張恩紅，尹海燕

（1.廣東省氣象探測(cè)數(shù)據(jù)中心，廣東廣州 510080；2.廣東省氣象計(jì)算機(jī)應(yīng)用開發(fā)研究所，廣東廣州 510080）

由于科學(xué)技術(shù)的進(jìn)步和探測(cè)技術(shù)水平的提高，采集的觀測(cè)數(shù)據(jù)和加工的產(chǎn)品數(shù)據(jù)量越來越大，傳統(tǒng)的數(shù)據(jù)傳輸格式已無法滿足全球數(shù)據(jù)交換業(yè)務(wù)的需求。為了便于全球數(shù)據(jù)的交換使用，盡量減少數(shù)據(jù)傳輸壓力，提高數(shù)據(jù)交換效率，世界氣象組織（WMO）一直在推行氣象數(shù)據(jù)格式的標(biāo)準(zhǔn)化，即推行二進(jìn)制的表格驅(qū)動(dòng)碼，包括BUFR、GRIB和CREX碼?，F(xiàn)在全球很多國(guó)家都已經(jīng)采用這個(gè)規(guī)范進(jìn)行數(shù)據(jù)編碼和共享傳輸。我國(guó)也完成了數(shù)據(jù)格式的轉(zhuǎn)換工作。這個(gè)業(yè)務(wù)的推廣，給數(shù)據(jù)使用的用戶帶來一個(gè)新的問題，那就是數(shù)據(jù)解碼技術(shù)的更換與升級(jí)。

為了能夠及時(shí)用上新格式的數(shù)據(jù)，WMO提供了編碼規(guī)范，專家學(xué)者們開始研究BUFR格式數(shù)據(jù)的解碼及應(yīng)用軟件的開發(fā)。王穎等［1］詳細(xì)闡述了我國(guó)氣象行業(yè)推進(jìn)表格驅(qū)動(dòng)碼工作的進(jìn)展與取得的成果。隨著氣象衛(wèi)星的發(fā)展，觀測(cè)手段頗為豐富，在氣象預(yù)報(bào)與分析中廣泛應(yīng)用［2－5］。王素娟等［6］詳細(xì)分析氣象衛(wèi)星風(fēng)速的BUFR碼格式，并且編寫了相關(guān)的數(shù)據(jù)寫入軟件，實(shí)現(xiàn)了數(shù)據(jù)的業(yè)務(wù)化；張曉等［7］、袁雨暉［8］、陳增鏡等［9］、王恩文等［10］、高雅潔［11］分別從不同的應(yīng)用方向做了相關(guān)的應(yīng)用研究。本研究著重討論如何利用python語言對(duì)壓縮格式的BUFR碼進(jìn)行解碼，并提出在解碼中可能存在的問題，供同行參考。

1 壓縮格式BUFR的格式重點(diǎn)內(nèi)容

BUFR的基本格式已經(jīng)在很多文章有介紹，最全面的是世界氣象組織（WMO）《氣象編碼手冊(cè)》［12］，中國(guó)氣象局也組織專家翻譯并編寫了《表格驅(qū)動(dòng)碼編碼手冊(cè)》［13］。本研究摘取部分重點(diǎn)內(nèi)容，進(jìn)行分解說明。

1.1 關(guān)鍵段的解碼定義

BUFR文件的編碼主要包括6部分：指示符段、標(biāo)識(shí)段、（選編段）、數(shù)據(jù)描述段、數(shù)據(jù)段、結(jié)束段，每段功能的詳細(xì)說明請(qǐng)參考WMO相關(guān)文檔。在BUFR的壓縮格式解碼中，前3段無重要信息，按文件說明常規(guī)解碼即可，重點(diǎn)是數(shù)據(jù)描述段的解碼。指示符段的長(zhǎng)度為8個(gè)八位組。前4個(gè)八位組是國(guó)際電報(bào)字符5號(hào)碼表示的BUFR；八位組5—7（24比特）是以二進(jìn)制形式表示的整個(gè)BUFR信息的長(zhǎng)度（包括指示符段）；八位組8是以二進(jìn)制表示的BUFR碼的版本號(hào)。標(biāo)識(shí)段的前3個(gè)八位組是以二進(jìn)制形式表示的段長(zhǎng)，并以八位組為單位。數(shù)據(jù)描述段的重點(diǎn)包括1—3八位組記錄本段的長(zhǎng)度，取決于后面的數(shù)據(jù)解讀；5—6八位組描述本數(shù)據(jù)集的子集個(gè)數(shù)，決定了后面數(shù)據(jù)解壓縮時(shí)讀取數(shù)據(jù)的個(gè)數(shù)；在第7個(gè)八位組中，第1 bit位描述數(shù)據(jù)的性質(zhì)，1表示觀測(cè)數(shù)據(jù)、0表示其他數(shù)據(jù)，第2 bit位描述數(shù)據(jù)的格式，1表示壓縮格式、0表示非壓縮格式。第8—9個(gè)八位組記錄該數(shù)據(jù)集的要素描述表的代碼。

