主备份自动气象站气象数据的对比算法研究与应用

王超然　文强

摘要：以黄石国家气象观测站地面气象数据为例，研究如何将软硬件差异较大的主备双套自动气象站数据放到同一平台进行数据对比分析。通过将绝对差值、标准差值等数据结合的方法进行分析，提升国家级自动气象站的自动探查错与纠错能力，并以地面气象数据中的气温、气压数据为例，将本文数据处理方法代入后进行自动判别试验。结果表明：通过使用本文方法，可以达到自动判别错误数据源的预期效果。

关键词：自动气象站;气象数据;质控;分析方法

中图分类号：P413.21 文献标志码：A 论文编号：cjasl8030028

Research and Application of Comparison Algorithm of Meteorological Data from

Main and Standby Automatic Weather Stations.

Wang Chaoran1， Wen Qiang2

（1Hangshi Meteorological Bureau of Hubei， Huangshi 435000， Hubei， China; 2Shiyan Meteorological Bureau of Hubei， Shiyan 442000， Hubei， China）

Abstract： Taking ground meteorological data of Huangshi National Meteorological Station as the samples， we compare and analyze the data of main and standby automatic meteorological stations in the same software. By combining the absolute differences and standard deviation values， we aim to improve the functions of automatic debugging and automatic error correcting of the state- level meteorological stations. Besides， data of temperature and air pressure of ground meteorological data are used for the automatic identification test with the data processing methods proposed by this study. Results show that the expected effects of automatic identification of wrong data source can be achieved.

Keywords： Automatic Weather Station; Meteorological Data; Quality Control; Analysis Method

0  引言

国家级地面自动气象站是国家乃至全球地面气象观测数据的主要来源之一，其数据可用率对预报与服务的影响重大。中国气象局印发的《综合气象观测业务发展规划（2016—2020年）》中要求“加强数据质控能力，研发观测数据质量联合检验技术方法”。

提高气象数据可用率，除了要求气象设备性能的提升外，还需要高效的数据质量控制方法。国内外许多专家都在不断优化数据质量控制的算法[1-5]。例如，王兴等[6]利用温度场与气压场资料将IDW算法加以优化，改进了直接用各站点气温数据进行插值的空间一致性质控方法[7-11]。王海军等[12-13]基于气温日变化规律与数据插值技术的小时气温界限值质控方法。这些方法都在更广的时空维度上将原有的数据质控算法更加优化，取得了很多研究成果。

随着气象现代化程度的提高，新的设备也越来越多，以湖北省为例，全省国家级自动气象观测站大多数都是一主一备双套自动气象站（以下简称主备站）同时运行。这样在同一时间、同一空间就有两份数据作为数据源。本文研究如何通过对主备站气象数据（气温、气压、相对湿度、风向、风速）进行实时对比质控分析，及时发现自动站在运行中出现的疑误数据，从而加强数据质控能力，提高气象观测數据的可用率。

1  数据来源

主备站数据实时获取首先要克服软硬件平台不兼容的问题。以湖北为例，备份站以ZQZ型自动气象站为主，一般使用OSSMO2004软件，分钟文件存放在ZZ.txt（简称ZZ文件）中;主站以DZZ5型自动气象站为主，一般使用ISOS软件进行数据采集加工存储，ISOS分钟数据存放在AWS_M_Z_IIiii_yyyyMMDD.txt（简称M_Z）文件中[14-16]。主备双站分钟数据文件名、文件格式、存储位置都不相同。为了使双站数据能在同一平台下进行数据对比，可以采用主备双站都会生成并推送的Z_SURF_I_IIiii_yyyy MMddhhmmss_O_AWS FTM[-CCx].txt（简称长Z文件）进行数据对比。

长Z文件每5min生成一个。不管是OSSMO2004软件还是ISOS软件，都可以自动将每5min生成的这个文件推送到目的地址。这样只需在目的地址负责接收入库即可。甚至可以将备份站5min数据设置成区域站数据进行接收，与ISOS发送的国家站数据一同入CIMISS数据库。这样数据可以直接在数据库中进行对比分析。

2  数据对比分析方法

在获取气象要素数据后，就可以对获取到的数据进行对比分析。对于所有的气象数据，进行四种状态判断：正确、可疑、错误、缺测。前3种状态判断依据的是台站自行设置的阈值。一般的数据判断，每个气象要素台站可自行设置两个阈值，分别为可疑阈值与错误阈值，通过数据之间的差值来标记数据状态[17]。默认可疑阈值根据第二代新型自动站功能规格书仪器最大允许误差确定[18]（如：气温为±0.2℃，气压为±0.3Pha，相对湿度为±3%，风速为±0.5m/s等）。错误阈值则根据台站自身情况自行设置。

