天氣現象自動化觀測資料可用性分析與應用探討

伍永學，丁青蘭，劉鳳輝，劉璐，孫躍強

（1.北京市觀象臺，北京 100176；2.北京市氣象臺，北京 100089；3.密云縣氣象局，北京 密云 101500；4.延慶縣氣象局，北京 延慶 102100）

天氣現象自動化觀測資料可用性分析與應用探討

伍永學1，丁青蘭2，劉鳳輝3，劉璐2，孫躍強4

（1.北京市觀象臺，北京 100176；2.北京市氣象臺，北京 100089；3.密云縣氣象局，北京 密云 101500；4.延慶縣氣象局，北京 延慶 102100）

通過對北京地區天氣現象組網試驗資料的可用性分析以及在精細化預報業務中的應用，發現自動觀測天氣現象資料連續時長多于20 min以上時，數據可信度較高，對預報員有較高的參考價值。自動觀測系統對雨、霧、霾現象的識別結果正確率總體較好，其高頻次的探測數據對低頻次的人工觀測起到補充作用。但在天氣現象識別算法、質控、雷暴和降水性質識別、現象識別連續性等方面還存在不足，需要進一步改進。

天氣現象；自動化觀測；可用性

天氣現象是指發生在大氣中、地面上的一些物理過程，是在一定的天氣條件下產生，各氣象要素變化的綜合結果[1]。在國家級有人值守的地面氣象觀測站，天氣現象的觀測主要仍然靠人工目測完成，人工目測的重要性不言而喻，但也存在主觀性強、簡單化、定性化，觀測頻次少等缺陷，不能全面、連續地反映天氣現象變化，易出現漏記等問題。天氣現象自動化觀測通過對地面目視觀測和聽覺項目的客觀化、定量化，結合大氣物理、天氣動力、氣象探測等領域知識，在不斷試驗和資料積累基礎上，通過多種信息的綜合分析合理判定發生的天氣現象。通過連續的高頻次的觀測，獲取更多有價值的氣象信息[2-3]。中國氣象局氣象探測中心組織研發的DZT-1型天氣現象儀以光學特性測量技術和圖像識別技術為基礎，綜合自動氣象站數據的天氣現象自動化觀測系統，基本實現的天氣現象識別包括：降水現象中雨、毛毛雨、雪、雨夾雪、冰雹；地面凝結現象中露、霜、霧凇、雨凇、積雪和結冰；視程障礙現象中沙塵暴、揚沙、浮塵、霧、輕霧和霾；以及大氣運動現象中大風、颮等[2]。

針對天氣現象自動化觀測結果，陳冬冬等在2009年對PWS100、VPF-730、OWI-430、CJY-2C/Y等天氣現象儀對輕霧、霾、霧和雨現象的識別與人工觀測進行了對比，其中輕霧和霾按現象日、雨按降水次數作了分析。徐洪雄等2010年以小時為單位對以上儀器同類天氣現象與人工觀測做了比較研究[4-5]。這些研究展現了各種天氣現象儀的特點，顯現了自動和人工兩種觀測方式的差異。但是上述研究成果對天氣現象的對比精度過粗，滿足不了目前精細化預報的業務需求。2010—2012年，北京地區基于DZT-1型進行了天氣現象組網觀測試驗，本文利用該組網觀測資料以雨、雪現象從分鐘級對人工與自動識別現象結果作了可用性分析，發現自動觀測資料連續時長多于20 min以上時，數據可信度較高，對預報員有較高參考價值。在2012年7—10月又與預報員一起開展了天氣現象資料實時對比應用，本文通過兩次典型天氣過程中自動觀測系統識別的天氣現象結果合理性以及與人工觀測對比的正確率檢驗資料的可用性，對該類資料在精細化預報中的作用簡要探討。

1 天氣現象自動化觀測資料可用性分析

人工目測天氣現象信息，用傳統3 h或6 h一次發報的頻次傳遞給預報員，遠遠無法滿足精細化預報的需求。天氣現象自動化觀測系統具有高時間分辨率的優勢，每分鐘獲取數據，實時上傳至中心站以Web方式提供給預報員，為精細化預報提供了高時間分辨率的天氣現象觀測數據作為支撐。