第8—9組（字節(jié)）的內(nèi)容說明：

從八位組8開始的描述符集合，稱作“數(shù)據(jù)描述”。每個(gè)描述符占兩個(gè)八位組，分為F（2位）、X（6位）和Y（8位）共3個(gè)部分。

（1）如果F＝0，描述符為要素描述符。X和Y的值將直接地對(duì)應(yīng)表2中的一個(gè)入口，X表示類，Y表示類中的入口。

（2）如果F＝1，描述符為重復(fù)描述符，該描述符按照相關(guān)規(guī)則對(duì)重復(fù)數(shù)據(jù)描述運(yùn)算符作出定義。X值和Y值分別定義運(yùn)算符的作用范圍和重復(fù)次數(shù)。如果Y＝0，則為延遲重復(fù)，并由下一個(gè)要素描述符定義一個(gè)數(shù)據(jù)項(xiàng)作為重復(fù)數(shù)；該描述符也可以通過其Y值指示后面的數(shù)據(jù)和后面的描述符一起重復(fù)。

（3）如果F＝2，描述符為運(yùn)算符描述符。X值指示《表格驅(qū)動(dòng)碼編碼手冊(cè)》的表C中的一種運(yùn)算，Y值的含義取決于具體的運(yùn)算。

（4）如果F＝3，描述符為序列描述符。此時(shí)，X值和Y值直接地對(duì)應(yīng)《表格驅(qū)動(dòng)碼編碼手冊(cè)》表D中的一個(gè)入口。表D的每一個(gè)入口包含一系列要素描述符、數(shù)據(jù)描述運(yùn)算符和序列描述符。一個(gè)序列描述符等同于它在表D入口所對(duì)應(yīng)的一組描述符。

1.2 關(guān)鍵段的解碼應(yīng)用

以W_XX-EUMETSAT-Darmstadt，SURFACE＋SATELLITE，JASON2＋OGDR_C_EUMS_20160730103615_d_297_135_20160730100932.bin文件為例，從文件的解報(bào)內(nèi)容來看，第3段的第7個(gè)八位組的二進(jìn)制值是11000000，第1 bit值為“1”，說明是觀測(cè)數(shù)據(jù)；第2 bit值為“1”，說明該數(shù)據(jù)格式是壓縮格式，這個(gè)信息非常重要，取決于后面的數(shù)據(jù)格式問題，若出錯(cuò)，后面的工作將無法繼續(xù)。第8個(gè)八位組的二進(jìn)制值為11101000和第9 個(gè)八位組的二進(jìn)制值為00001010，從表1的說明可知，F(xiàn)＝3，X＝40，Y＝10，則可知應(yīng)該是對(duì)表參照碼1的 3 40 010的要素描述符，該文件的要素描述如表1所示。再根據(jù)表1中的表參照碼2到《表格驅(qū)動(dòng)碼編碼手冊(cè)》［13］中查找對(duì)應(yīng)的要素說明信息，包括該要素的單位、比例因子n、基準(zhǔn)值VB、數(shù)據(jù)寬度（占bit數(shù)，測(cè)量值V）。實(shí)際值（VR）的計(jì)算公式為VR＝V·10n＋VB。

表1 要素描述符

2 解碼編程實(shí)現(xiàn)

2.1 解碼實(shí)現(xiàn)過程

由于BUFR數(shù)據(jù)的壓縮格式可以節(jié)約很多的空間，在大數(shù)據(jù)量的觀測(cè)中，為了減少數(shù)據(jù)傳輸?shù)膲毫?，?jīng)常采用BUFR碼的壓縮格式。壓縮形式的二進(jìn)制數(shù)據(jù)的格式可描述如下：