2.1 差值判断法

气温、气压、相对湿度、风速等直接采用差值法进行判断。设主备两套仪器观测的两组数据为{ai}与{bi}，可疑阈值设置为α，错误阈值为β，i=1，2，3，…，n[19-20]。差值判断公式如（1）所示。

令△ab=|ai-bi|，△ab≤αai与bi标记正确

α<△ab<βai或bi标记可疑

△≥βai或bi标记错误    （1）

有的气象要素，如雨量的判断不能直接用阈值进行对比分析。根据《地面气象观测规范》，雨量判断标准是百分比，差值相差4%以上说明数据有误。但观测站如果出现少量降水，如2.0mm降水，相差0.1mm降水就使差值达到5%。在实际工作中，这种少量降水量导致降水量误差大于4%的现象不一定是仪器不准。对于这种气象数据，需要加入临界值的数据状态标记方法。

降水临界值判断公式如（2）所示。

R0≤LR  △R=|R0-R1|

R0>LR  △R=|R0-R1|/R0×100%（2）

式中LR为临界值，R0为主站实际降水量，R1为备份站降水量。当R0≤LR时用差值判断，当R0>LR用百分比进行阈值判断。差值与百分比分别设有可疑阈值α、错误阈值β，数据标记方法同公式（1）。

有的气象要素，在判断时与其他气象要素具有较强的相关性。如风向要素的判断就与风速关系紧密。当风速较小时，风向差值可能较大，当风速较大时，风向差值较小。

风向判断公式如（3）所示。

TS0=FS1=C 静风，判断为正确

C<FS0≤Lf △FX0=|FX0-FX1| （3）

FS0>Lf △FX1=|FX0-FX1|

FS0为主站风速，FS1为备份站风速，FX0为主站风向，FX1为备份站风向，△FX0为主站风速小于或等于临界风速Lf时的差值风向，△FX1为主站风速大于临界风速Lf时的差值风向。数据判断标记方法同公式（1）。

2.2 标准差判断法

在数据对比分析里，双站对比无基准数据做参照，当可疑或错误数据出现时，既有可能是主站出现故障，也有可能是备份站出现故障。对于气温、气压、相对湿度等时间上有连续性相关的要素可采用差值标准差的方式，判断现在获取的数值与过去连续获取数值之间的离散程度，从而判断故障是出现在主站还是备份站[21]。

要获取一组数据{xi}的标准差，首先要得到前i-1，i-2，…，i-n个气象要素的算数平均值μ。μ的计算公式如（4）所示。

μ=（xi+xi-1+xi-2+…+xi-n+1）/n（4）

标准差公式如（5）所示。

（5）

式中xi为第i个气象要素值。软件中n的取值为6，由于气象数据获取的为每5分钟获取一次数据，{xi}即为30min气象要素集合。

若气温、气压、相对湿度等气象要素首先被阈值判断标记为错误，则对主站{ai}与备份站{bi}取半小时的标准差σa与σb进行比较，如公式（6）所示。

△σa≤△σb主站正确

△σa>△σb备份站正确（6）

3  方法的验证

在实践中，用本文方法对气温、气压、相对湿度进行验证。

3.1 气温数据验证

气温、气压、相对湿度等具有相似的连续性变化规律，本文以气温数据为例，将差值与标准差判别法初步的验证于2017年2月的黄石国家基本气象站气温数据中。具体数据如图1所示。其中本站值为经过差值与标准差值进行自动判断纠正后的输出值。

在2月15日10时左右，备份站气温传感器出现故障，随着气温升高，备份站温度值却反而降低，△ab在9时35分超过0.4℃，主站温度为15.5℃（前半小时数据15.1、14.9、14.7、15.2、15.5℃），备份站为10.5℃（前半小时数据15.1、14.6、14.5、14.8、10.5℃），半小時标准差运用差值与标准差值进行判断纠正后，最终的本站值选择与主站值保持一致。直到15日18时后更换温度传感器，数值恢复正常。第二次备份站数据出现异常是在在20日8时后，由于电压故障，导致8时30分开始出现负值，通过差值与标准差值进行判断纠正后，本站值自动调整为与主站一致。

