文章主要内容已发在6月30日《人民日报》上，标题为“手机可能成为气象探测仪” http://paper.people.com.cn/rmrb/html/2018-06/30/nw.D110000renmrb_20180630_3-10.htm

，发表时编辑做了修改。以下是投稿时的原文，保留有一些原生态初始信息。

潜在的气象信息源---众包数据

大数据时代，通过非常规业务可获取的与气象相关信息越来越多，如何将这些庞大的、有些并非是直接气象变量的信息处理好并有效使用是件值得下力气做好的事。

这类非常规信息称为众包数据，是从英文为“crowdsourced data”翻译过来的，百度、谷歌都这样译，是否准确可斟酌。按我的理解，翻译成众源数据或多源数据或许更好些。不管怎样，能理解就行，如同将“SARS”称为“非典”，大家都知道是指什么，若提“严重急性呼吸综合症”，不少人可能会不知所云，一时反应不过来。

这些众包数据都包括哪些呢？很难完整概括。在今年《气象》杂志第三期的一篇文章中，我介绍人工智能在气象领域的应用时提到过一些，如通过手机结合GPS定位获取的信息，应属于这个范畴。但也包括不同类型，一是直接在手机上安装传感器，如温度、气压、湿度等，就可以直接获取气象探测数据了；二是通过手机传播一些非数字信息，如文字、图片等，描述天气发生的状况，处理这些信息会更复杂一些。

美国强风暴实验室2012年实施的mPING项目就是通过公众手机APP应用收集关于天气情况报告而成立的项目，结合GPS定位，接收并处理用户选择上报的天气类型信息。由于公众难以向专业人员那样提供精确数据，后期的处理则显得尤为重要，通过人工智能（AI）技术可以解决这类问题。美国海洋大气局（NOAA），还设立了一个智能手机传感器感知气象（WeatherSignal）的APP，通过在新一代手机上安装气压、温度、湿度、光照等信息随时获取大气变化数据，这与传统的气象信息更接近一些，但毕竟不是标准数据，仍需要进一步加工后才能处理。

如果说这些信息还算是直接对大气变化状况的描述，还有一类则是通过间接换算而得到的。如2012年德国汉诺威大学的研究人员就开发了一种利用汽车雨刷器变化速度与GPS定位信息相结合获取降雨量信息的系统，他们的研究假设是利用大量不很准确的测量信息可以获得更多关于降雨空间分布的状况，与少量的准确观测可以实现互补。

在前不久召开的欧洲地球物理学会（EGU-18）上，丹麦的学者介绍了他们对手机内置气压传感器信息进行收集并加工处理的结果，取得了令人满意的效果。手机气压传感器获取信息的绝对测值与观测站的准确气压相比确实存在误差，但可喜的是其变化趋势表现出了很好的一致性，这显然有助于对这类信息的进行系统性订正，获取到大量可用的数据。

类似这样的介绍在EGU-18上还有不少，如卢森堡大学和美国爱荷华大学研究人员介绍的利用卫星通信网络信号强度变化对降雨强度分布估算的做法，也具有应用前景。这项研究的基本假定是在全球有数百万个卫星地面接收终端，其密度远高于目前各国国家气象服务机构的测雨雷达密度。如果能利用这些卫星通讯终端获取的电信信息变化与降雨发生时出现的相关性，就有可能估算出降雨过程中雨量分布状况。在卫星通信运营过程中，对于卫星与地面终端之间的链路信号是要持续监测的，通过载波噪声比参数变化及时了解信号质量和水平，只要能及时获取到这些对降雨天气敏感的信号，就可以进一步分析降雨强度和分布了。报告中具体分析了降雨强度与Ka波段信号之间存在的关系，发现降雨使通信信号出现明显衰减，且存在线性关系，因而成功实现了对降雨的估测。通过与德国气象局雨量站网和天气雷达的数据进行对比，这一估算结果在准确度上尚有不足，但在空间分布密度上则远高于传统的观测业务，甚至与美国航天局的测雨卫星相比也不逊色。这类做法从技术上看，与已在气象业务中应用的通过GPS/MET估测水汽类似，值得借鉴的是不需要增加更多的接收设备，而是设法直接从通信部门获取可用的信息进行分析处理，应用到业务当中。

以上介绍的这些信息具有明显的非实时、非定点、非准确、非直接、非规则、非标准等特点，这与传统气象观测业务的“三性要求”（代表性、准确性、可比性）有很大区别，信息处理的方法显然也要根据这些特点进行设计，通过大数据分析、智能化处理等技术才能最终获取到可用的数据。从我国的实际情况来看，无论是从传统的探测业务获取到的信息，还是可能获取的各类潜在的新型信息，在处理技术方面都存在较大差距，需要引起更多关注，在不断拓展各类探测业务的同时，更要注重提升信息处理加工技术的能力和水平。