1.一种基于云感知的应急通信处理系统，其特征在于，该系统由以下部分组成：云端中心，实时感知环境数据，并对数据进行分析处理和存储；

同化预报中心，通过多源4D-WRF-EnSRF资料同化系统，将获取的环境数据进行同化；

预警信息发布平台，通过网络实现对同化预报中心的信息进行发布；

初步分析处理包括EnKF分析，具体如下：

(3.1)初始时刻的大气状态的先验估计模式背景场x0被积分到第一个获得观测值的时刻tk，tk的预报场即为该时刻的背景场 将这个背景场投影到观测空间后得到的先验观测向量与仪器观测数据向量之间的差值 其中，H为从模式空间向观测空间的投影， 是观测向量；

(3.2)通过背景场和观测误差的统计信息来得到某一时刻基于该时刻的背景场和观测的最优估计，以b和o分别表示观测要素的背景场和观测场，对于t时刻环境要素准确值为xt,其相应的背景场数值xb和观测场数值xo满足：xb＝xt+eb xo＝xt+eo

式中，eb和eo分别是背景场和观测的误差，此时，假设这两个误差是无偏的并且相互独立，则真实状态xt在上述已知条件下的最优估计xa可以通过线性组合得到：xa＝wbxb+woxo

式中，wb和wo分别是背景场和观测的权重，最优估计xa达到最优的条件是以上两个权重的组合能够使得xa的方差达到最小，即：wb+wo＝1

对着两个权重进行求导并使导数值为0，就可以得到使得分析场最小化的解，分别为：式中， 和 分别为背景场数据和观测数据的对应方差，将该公式应用于多源大气环境，当a,b,o作下标时表示单源大气环境，只针对单一气象要素，作为上标时表示多源大气环境，针对多种气象要素，将各气象要素用一个矩阵进行表示，则其形式变为：xa＝xb+W[y+H(xb)]

式中，xa和xb分别为多元大气环境下分析场和背景场的N维大气状态向量，y为观测向量，H为大气状态向量向观测向量的投影，W为权重矩阵，其中权重W为：W＝(HPbHT+RT)-1PbHT

式中，Pb为背景误差协方差，R为观测误差协方差。

2.根据权利要求1所述的一种基于云感知的应急通信处理系统，其特征在于，所述实时感知环境数据，并对数据进行分析处理和存储方法如下：云端中心通过云感知将现场数据汇集并进行初步分析处理，并将初步分析处理的数据发送到基于云架构服务器的云存储中心进行存储；并且，云端中心对汇集的现场态势进行分析处理，提供可视化、透明化的数据分析结果，同时协调管理各部门向云端中心的数据请求，实现数据共享。

3.根据权利要求2所述的一种基于云感知的应急通信处理系统，其特征在于，初步分析处理包括一致性分析，该分析如下：(2.1)内部一致性检测，内部一致性检查是根据气象学原理，对观测资料中相关联要素之间是否符合一定规律的检查；

(2.2)时间一致性检查，时间一致性检查指的是要素与时间变化规律是否一致的检查，检测观测资料的时间变化率，识别出不符合要求的时间变化率；

(2.3)持续性一致性检查，持续性检查指的是在一定时间内，观测诸多气象要素随时间，地域变化所出现的波动，若某气象要素没有发生变化则对应观测仪器或传输设备出现故障；

(2.4)水平一致性计算，水平一致性计算是指包括风向、风速、气温、气压、降水在内的气象要素具有连续性和均匀性的特点，将某一观测站获取的观测资料与其周围其他邻近观测站资料进行比较，从而判断该要素是否正常。

4.根据权利要求1或2或3所述的一种基于云感知的应急通信处理系统，其特征在于，初步分析处理包括模式预报性能评估，具体如下：采用可以访问硬件性能计数的PAPI工具，实现程序运行时对处理器事件信息监测，完成WRF模式性能评估。

5.根据权利要求1或2或3所述的一种基于云感知的应急通信处理系统，其特征在于，同化预报中心将获取的环境数据进行同化，具体如下：(4.1)先验计算，先验计算使用观测时刻的模式状态向量计算这个同化循环所用的观测的先验，使用EnSRF算子进行计算，将处理过程分为均值和集合两个部分来处理，如下式所示：Xia'＝Xib'-αKHXib'

式中， X'分别为分析场数据中的集合平均和集合扰动，a，b表示分析场和背景场，o为观测场，K为卡尔曼增益矩阵，α为标量系数，下标i表示在不同时刻下的分析场或背景场；

(4.2)先验更新， 为i时刻观测场的观测值，其相应的分析场集合平均为 集合扰动Xa'的更新方程为：Po＝(PtPso+Phf)/2

式中，Po是观测先验的局地化系数，相关系数Pt为是当前时刻和历史观测时刻之间的时间距离函数，Pso是被分析观测和将要被更新的先验观测之间的空间距离的函数，Phf为回归信度因子，其次，f表示预报场,Xf'预报场下的集合扰动，Xif'则为i时刻预报场下的集合扰动，此处符号Θ为Schur乘积， 为第i个观测的卡尔曼增益， 为预报场下的集合平均，为i时刻预报场下的集合平均，增益矩阵中，第k个元素为：式中，j为i时刻之前的不同历史观测时刻，其取值为1,2,3…m,m为i时刻之前历史观测总数，以i时刻观测值为预报场对j时刻集合扰动进行计算得到 则为当前背景场下j时刻对应的集合扰动，Ri为i时刻观测误差协方差矩阵，(4.3)模式状态向量更新，对于第i个观测，包含局地化的模式状态向量的更新方程为：式中， 和Ya'分别对应于先验集合平均 及集合扰动Xa'中的向量， 及Yf'分别为预报场下的集合平均向量和集合扰动向量， 则对应于增益矩阵 中的增益取值，α为标量o系数，P是观测先验的局地化系数， 为i时刻观测场的观测值；

(4.4)在上述步骤操中，在每分析完一个观测后，新的分析场就变成了下一个观测的背景场，然后这下一个观测的先验将通过这个新的背景场计算得到，在不断的4DEnSRF同化循环中，资料的的不断更新与优化并获得最终的分析场数据，即同化数据。