鑒于非壓縮格式的數(shù)據(jù)特點(diǎn)，數(shù)據(jù)處理的流程圖如圖1所示。

圖1 數(shù)據(jù)解碼流程示意圖

首先需要從指示段獲取子集個(gè)數(shù)S，即后面的要素增量的個(gè)數(shù)，然后讀取配置文件，獲取需要讀取數(shù)據(jù)的要素個(gè)數(shù)，然后根據(jù)配置文件中定義的要素占位長(zhǎng)度獲取數(shù)據(jù)，直到完全讀取完所有要素的數(shù)據(jù)。要想正確解碼需要以下幾個(gè)步驟：第一步需要獲取每個(gè)要素的基準(zhǔn)值占位寬度，這個(gè)值可以通過表1的“表參照碼1”“表參照碼2”組合獲得；第二步，根據(jù)要素基準(zhǔn)值的占位符長(zhǎng)度，通過程序讀取指定寬度的bit值，然后還得按每個(gè)字節(jié)8 bit的結(jié)構(gòu)，重新組織所獲取的二進(jìn)制數(shù)據(jù)，這是二進(jìn)制數(shù)據(jù)的難點(diǎn)之處，數(shù)據(jù)處理的方法可以分為幾種情況（表2）；第三步，也是非壓縮格式解碼最關(guān)鍵一步，即獲取NBINC1的值，該值是判定是否有增量值及確定增量值所有占有bit位數(shù)的量。數(shù)據(jù)獲取方法很簡(jiǎn)單，根據(jù)定義，這個(gè)數(shù)值的寬度是固定，在基礎(chǔ)值之后的6 bit數(shù)據(jù)，當(dāng)然，這6 bit的數(shù)據(jù)可能是在同一個(gè)字節(jié)里，也可能是在連續(xù)的兩個(gè)字節(jié)里。編碼如：NBINC1＝（（ord（data2）＆0x7e）＞＞1），在一個(gè)字節(jié)中的連續(xù)6 bit或者n_NBINC1＝（（ord（data5）＆0x0f）＜＜2）＋（（ord（data1）＆0xc0）＞＞6）在兩個(gè)字節(jié)中，前一字節(jié)4 bit加上后一字節(jié)2 bit。當(dāng)NBINC1＝0時(shí)，該要素的值是不變的，即每個(gè)記錄的值都一樣，當(dāng)NBINC1＞0時(shí)，該值為要素增量數(shù)據(jù)的占位寬度的bit數(shù)量。最后根據(jù)NBINCs的值獲取相應(yīng)增量數(shù)據(jù)，這里需要連續(xù)獲取數(shù)據(jù)子集個(gè)數(shù)增量值。

表2 字節(jié)重組方案

2.2 解碼應(yīng)用

由于氣象衛(wèi)星的觀測(cè)范圍廣、數(shù)據(jù)采集的量大，因此，數(shù)據(jù)傳輸?shù)碾y度也很大，對(duì)數(shù)據(jù)傳輸技術(shù)要求很高。壓縮格式的BUFR碼，很適合氣象衛(wèi)星數(shù)據(jù)的存儲(chǔ)與傳輸，在實(shí)際業(yè)務(wù)中，已經(jīng)大量使用?；谝陨系腂UFR碼解碼分析，以歐洲衛(wèi)星中心（EUMETSAT）的Jason2衛(wèi)星為例，分析基于python語言的解碼過程重點(diǎn)和難點(diǎn)內(nèi)容，其中主程序的程序結(jié)構(gòu)和部分重要代碼如下：