各類天氣現象的產生發展一般具有連續性（除颮、大風、雷暴現象）[1]，自動觀測天氣現象系統識別結果具有脈動性特征，這使自動觀測系統的現象識別結果是否可信成為問題。為此，對組網站點2010年12月—2011年12月數據進行了統計，現以降水現象中最常見的雨、雪現象為例作分析。

對自動觀測天氣現象結果進行整理，同一種現象兩段的起止時間相隔≤15 min，將此兩段綜合成一段[1]；將地面觀測報表人工觀測降水記錄處理為非陣性，以利與自動觀測系統識別結果對比。整理后，記錄分3種情況：（1）自動觀測記錄與人工記錄時段有重合；（2）自動觀測記錄持續時長<5 min且與人工記錄完全無重合；（3）自動觀測記錄持續時長≥5 min且與人工記錄完全無重合。（1）為有效數據，（2）和（3）為無效數據，其中（2）為干擾數據。

由圖1可見，干擾數據在無效數據中的比例雨現象為65.9%，雪現象為88.01%，充分表明該類記錄不足信，應予剔除。剔除該類數據后，自動觀測系統現象識別結果持續時長超15 min時，雨現象準確率79.89%，雪現象96.17%，可信度較高（表1）。

圖1 2010年12月—2011年12月雨、雪現象干擾數據在無效數據中比例

表1 2010年12月—2011年12月組網站點雨、雪現象數據比例

在2012年7—10月的實時應用過程中，實況顯示頻次經多輪試驗，最終定為每分鐘、每10 min、每半小時3種方式。每分鐘適用于確定現象起止時間，但不利于快速把握天氣變化，每半小時有利于查閱現象趨勢變化，但相對過粗，可能遺漏短時過程，每10 min方式閱覽資料，基于前述分析結果，現象連續2次出現時可信度很高，有助于預報員判定現象是否發生，在精細化預報中具有較高的使用價值。

2 選取的天氣現象和天氣過程

考慮到7—10月恰值北京的夏、秋季，因此只選取該季節易出現，對城市運行有較高影響的全市性降水（雨）、低能見度（霧、霾）天氣作分析。對于這幾種天氣，預報人員給予高度關注，對城市運行和民眾生活影響較大，需要及時發布氣象災害預警[6]，自動觀測資料易被預報員使用。

統計中發現這4個月未出現全市性大霧天氣，對于輕霧、霾的觀測記錄，一般以相對濕度作為重要輔助判據，天氣現象自動識別算法也引入該要素[2]。因此，將輕霧、霧、霾統一為低能見度天氣進行評估，本文中選擇低能見度天氣的標準為：北京20個國家級氣象觀測站中有7個以上的測站人工觀測的能見度≤5.0 km。根據上述標準，選取的降水過程天數和低能見度過程天數共計34 d（表2）。

表2 北京地區7—10月參與評估的降水和低能見度天氣過程

對于天氣現象觀測資料來說，識別正確率是判斷資料可用性的最重要指標。對選取的34 d的數據進行統計。從降水識別正確率來看，各站都在50%以上，門頭溝最高，達83%，觀象臺次之，為77%，平谷最差，只有50%。從霧、霾識別正確率來看，各站差別很大，有一半的站在95%以上，懷柔、順義、觀象臺均為100%。平谷站最差為0，延慶、密云、門頭溝不足60%，這3站正確率低主要表現為大多數對比時間顯示為無天氣現象，資料的可用性低。

3 典型天氣過程分析

為了細致考察天氣現象自動化觀測系統在不同天氣過程中的可用性以及在精細化預報中的參考作用，分別選取一個持續時間長的強降水過程和霧、霾天氣過程做詳細分析，通過自動觀測系統識別的天氣現象結果合理性以及與人工觀測對比的正確率檢驗資料可用性。自動觀測現象識別結果每10 min為一個樣本，檢驗識別結果合理性，其中降水現象增加漏報率、空報率和現象開始時間偏差分析。

3.1 2012年7月21日大暴雨天氣過程

3.1.1 識別結果合理性分析

這次降水天氣過程持續時間長，從7月21日上午開始持續到7月22日凌晨，天氣現象自動化觀測系統在整個過程中識別出雨、輕霧、霧、霾、露、颮、結冰、揚沙、雨凇等9種現象。

