什麼是MetDig
英雄不問出處，而對於氣象從業者而言，雖然大家使用千差萬別的計算機語言，寫著格式不一的代碼，但都在努力做著同一件事情——通過智能的天氣診斷分析工具，最大程度的提高預報準確率。
由於計算機語言間的種種技術壁壘，加之如GrADS、Fortran、NCL、IDL等常用氣象分析計算機語言的較強專業性，形成了較狹窄用戶生態，致使產生了諸如技術交流困難、重複勞動頻繁、技術實現標準難以統一等諸多問題。
近年來，隨著Python語言的大火，憑藉其龐大的開源資源和用戶群體，逐步開始在氣象應用領域嶄露頭角。
目前，在數值模式後處理、資料同化、衛星雷達、診斷分析計算、可視化、機器學習算法等方方面面的應用均有基於Python語言開發的程序庫的影子。其中更不乏喊著口號要取代它的“激進分子”，如Metpy、Magics、PyNGL和wrf-python等。業界如此看好Python未來的發展，國內氣象從業者同樣不會袖手旁觀，Meteorological Diagnostic Tools(MetDig，國家氣象中心診斷分析工具包，原名NMDT) 便是當今Python浪潮中的一員。
MetDig 功能框架
NMDT是由國家氣象中心天氣預報技術研發室開發，面向國內天氣預報業務和科研應用的通用型天氣學診斷分析工具包，其致力於支撐天氣預報及其相關的研究工作，為重大天氣過程預報、覆盤、機理研究等應用場景提供診斷分析技術支持。
MetDig 是由國家氣象中心天氣預報技術研發室開發，面向國內天氣預報業務和科研應用的通用型天氣學診斷分析工具包，其致力於支撐天氣預報及其相關研究工作，為重大天氣過程預報、覆盤、機理研究等應用場景提供診斷分析技術支持。
MetDig 的技術框架包括IO層、用戶調用層、算法層和可視化層。其中用戶調用層提供兼顧通用性和結構簡明的調用參數，實現對數據源、時空信息、地理信息標註等要素的定製。算法層中，MetDig底層基於Xarray結構、引入了NumPy、Pandas、SciPy、MetPy（參見前文：這個最火的氣象python類庫）等熱門科學計算、大氣診斷和數據結構體等算法包，另包含了nmc_met_diagnostic(https://github.com/nmcdev/nmc_met_diagnostic), nmc_met_base (https://github.com/nmcdev/nmc_met_base)
等自研算法包，實現了基於我國天氣預報業務數據環境（MICAPS Cassandra和CIMISS數據庫）的大氣診斷量計算、多維時空插值、多維數據切片和提取等常用算法。可視化層則基於Matplotlib、Cartopy、MetPy實現常用地圖投影轉換、圖形的繪製以及圖形的簡單交互功能。
播放
暫停
進入全屏
退出全屏
00:00
00:00
重播請
刷新
試試
MetDig 功能框架
MetDig 如何應用？
目前，MetDig 已實現包括等壓面、等熵面、Miller綜合圖、時間剖面、空間剖面、點等多維度類型的診斷分析圖形分析，用戶可通過github網站下載安裝應用（https://github.com/nmcdev/nmc_met_map），同時，國家氣象中心通過搭建Jupyterhub系統，實現了對MetDig 的雲計算和可視化應用。該應用流程具有較低的應用門檻，功能上具有較好的拓展性和靈活性，用戶無需在本地機器安裝MetDig 和任何特定系統環境，僅需通過瀏覽器打開Jupyterhub地址，即可通過MetDig 的用戶調用層實現在線分析。並且藉助Python豐富的在線技術資源，後臺管理員可通過更新MetDig ，快速實現對新功能的接入應用，從而幫助縮短了新技術從研究到應用距離。針對不同類型的天氣過程（如華南暴雨、梅雨、西南暴雨、東北冷渦對流、颱風、霧霾等），管理員可通過診斷分析腳本的編輯，實現預報關鍵信息的針對性聚合，幫助用戶從海量模式預報數據中高效提取天氣過程診斷信息。工欲善其事必先利器，可以說，MetDig 工具箱就像一個包羅萬象的“大禮包”，給預報員提供了一個天氣診斷分析的利器。
MetDig 未來展望
未來，MetDig 還將繼續引入新的診斷分析理論和方法，逐步發展物理量計算、天氣系統客觀識別、三維時空結構特徵提取、數值模式誤差來源捕捉與追蹤、環流型聚類降維等技術，支撐對不同季節、環流、地形條件下天氣系統的精細化診斷分析，以及面向數值模式的歷史、實時、零場和預報的天氣學檢驗評估，進一步實現從海量模式預報數據中對暴雨（雪）、強對流、颱風、霧霾等災害性天氣的概念模型構建、預報關鍵特徵、結構演變等信息的獲取。而且，通過從內網轉向外網的部署，“大禮包”將有可能送達每一位預報員的手上，助力大家的天氣診斷分析。
更多詳情，請參閱公眾號：kjcx_nmc 中央氣象臺科技創新服務
