大连DSG5 降水现象仪观测数据评估分析

李 赢，马 兵，刘广强

(大连市气象装备保障中心，辽宁 大连 116000)

DSG5 降水现象自动观测仪器是一种采用现代激光技术的光学测量系统。它可以实现对包括毛毛雨、雨、雪、雨夹雪、冰雹等天气现象的自动观测与识别。数据获取和存储是通过一个快速的数字化信号处理器完成的，并按照预先设定的格式输出。人工观测降水现象种类有毛毛雨、雨、阵雨、雪、阵雪、雨夹雪、阵性雨夹雪、冰雹等8 种，按照《地面气象观测规范》[1]的规定，当人工观测改为自动观测时，为了解两种观测方式获取的资料序列差异，必须进行平行观测。辽宁省62 个国家级地面气象观测站于2017 年9 月1 日进入平行观测期；2019 年9 月1日（北京时间2019 年8 月31 日20 时）起开始降水现象平行观测第二阶段工作[2]，如自动观测降水现象出现错、漏等，应结合天气实况人工判定，在定时观测时对自动观测结果进行质控、上传，并在气簿-1 备注栏和MDOS中备注异常数据的处理情况。2016 年底大连地区各台站已安装DSG5 降水现象仪，通过分析该降水现象仪捕获率、误报率及漏报率情况，判断其能否有效地投入到运行中以及其观测数据是否有效可靠，从而进一步提高降水现象观测质量。

1 方法介绍

1.1 资料来源

文章利用大连基本气象站DSG5 降水现象仪2019 年9月—12 月的自动观测分钟数据与人工观测记录进行比对分析。因白天连续观测记录天气现象起止时间，夜间仅记录天气现象，只记符号，不记起至时间。故选取值班期间（08：00—20：00）时间段天气现象人工观测记录与降水现象仪自动观测资料进行比对[3]。

1.2 数据处理方法

观测人员在每日20 时后，在降水现象平行观测软件中人工记录每日天气现象，再对当日的人工和自动降水现象仪数据保存存档。降水现象仪和人工对比观测实验数据来源于ISOS观测业务软件中的降水平行观测文件，数据存放地址：ISOSSMODATASET省名站号AWS_RAW_WEAHTER

数据格式：READDATA_YYYYMMDD

READMDATA_YYYYMMDD

从文件中提取2019 年9 月—12 月降水数据文件，进行比对分析。

2 比对分析方法

2.1 观测数据完整性分析

大连国家基本气象站2019 年9 月1 日20 时01 分—2019年12 月31 日20 时降水现象仪运行稳定，自动站设备采集数据，通信方面一切正常。降水现象仪应观测次数为175 680 次，实际采集次数175 680 次，观测成功率为100%，说明自动观测数据完整，无缺测。

2.2 人工与仪器自动观测次数统计

统计大连基本气象站各类别天气现象出现的次数。其中降水现象仪观测到的天气现象有雨，雨夹雪，雪，如图1 所示。东北地区秋冬季节毛毛雨现象较少，冰雹现象也很少出现，2019年9 月—12 月大连本站未出现过毛毛雨和冰雹天气。

3 观测数据评估方法分析

降水现象仪分钟白天08：00—20：00 数据与同时段人工观测数据做比对分析，人工观测到的阵雨、阵雪、阵性雨夹雪分别按照雨、雪、雨夹雪来进行处理。从捕获率，漏报率，误报率等方面判断降水现象仪可用性。

3.1 降水现象仪准确性评估分析

降水现象仪在运行过程中，会在一定情况下出现一定的漏报和误报的状况，为了检验降水现象仪的工作状况，要对漏报率和误报率[4]进行统计。漏报为人工观测某种天气现象但降水现象仪未识别，以分钟为单位。

漏报率= 降水现象仪未能识别的某种降水现象分钟数/人工观测到的降水现象分钟数×100%

误报是指在某种降水现象发生时，该时间段内降水现象仪识别到的天气现象与人工观测到的天气现象不一致。误报率=降水现象仪错误识别到的降水现象分钟数/人工观测到的降水现象分钟数×100%

表1 大连本站9 月—12 月降水现象仪漏报率和误报率统计Tab.1 Statistics of missing report rate and false report rate of precipitation phenomenology instrument in Dalian station from September to December