表3列出了人工觀測的天氣現象與自動觀測系統識別的現象結果。從表中可以看出，各站都識別出雨，除平谷外，其他各站均識別出輕霧，與人工觀測相一致；延慶、昌平、密云和順義識別出霾，人工觀測未出現霾，兩種觀測方式在輕霧、霾現象的判別中因相對濕度的閾值設定不同而使識別結果有明顯差異。自動觀測系統無法識別雷暴現象，這將決定是否發布雷電預警；降水性質對預報員也是非常重要的信息，自動觀測系統未能提供。

表3 7月21日—7月22日降水過程中天氣現象統計結果

另外，自動觀測系統還識別出了雨凇、結冰、揚沙、颮4種天氣現象。密云站有2個時次識別出雨凇，平谷和觀象臺都識別出結冰現象，且出現時次較多，分別占到樣本總數的51%和11%。雨凇和結冰是冷季才會出現的天氣現象，就此次降水過程，稍具常識即可判斷為系統識別錯誤。但是，若在冷季，這種錯誤的現象識別結果可能會誤導預報員。門頭溝站識別出2次颮的天氣現象，1次與揚沙同時出現，1次與輕霧同時出現。颮與揚沙同時出現是可能的，但是，識別出這兩種現象時，該站正下大暴雨。颮與輕霧同時出現不合理，因為霧一般大氣層結穩定，風小，而颮則是強對流的產物，有強風[1]，因此，門頭溝站識別的揚沙、颮現象是錯誤的。

3.1.2 降水現象開始時間偏差分析

2012年4 月地面觀測業務調整后，人工觀測夜間天氣現象無起止時間，利用5 min加密自動氣象站數據、6 min雷達資料和氣象服務日志獲取10個站點降水過程的大致結束時間。表4列出了各站整個降水過程起止時間、樣本數和降水開始時間偏差等信息，時間偏差正值表示自動觀測系統初次識別出降水的時間滯后于人工觀測降水開始的時間，負值則表示超前。

從表4可以看出，密云站降水持續時間最長，其他各站差別不大。從降水開始時間偏差來看，除延慶和懷柔外，其他各站均滯后于人工觀測降水開始時間。大多數（70%）站偏差不超過15 min，能較正確地給預報員提供降水開始信息。平谷站的降水開始時間比實況滯后138 min，查看自動站記錄發現21日12:10—12:15和14:20—14:40為微量降水，反映出天氣現象自動化觀測系統在降水強度較弱時對降水現象識別能力不足。

表4 自動觀測系統降水開始時間偏差

3.1.3 降水現象識別正確率分析

從天氣現象識別的正確率、漏報率、空報率來分析自動觀測系統對這次強降水的觀測能力。對各個站點，在其降水時段內按每10 min頻次顯示自動觀測識別結果，看是否識別出降水現象，統計識別結果的正確率，若降水間歇期識別出降水現象則計為空報；結果見圖2。

各站在降水時段內，均未出現空報，只有不同程度的漏報。除觀象臺和大興外，其他站降水現象識別正確率為78%～88%。但是，朝陽站在21日12:44首次識別出雨，到16:00為止雨和輕霧交替出現，其后直至22日16:50一直識別為雨，氣象服務日志22日04時后已無降水，其高正確率并不可信。觀象臺和大興正確率偏低的原因是自動觀測系統數據缺測較多。普查數據表明，雖然大多數站首次識別降水的時間與實況偏差不大，但在弱降水階段，出現錯誤識別的情況較多，這是降水現象漏報的主要原因。

圖2 組網站點降水現象識別結果統計

綜上，對于2012年7月21日北京地區強降水過程來說，大多數站點能夠正確識別雨現象，識別正確率較高，能反映天氣過程的開始及演變。大多數站點識別降水現象的開始時間滯后，70%的站點偏差在15 min以內，與自動觀測識別結果連續時長不小于20 min可信度較高吻合，能正確給預報員提供降水開始信息。自動觀測系統不能識別雷暴和降水性質，在雨強較小時雨現象的漏報率明顯增多，部分站點存在天氣現象識別錯誤，系統的現象識別算法還需進一步完善。

3.2 2012年10月25—27日霧、霾天氣

2012年10月25日夜間至27日上午北京出現了全市性霧、霾天氣，25日20時，多數站點已出現輕霧或霾的天氣，其后直至27日能見度日漸下降。26日一些臺站出現弱降水，平谷于26日夜間起出現大霧天氣，能見度不足50 m，27日夜間至白天，大興、房山、密云、平谷、順義均出現大霧天氣，能見度不超過200 m。

