和界面
 
这个平台允许最终用户访问气象数据，比如网络上可用的预测数据和历史数据。为了实现此功能，WxWb中应用了如下几种数据连接方式：
•   嵌入式的Google EarthTM/Google MapTM显示；
•   Web地图服务（WMS）：导入地理参考地图；
•   定制URL来输出从NOAA网络数据库中获取的气象预测模型数据（Grid，netCDF）。
6 WxWb功能介绍
6.1 数据搜索服务
嵌入式Google EarthTM和Google MapTM使得用户可以使用Google大多数服务（全局显示、缩放、旋转）。快速搜索工具（按钮Find）可以定位至特定城市或机场（如图5所示）。
 
图5 用户界面和Find工具
6.2 SOA数据流