3.2 气压数据验证

气压数据的验证同样采用2017年2月主备站数据。20日8时后因电压故障，同样导致备份站气压数据跳变。如图2所示。△ab在8时45分超过0.6Pha，主站气压为1005.7Pha（前半小时数据1005.5、1005.8、1005.9、1005.7、1005.7Pha），备份站为1008.2Pha（前半小时数据1005.6、1006.0、1006.3、1006.1、，1008.2Pha），半小时标准差△σa（1.3）≤△σb（9.0）。故判断为备份站故障，本站值选取主站值。

4  结论

本文主要通过主备份自动站资料对比分析，探索能够及时发现异常数据的方法，并尝试对部分异常数据进行自动纠正（如气温、气压、相对湿度等）。但对部分无序数据（如雨量、风等）只能进行阈值报警。主要得出以下结论：

（1）气温、气压、相对湿度等数据在天气变化平缓时能够达到预期的发现错误并纠正的效果。

（2）在夏季或天气变化剧烈（如短时雷雨），气象数据短时间变幅较大时，数据短时间变幅较大，可能导致纠正效果不佳。

（3）标准差判断法本质是判断数值的离散度，当仪器设备灵敏度下降的情况下，会导致判断结果失真。

（4）雨量与风速数据通过对比，可以判断主站或者备份站出现了故障，具体判断故障出现在哪个站，仅通过主备站数据分析难以做到，需要其他区站资料或是雷达卫星资料进行综合分析。

参考文献

[1]Hubbard， Kenneth G， Nathaniel B G， et al. An improved QC process for temperature in the daily cooperative w eather observations[J].J Atmos Ocean Technol，2007，24：206-213.

[2]Durre I， M enne M J， Gleason B E， et al. Comprehensive auto- mated quality assurance of daily surface observations[J].J Appl M eteor Climatol， 2010，49：1615-1633.

[3]Sciuto G， Bonaccorso B， Cancelliere A， et al. Probabilistic quality control of daily temperature data[J].International Journal of Climatology，2013，33（5）：1211-1227.

[4]任芝花，熊安元，鄒凤玲.中国地面月气候资料质量控制方法的研究[J].应用气象学报，2007，18（4）：516-523.

[5]Taylor J R， Loescher H L. Automated quality control methods for sensor data： a novel observatory approach[J].Biogeosciences，2013， 10（7）：4957-4971.

[6]王兴，苗春生，江燕如，等.台站温度质量控制中IDW算法改进及应用[J].气象科技，2014，42（4）：605-611

[7]陆忠艳，袁子鹏，蔡福，等.基于GIS的气温和降水推算方法研究[J].气象科技，2008，36（4）：389-395.

[8]Anderson S. An evaluation of spatial interpolation methods on air temperature in Phoenix，Arizona State [EB/OL].[2013-06-27].http：// www.cobblestoneconcepts.com/ucgis2summer/anderson/anderson. htm，2012，6.

[9]杨晓霞，沈桐立，徐文金，等.最优插值客观分析方法[J].南京气象学院学报，1911，14（4）：566-574.

[10]Lu G Y， Wong D W. An adaptive inverse-distance weighting spatial interpolation technique[J].Computers and Geosciences，2008，34（9）： 1044-1055.

[11]尹嫦姣，江志红，吴息，等.空间差值检验方法在地面气象资料质量控制中的应用[J].气候与环境研究，2010，15（3）：229-236.

[12]王海军，杨志彪，杨代才，等.自动气象站实时资料自动质量控制方法及其应用[J].气象，2014，33（10）：102-109.

[13]王海军，闫荞荞，向芬，等.逐时气温质量控制中界限值检查算法的设计[J].高原气象，2014，33（6）：1722-1728.

[14]中国气象局.地面气象观测数据文件和记录簿表格式[M].北京：气象出版社，2005：3-4.

[15]中国气象局气象探测中心.台站地面综合观测业务软件（ISOS）用户操作手册[M].北京：气象出版社，2014：195-196.

[16]中国气象局监测网络司.第二代自动气象站功能规格书，2010.

[17]Parolari A J， Katul G G， Porporato A. An ecohydrological perspective on drought- induced forest mortality[J].Journal of Geophysical Research Biogeosciences，2014，119（5）：965-981.

[18]中国气象局气象探测中心.新型自动气象（气候）站评估报告.2010.

[19]温华洋，徐光清，张虎，等.双套自动气象站数据评估及其优势探讨[J].应用气象学报，2012，23（6）：748-750.

[20]呼群，孔祥晨.东胜国家基本气象站双套自动站资料对比分析[J].安徽农业科学，2015，43（5）：182-184.

[21]温华洋，华连生，金素文，等.基于空间一致性的双套站数据选取方法探索[J].气象，2013，39（8）：1069-1072.