3.2.1 識別結果合理性分析

在這次霧、霾天氣過程中，評估時段為10月25日20時—27日08時，識別出的天氣現象列于表5。

由表5可見，密云和平谷未識別出霧、霾，在取樣時段內分別有85.7%和97.7%時次無數據，密云站依然存在錯誤識別出雨凇的現象。觀象臺和大興出現零星降水，自動觀測系統未能識別，需提高弱降水時現象的識別能力。

表5 10月25—27日天氣現象統計結果

3.2.2 霧、霾現象識別正確率分析

將霧、霾現象統一計算自動觀測系統的識別正確率，除去密云和平谷兩站，結果見圖3。從圖中可以看出，延慶和大興對霧、霾現象的識別正確率分別為73%和74%，在評估時段內多出現現象間斷、無數據情況，表明現象識別連續性較差。其他6個臺站霧、霾現象的識別正確率均在92%以上，表現出較高的識別能力。

圖3 10月25—27日自動觀測系統霧、霾識別正確率

視程障礙現象與能見度密切相關。圖4、圖5是延慶和觀象臺25日20時至27日08時能見度隨時間的演變，取樣時間為每日02、08、14、20時。從發展趨勢看，兩站人工與自動觀測系統趨勢一致，均表現出人工觀測能見度值較自動觀測值偏大。延慶站人工觀測的能見度變化較自動觀測系統幅度大；觀象臺自動觀測系統對霧（能見度≤1 km）的識別與人工觀測結果基本一致。另外，觀象臺自動觀測系統的能見度值變化幅度大于延慶。

人工觀測值較自動觀測值偏大，且隨能見度值增大而增大，一是對能見度要素的觀測，有發現距離和消失距離，消失距離大于發現距離，人工觀測因能見度目標物的存在體現的是消失距離，自動觀測是發現距離[8]；二是根據柯西米德定律計算氣象光學視程（MOR）

圖4 10月25—27日延慶自動觀測與人工觀測能見度變化

圖5 10月25—27日觀象臺自動觀測與人工觀測能見度變化

式中，MOR為氣象光學視程，ε為對比閾值，σ為消光系數。

當ε=0.05時，有

當ε=0.02時，有

人工觀測能見度由于能見度目標物的存在，其對比閾值一般為0.02，自動能見度儀則取值為0.05，世界氣象組織對能見度測量相互比對的結果表明，人工觀測能見度值比儀器測量值高出約15%，人工和儀器間的差異的四分位差約是MOR測量值的30%[9]，與上式中對比閾值差值一致。

綜上，除密云、平谷兩站外的其他各站，均正確識別出霧、霾現象，識別正確率超過73%以上。能反映出能見度的變化趨勢，與人工觀測一致，資料可用性較高。但在霧、霾現象識別的連續性方面還需進一步改進。

3.3 在精細化預報中的參考作用

目前，天氣預報業務中每隔3 h才有一次人工天氣現象觀測資料，遠遠不能滿足精細化預報業務的需求，天氣現象自動化觀測系統有很高的時間分辨率，每分鐘獲得觀測資料，可作為人工觀測的補充。仍以所選兩次典型天氣過程為例，簡要說明自動觀測資料在精細化預報中的參考作用。

在7月21日典型強降水天氣過程中，降水開始前，天氣現象自動化觀測系統識別的天氣現象大多為霾，雖然與人工觀測的輕霧有區別，但都是與能見度緊密相關的天氣現象，在氣溫一定時，能見度降低一般意味著低層水汽的增加，21日降水前能見度呈減小的趨勢，由此可以判斷低層的水汽含量逐漸增大，這一點從微波輻射計所測得的相對濕度資料中得到了印證。配合其他資料，可以認為降水的水汽條件進一步加強，有利于降水現象的發生。

此外，大多數臺站的自動觀測系統在降水現象開始前后不久就能正確識別，使得預報人員能夠及時獲取降水開始信息。除大興、觀象臺外，其他臺站雨的識別正確率大多在80%以上，在降水現象識別正確的基礎上，利用自動站的雨量數據和雷達回波強度數據估算未來幾小時的降水量，制作暴雨臨近預報及預警，便可取得良好的預報及服務效果。