從程序結(jié)構(gòu)來看，第1行是引用了自建的函數(shù)（其中，readbufr_pole_tide_height：獲取潮汐高度；readbufr_inverted_corr：反向的氣壓表訂正；readbufr_sea_surf_anomaly：海平面高度距平，是自己創(chuàng)建的函數(shù)。），可以看出，這是一個(gè)主體程序，還有附帶很多其他程序（函數(shù)或者函數(shù)庫(kù)）。一個(gè)復(fù)雜的數(shù)據(jù)處理文件，很難在一個(gè)程序中完全實(shí)現(xiàn)，那樣既不容易調(diào)試也不容解讀程序；第4—7行是獲取該數(shù)據(jù)有多少個(gè)記錄數(shù)，在壓縮格式BUFR解碼中是至關(guān)重要的信息，后面每一個(gè)要素?cái)?shù)據(jù)的獲取都需要用到，如果該數(shù)值錯(cuò)誤，將導(dǎo)致所有解碼結(jié)果都錯(cuò)誤；第35—36行，是定義數(shù)據(jù)輸出文件，并打開一個(gè)可以支持寫入的文件，后續(xù)所有解碼數(shù)據(jù)均需要寫入該文件，確保數(shù)據(jù)統(tǒng)一輸出；第35行，是調(diào)用了1個(gè)自建函數(shù)，輸入的3個(gè)參數(shù)，分別是該要素的數(shù)據(jù)起始字節(jié)位置、輸入文件、輸出文件，有了這3個(gè)參數(shù)在函數(shù)體了就可以根據(jù)《表格驅(qū)動(dòng)碼編碼手冊(cè)》［13］中定義的比例因子、基準(zhǔn)值、數(shù)據(jù)寬度等信息獲取相應(yīng)的數(shù)據(jù)，并且輸出到指定的輸出文件，其中數(shù)據(jù)起始字節(jié)位置數(shù)值的計(jì)算非常復(fù)雜（該值是從上一個(gè)要素解碼后計(jì)算出來的），首先要知道起始位置（L1），再加上該要素基礎(chǔ)值的占位寬度（n），再加上NBINC1的占位6 bit，最后加上增量值的占位寬度（s）乘以要素格式（N），起始位L＝L1＋（n＋6＋s×N）／8［＋1］，其中［＋1］是需要根據(jù)該要素占位bit數(shù)決定，bit總數(shù)除以8，余數(shù)少于起始字節(jié)起始bit，則不用［＋1］，反之，則要［＋1］；第36、37兩行也是必須的，正常關(guān)閉程序前面打開的文件，否則形成垃圾信息占用系統(tǒng)內(nèi)存。

3 解碼常見錯(cuò)誤分析

在壓縮格式BUFR的解碼中，由于編碼結(jié)構(gòu)的復(fù)雜性和不確定性，常常容易出現(xiàn)解碼錯(cuò)誤的現(xiàn)象，并且難以判定是否錯(cuò)誤。本研究針對(duì)容易出錯(cuò)的情形進(jìn)行分析。

錯(cuò)誤1：取值順序與輸出值的順序。Bufr格式是二進(jìn)制格式的文件，實(shí)際存儲(chǔ)數(shù)據(jù)是二進(jìn)制的0、1形式保存，從第1位到最后一位。數(shù)據(jù)的抽取也是從第1位往后逐bit位抽取的，但是，在取完值之后，需要重新按計(jì)算機(jī)的8 bit為一個(gè)字節(jié)的結(jié)構(gòu)從后往前組織數(shù)據(jù)。

錯(cuò)誤2：多字節(jié)值的生成；在取值過程中，有些要素的寬度是占用很多bit的，例如，“C波段海洋范圍”占位寬度31 bit，此時(shí)，獲取的31 bit，需要分為4字節(jié)，而且是從后往前排，即最后3個(gè)字節(jié)各8 bit，最前一個(gè)字節(jié)7 bit，從前往后分別記為：a、b、c、d字節(jié)，計(jì)算值為a×256×256×256＋b×256×256＋c×256＋d。在實(shí)際計(jì)算時(shí)，容易從前往后取bit組成新的字節(jié)，并且容易計(jì)算成a＋b＋c＋d的值。

錯(cuò)誤3：NBINC s的取值；NBINC s的固定長(zhǎng)度是6 bit，該值的大小取決于后面增量的bit數(shù)，因此，該值的準(zhǔn)確獲取非常重要。在計(jì)算的結(jié)果判斷上有個(gè)重要的方法，即該值的小于或者等于初始值的占位寬度，如果是大于初值占位數(shù)，一般都錯(cuò)誤，需要重新檢查數(shù)值的獲取及重組方法。常見錯(cuò)誤是：由于NBINCs取值結(jié)構(gòu)簡(jiǎn)單，忽略了錯(cuò)誤的存在，導(dǎo)致取值大于初值占位寬度，從而導(dǎo)致后續(xù)的取值大相徑庭。

本研究通過實(shí)際壓縮格式BUFR文件的解碼實(shí)例，詳細(xì)分析了分析解碼過程，列出了解碼的重要步驟。詳細(xì)闡述了實(shí)際解碼過程中遇到問題的解決方法，為后來者提供參考，減少錯(cuò)誤重犯，大大提高了解碼編程的效率和準(zhǔn)確性。