人工站与自动站降水类天气现象资料对比分析

2020-04-13 08:18张俊茹邢丽元
黑龙江科学 2020年6期
关键词:毛毛雨天气现象日数

张俊茹,邢丽元

(1.长春市气象信息技术保障中心,长春 130000; 2.绿园区气象局,长春 130000)

1 引言

降水现象是从云中降落或从大气沉降到地面的液态或固态的水汽凝结物,包括雨、雹、雪等[1]。《地面气象观测业务规范》规定:人工观测降水现象包括雨、阵雨、雪、阵雪、雨夹雪、阵性雨夹雪、毛毛雨、冰雹等。DSG4降水现象仪通过激光遥测技术对降水过程进行分析、记录,能够自动实现降水现象要素观测、数据采集、存储和处理[2],即经过ISOS软件质量控制处理后输出5种降水类现象:雨、雪、雨夹雪、毛毛雨、冰雹,这种自动识别降水现象的技术大大提高了降水现象观测频次和质量,为预报服务提供更有利的气象信息和观测产品。

2 资料来源

以长春国家基准气候站2018年1月-2019年12月人工站、自动站降水现象数据为依据。人工观测白天以观测员眼睛观测到的降水现象为准,夜间以人工判断为准;自动观测以DSG4型降水类天气现象仪自动采集数据为准。从两年记录资料上看数据完整、无缺测。

3 数据分析

3.1 夜间与白天降水类天气现象日数统计分析

2018年夜间人工观测日数总计为80日,自动106日,以人工观测为基准,不一致率达32.5%,1、4、9、11月份次数相同,不一致率最高为6月份,多达109%。2019年夜间人工观测日数总计77日,自动99日,以人工观测为基准,不一致率达28.6%。1-4月份、10-12月份次数相同,不一致率最高为9月份,多达150%。由此可见,不一致率高多为下半年(5-9月份)。原因可能为人工观测夜间不守班,只能靠值班员晨起时判断记录,故存在主观性(漏记或多记),自动站夜间出现降水日数偏多,多为短时降水或误认为飞虫飞过仪器采样区而造成误判。

图1 2018、2019年1-12月夜间降水日数统计Fig.1 Statistics of night precipitation days from January to December in 2018 and 2019

图2 2018、2019年1-12月白天降水日数Fig.2 Days of daytime precipitation from January to December of 2018 and 2019

表1 2018-2019年夜间人工观测与自动观测不一致率Tab.1 Inconsistency rate between manual observation and automatic observation at night in 2018 and 2019

表2 2018-2019年白天人工观测与自动观测不一致率Tab.2 Inconsistency rate between manual observation and automatic observation in daytime in 2018 and 2019

2018年白天人工观测日数总计为75日,自动119日,以人工观测为基准,不一致率达58.7%,最多出现在5月份,多达171%;2019年白天人工观测总计84日,自动103日,以人工观测为基准,不一致率达 22.6%,最多为9月份,多达140%。原因多为自动站采集到(1 min、2 min、3 min)短时降水,此时段人工未观测到降水。

3.2 降水准确性分析

从2018-2019年资料上来看,两者降水起止时间存在不一致性,且2018年较严重,2019年基本接近。

从2018年白天降水现象资料上看,80%以上两者的起止时间不同步。存在此种现象的原因是2018年降水类天气现象观测为对比观测第一年,记录以人工观测为主,自动观测为辅。人工观测只要是观测员亲眼见到的就记录,但有时1 min短时降水可能未看到。自动观测降水类天气现象仪器是有雨滴或飘浮物降落至采样区就会及时采集到降水,灵敏度高,避免人为因素的影响。

自动观测降水过程降水观测时段普遍较多。

例如:2018年 1月8日自动观测降水现象:(70,)70 0802-0812’0814 -0821’0844-0856’0858-0906’0908’0910-0911’1108-1109’1215-1216’1218-1221’1225’1232-1234’1237’1239’1324-1329’1332-1719’1721’1723-1725’1728-1744’1749’1751’1759-1840’1842’1844’1846-1847’1849-1853’1855-1856’1858’1900-1901’1903-1906’1908-1910’1912-1913’1915’1918-1927’1930-1931’1935’1939-1940’1956’1959 -2000,60 1056’1134’1933,.

2018年 1月8日人工观测降水现象:(70,)70 0800-2000,.