在10月25—27日典型低能見度天氣過程中，大部分臺站自動觀測系統都正確地識別出霧、霾天氣現象，所測得的能見度結果也正確反映了能見度的變化趨勢。雖因自動觀測的能見度普遍小于人工觀測結果，而更早的判別霧、霾現象，與人工觀測結果并不完全一致，但是，預報員因此可以盡早地關注發展趨勢，并引起重視。在這次霧、霾天氣過程中，預報人員根據天氣現象自動化觀測系統高頻次的天氣現象和能見度觀測結果，實時掌握天氣實況，及時發布大霧預警，并對交管、政府等相關部門做出服務，取得了良好的服務效果。

4 結論

本文對北京地區2010—2012年進行的天氣現象組網觀測數據進行可用性分析并選取兩次典型天氣過程進行現象識別結果合理性及可用性檢驗，以及在精細化預報中的應用，得到以下結論：

（1）天氣現象自動觀測資料連續時長多于20min以上時，數據可信度較高，對預報員有較高參考價值。其高頻次的探測數據能夠基本反映現象發生、發展、消亡的過程，具有較高的時效性。

（2）數據分析表明，天氣現象自動化觀測系統能正確地識別出雨和霧、霾現象，識別正確率總體較好，能正確反映出天氣過程的起止和演變。

（3）本文以人工觀測能見度≤5.0 km為閾值選取低能見度天氣過程，若以10.0 km為閾值，現象識別正確率將會降低，此外系統在弱降水時對雨現象的識別率也較低。

（4）天氣現象自動化觀測系統在現象識別算法、質控、雷暴和降水性質識別以及現象識別連續性等方面還存在不足，有待進一步改進和完善。

[1]中國氣象局.地面氣象觀測規范[M].北京:氣象出版社，2003：21-24.

[2]馬舒慶，吳可軍，陳冬冬，等.天氣現象自動化觀測系統設計[J].氣象，2011，37（9）：1166-1172.

[3]陳冬冬，施麗娟，李肖霞，等.天氣現象自動化觀測現狀調研[J].氣象科技，2011，39（5）：596-598.

[4]陳冬冬，魏國栓，馬啟明，等.多臺國內外先進天氣現象儀對比分析[J].氣象水文海洋儀器，2010，（4）：13-20.

[5]徐洪雄，陳渭民，杜波.4種當代天氣現象儀自動觀測分析的比較研究[J].農技服務，2010，27（11）：1489-1492.

[6]中國氣象局.氣象災害預警信號及防御指南[M].北京：氣象出版社，2007.

[7]中國氣象局.霾的觀測和預報等級[S].北京：氣象出版社，2010.

[8]中國氣象局綜合觀測司.前向散射能見度儀功能規格需求書[M].[sn]2011.

[9]中國氣象局監測網絡司翻譯.氣象儀器和觀測方法指南[M].第六版，北京：氣象出版社，2005：157-163.

Application Analysis and Discussion on Auto-Observation Data of Weather Phenomena

WU Yongxue1，DING Qinglan2，LIU Fenghui3，LIU Lu2，SUN Yueqiang4
（1.Beijing Observatory，Beijing 100176，China；2.Beijing Meteorological Observatory，Beijing 100089，China；3.Miyun County Meteorological Bureau，Beijing 101500，China；4.Yanqing County Meteorological Bureau，Beijing 102100，China）

Based on the analysis on the data from the automatic weather phenomena observing network and the application on refined forecasting,it is found that the automatic observation data, considering the temperal span binned as 20 minutes,could have a high reference value for the forecasters.The accuracy rate of the identified weather phenomena which is complementary to manual observation including rain,fog and haze,is totally high.Also the results show that the defects on the identified algorithm,the identification of thunder and precipitation phase,the continuity still exist,and should be further improved.

weather phenomena；automatic observation；analysis of application

P415.1+2

B

1002-0799（2014）05-0069-06

10.3969/j.issn.1002-0799.2014.05.013

2013-09-16

北京市氣象局業務研發專項（2012019）。

伍永學（1976-），男（侗族），工程師，從事綜合觀測業務。E-mail:13910143976@139.com

伍永學，丁青蘭，劉鳳輝，等.天氣現象自動化觀測資料可用性分析與應用探討[J].沙漠與綠洲氣象，2014，8（5）：69-74.