吉林省2015年10月30日～2016年10月30日地面观测疑误数据分析

徐昕，许晖

（吉林省气象信息网络中心，吉林长春130062）

1 MDOS系统简介

MDOS系统是以台站级数据监测、省级数据质量控制、国家级数据质量评估三级质控体系为主线，集成数据上传监控、国家站数据指控信息处理、区域站数据指控信息处理、元数据信息处理等基本数据质控处理功能，还包含了A、J、Y文件制作管理、数据质量评估考核等服务产品。

省级数据处理人员通过该系统能够清晰了解实时资料上传情况，一旦发现缺报或空报现象，及时与台站取得沟通，大大提高了数据的实时性。通过该系统的数据指控信息处理功能，能够对数据进行批量检索，对于质控系统提出的疑误信息进行二次人工判断，并将判断后有异议的数据返回台站进行核对，增加了省级与台站级的数据交流，这样大大提高了气象数据的准确性。

2 吉林省地面观测站情况

吉林省共有55个国家地面观测站，1380个区域自动气象站。其中，国家基准气象站4个，国家基本气象站26个，国家一般气象站25个。1380个区域站在吉林省内均匀分布（见图1）。

图1 吉林省国家地面观测分布情况

全省1435个地面观测站实时监测气象数据，省级通过MDOS系统接收来自于国家站的分钟数据、小时数据、日数据、日照数据，以及来自于区域站的小时数据。

3 吉林省国家站观测数据质量分析

调取 MDOS系统中 2015年 10月 30日 20：00～2016年 10月30日 20：00（北京时间），吉林省 55个国家站疑误信息，共计26254条，并对这些疑误信息进行细化质量分析与评估。

将全部疑误数据按照要素种类进行分类，共计要素120个。对同种类要素进行数量合并，汇总基础种类共计17个（详见图2）。

可见，在所有要素中，地温、降水、能见度为疑误产生次数最多的几类，分别占全部的31.96%，15.77%，12.31%。下面将针对这几类问题进行详细分析。

3.1 地温

图2 按观测要素分类疑误数据比例图

对所有地温类疑误数据产生时间进行分析，可以得出表1，地温疑误数据时间分类。

表1 按产生时间分析地温要素疑误数据数量表

通过疑误数据数量排序可知，3月、1月、7月为产生问题较多月份，均在1000条以上。由此推断，1～3月、6～10月地温问题明显（见图3）。

图3 地温疑误数据统计图

对所有地温类疑误数据进行要素详细分类，可以看出D40、D10、D05、D20为产生疑误信息次数最多的四类，均在1000条以上，相反的，D320、D160、D80的疑误信息数量较少，均在400条以内。由此可以推测，产生地温疑误信息的主要原因在于浅层地温要素。

综合表1的分析，可以总结出，地温类要素产生疑误信息最多的月份在于降水较多的季节，且浅层地温传感器受到的影响较大。以上结论符合常年观测实际经验，根据对台站数据的分析及以往实地调研结果可以初步推测，产生这种情况的主要原因在于，降水较多的季节经常会造成浅层积水，会对地温观测数据的正确性产生影响，造成观测数据不准确，或经过长时间浸泡，使浅层地温观测仪器发生故障。

3.2 降水

对所有降水类疑误数据产生时间进行分析（见表2），可以看出，降水疑误数据产生月份。

表2 按产生时间分析降水要素疑误数据数量表

可见，降水问题最多的时间主要集中在6～10月份，为每年夏季降水较多的汛期。

将所有降水疑误数据进行产生级别的分析，可以得出表3：降水疑误数据产生级别。

表3 按产生级别分析降水要素疑误数据数量表

由表3可以看出，几乎全部的疑误数据都是由省级质控和台站主动修改，且台站主动修改的数量占全部的70.37%，是省级质控比例29.55%的两倍以上。由此可以说明，降水类疑误数据从产生级别来看，主要产生原因为台站未及时发现数据错误，而是通过mdos系统滞后提交修改。

综合分析降水疑误数据错误描述和反馈描述进行分析。

经统计，错误描述原因统计共计195种，进行相似原因合并后，共计54种。对这些错误描述进行统计整理，可以得出表4，可见，“降水缺测”为最主要原因。错误描述统计。

表4 按错误描述降水要素疑误数据数量表

针对错误描述中出现最多的原因“缺测”进行反馈描述分析，可以得出表5：缺测对应的反馈描述。

表5 按缺测对应的反馈描述分析降水要素疑误数据数量表

由表5可见，造成雨季降水要素出现疑误信息“缺测”的最主要原因在于仪器故障。经长期数据处理经验及以往台站调研考察经验，初步总结造成汛期降水观测仪器故障的原因有：因相对湿度过大或仪器过于敏感经常造成的降水数据出现0.1mm野值；因降水量过于集中导致超出翻斗式雨量传感器测量最大翻转频率，而无法得到准确数据；因雨水长时间浸泡导致传感器故障，经常在无降水时次出现缺测。

综合对表1～表5进行分析，可得到以下结论：

吉林省地面观测降水疑误信息主要出现在6～10月降水较多的月份，其主要疑误是由于仪器故障导致的非正常降水缺测，提出此疑误信息的级别主要为台站。针对以上降水问题，今后应加强台站日常数据维护，提高实时上传准确率，减少月末制作A文件时对数据质疑的突击，并加强在汛期对仪器的维护。

3.3 能见度

对2015年～2016年一年内能见度疑误数据的错误描述和反馈值进行统计分析，得到表6，错误描述分类。

表6 按错误描述分析能见度要素疑误数据数量表

根据表6所示的反馈值情况统计可见，78.6%的反馈值为缺测，证明经台站反馈确认后仍无法得到正确能见度值。

表7 缺测对应的反馈描述分析能见度要素疑误数据数量表

综合表6和表7可知，在能见度观测的过程中，存在问题最多的为缺测，经过与台站沟通确认，78.60%的能见度缺测数据需使用备份站数据或人工内插等方式，这大大增加了人工的工作量和出错概率。

4 结论

经过对吉林省2015年 10月30日 20：00～2016年 10月 30日 20：00（北京时间）55个国家站疑误信息（共计26254条）观测数据的分析，可以看出：

导致地面观测数据质量下降的主要观测要素是地温（31.96%）、降水（15.77%）、能见度（12.31%）。

产生这些要素疑误的主要月份为每年6～10月（地温疑误的主要月份还有1月～3月）。

产生这些要素疑误的主要原因多为降水导致的仪器故障。因此，今后应加强对仪器的维护，尤其是地温传感器、降水传感器、能见度仪的维护。在6～10月对仪器巡查频次应增加，尽量减少因仪器损坏导致的数据缺失。