表1 中，大连本站降水现象仪9 月—12 月平均漏报率为4.94%，平均误报率为0.19%；说明降水现象仪漏报率和误报率较低，与人工观测结果一致性较高，降水现象仪可以满足业务要求。对于降水现象仪发生漏报和误报的原因，可通过存在漏报和误报的分钟数判断。

对于漏报的问题：首先，人工观测降水的主观性较强，容易受一些外在因素的影响，对降水的起止时间判断存在着一定的误差。例如遇到连续阵性降水的情况，每次降水现象之间间隔时间不长，人工观测没有去除间歇的时间，易记录为连续性降水，人为原因记录降水时间偏长，从而认为降水现象仪出现漏报的状况。其次，从降水强度方面判断，当雨量很小时，例如小时累计降水量为0.0 mm时，降水现象仪漏报率较高。因降水粒子很小，所以自动降水现象仪容易对降水现象捕捉失败，从而造成漏报。

发生误报的原因：降水现象仪器所在的观测场需要一定的维护，有时会对降水现象仪有一些人为的干扰影响，从而造成降水现象仪误判误报的情况发生；大连地处沿海地区，因天然地理条件的原因容易产生轻雾或者大雾天气现象，尤其在雨后，当雾天空气中的水分含量过高，空气湿度比较大时，降水现象仪器可能认为存在降水情况，对天气现象造成错判。例如9月2 日11 时33 分—34 分降水现象仪识别到的降水过程，时间很短，无降水量，此次过程的形成与当时的天气条件因素有很大的关联。

3.2 降水现象仪捕获率分析

捕获率[5]指降水现象仪器识别到的发生降水次数与该时间段内人工观测到的降水发生次数的比值。捕获率计算公式为：

捕获率= 降水现象仪识别到的发生某种降水次数/人工观测到的某种降水发生总次数×100%.

本次试验按天气现象类别进行统计，将人工观测和仪器观测一致的情况进行分类选取，进而得出降水现象仪器的捕获率。表2 为大连基本气候站降水现象仪对降水现象的捕获率。

表2 降水现象仪对各类型降水现象的捕获率Tab.2 Capture rate of various types of precipitation phenomena by precipitation phenomenon meter

从图表中可见，9 月和10 月人工和降水现象仪识别到的天气现象只有雨或者阵雨，11 月和12 月雨（阵雨），雨夹雪（阵性雨夹雪），雪（阵雪）的天气现象都有出现过，但12 月份降水现象仪观测到天气现象有雨夹雪但该时段人工记录为雪。降水现象仪对雨的捕捉率要高于对雪的捕捉率，雨夹雪捕获难度较大。随着天气现象发生次数的增加，捕获率也逐渐提高，9 月—12 月观测到雨的次数最多，对雨的捕获率也最高。大连地区大风天气较多，根据对大连地区风特征研究，秋冬季节大于8 级的大风天气时常发生，当雪或者雨夹雪现象受大风天影响时，粒子下降速度容易受外界因素影响而产生改变，影响了降水现象仪对这两种天气现象的判断，从而造成捕获率较低的情况发生。

3.3 观测数据一致性分析

2019 年9 月—12 月期间，大连国家基本气象站人工观测到的降水过程次数，9 月出现了 9 次，10 月 4 次，11 月 13 次，12 月11 次，共37 次。其中与降水现象仪观测到的起止时间相差15 min以上[6]的有 9 次，一共占 24%，9 月—12 月的降水符合率分别为22.2%，15.4%，25.0%，18.1%。说明人工降水观测数据和降水现象仪观测数据结果一致性程度较高。

4 结束语

安装降水现象仪是实现地面自动化观测的重要内容之一，其克服了人工观测的主观性，提高了降水现象观测资料的完整性和实时性。本文对大连地区2019 年9 月—12 月降水现象仪数据进行了整理统计分析，得出结论：一是大连国家基本气象站降水现象仪运行稳定，观测数据完整无缺测。二是降水现象仪准确率较高，漏报率和误报率较低，漏报率为4.94%，误报率为0.19%，满足业务要求。仪器对雨天气现象的捕获率高于对雪或者雨夹雪天气现象的捕获率。三是人工观测降水的主观性较强，容易产生观测误差，当遇到某一段时间内发生多次间隔性较短的降水过程时，容易记录成一次过程的降水。四是研究证实了降水现象仪有效的观测性，为今后提高大连地区实现降水全自动化观测做好了铺垫，也为其他台站降水现象仪的使用提供了参考。