从上例看:同一天观测的降水现象,自动观测起止时间不足1 min多达16次,占总时长的40%,大大增多观测频次。人工观测只有一个开始、终止时间段,无间歇。

观测态相上存在着一定差异。上面的例子中人工观测均为降雪,而自动观测雪中出现了降雨,分别出现在10∶56、11∶34、19∶33,此时气温分别为-6.6℃、-6.4℃、-9.5℃,从气温上看是不会出现降雨的,应为仪器识别有误。此种情况2018年共出现6次,气温均为零下。2019年共出现2次。

在雨季,雨强小时自动降水类天气现象仪有时会将小雨误判为毛毛雨,雨强大时会将大的雨滴误判为冰雹。此种情况记录处理上要做人工订正。

例1:2018年5月16日 自动观测:

60 1158-1205’1212-1213’1216-1306’1310’1312’1314-1315’1317’

1323’1325,50 1206’1214’1307-1309’1311’1313’1316’1318-1322’

1324’1326-1330’1340-1341,.

2018年5月16日人工观测:60 1205 1425,.

从例1看,首先两者起止时间不一致,其次是自动观测出现毛毛雨,而人工观测未出现毛毛雨,此种情况2018年自动观测共出现13次,2019年共出现3次。

例2:2018年6月13日自动观测:

60 1537-1538’1540’1555-1617’1619-1706’1713-1829,89 1539’1541 -1554,.

2018年6月13日人工观测:80 1536-1910,.

从例2看:自动观测出现冰雹而人工观测未出现,此种情况2018年共出现11次且10月份出现一次雪中降冰雹。2019年未出现。

针对此种情况,售后技术人员积极采取措施于2019年7月11日、10月底对现象阈值进行了两次重新设置,初步解决了雨强小误判毛毛雨及雨强大时误判冰雹、冬季雪天伴有分钟降雨情况。

3.3 出现态相不相符的原因

观测方式及观测原理不同。人工观测降水现象是按照实际看到的态相做记录的,不存在异议。DSG4降水现象仪硬件主要由HSC-OTT Parsive12雨滴谱光学传感器采用激光技术的光学遥测系统来测量各种类型降水的,并通过数字化信号处理器来完成数据获取和存储,测量的基本参数为粒径和速度,从而推导出粒径分布、降水量、能见度、降水动能和降水类型等[2]。即是通过雨滴谱分析来识别降水态相的,雨、雪、冰雹、混合降水等。

下面看一下图谱来验证态相识别情况。

图3 2018年1月8日11时34分Fig.3 11:34 on January 8, 2018

图4 2018年1月8日19时33分Fig.4 19:33 on January 8, 2018

由图3、图4两个雨滴谱图可看到:粒子数目最多时不超过20个,但10 m/s>粒子下降速度多数>3 m/s,故判为雨。

DSG4型降水类天气现象仪将粒子的下降速度V(m/s)、粒子直径D(mm)及降水强度同时满足条件V(D)>9.244*{1-e(-(D/1.16)1.212}且<10 m/s,雨粒子降水强度分别大于其他降水类型的粒子降水强度(雪、雨夹雪、冻雨、冰雹等)[2]。

DGS4型自动降水类现象仪出现时段与降水量出现时间存在不一致性,有时会在自动观测无降水时段出现0.1 mm降水,此种情况多为雨量传感器出现滞后降水量,在记录处理上按滞后降水量规定执行即可,若确为之前无降水而出降水量,则将此量删除即可。

4 结语

自动站与人工站观测到降水类天气现象在夜间及白天存在着日数(不一致)差异,且冬季这种差异变小,夏季增大。主要由两个系统观测方式不一致引起,存在主观性和客观性。

自动站与人工站观测到的降水类天气现象起止时间存在不一致性,主要原因是人为因素较大,存在主观性。

自动站与人工站观测到的降水类天气现象态相上存在差异,主要是自动观测在降水类型识别上存在着逻辑错误,如在-13.4℃情况下出现雨,与事实不符。解决办法是更改相关要素域值。

自动站降水类天气现象与雨量传感器衔接上存在空档,有时无降水现象阶段有降水记录,此种情况为两种仪器在性能上存在不同步。多为雨量传感器多降水记录,将其人工删除。

猜你喜欢
毛毛雨天气现象日数
汉江上游汉中区域不同等级降水日数的气候变化特征分析
《奇怪的天气:关于天气的50个秘密》
1961—2016年汛期东天山北坡不同量级降水日数时空变化特征
天津市滨海新区塘沽地域雷暴日数变化规律及特征分析
与龙卷风共舞
无视毛毛雨 终会湿衣裳
毛毛雨
为什么雨后天空会出现彩虹
新巴尔虎左旗常见天气现象分析
天气现象的隐喻化方式分析