加密自動氣象站雨量計資料的質量控制及其相關關系的研究

劉雨佳 陳洪濱金德鎮(zhèn)齊彥斌崔蓮

1中國科學院大氣物理研究所中層大氣與全球環(huán)境探測重點實驗室，北京100029

2中國科學院大學，北京100049

3吉林省人工影響天氣辦公室，長春130062

1 引言

使用雨量計測量降雨可以獲得單點的降雨強度和一定時段的累積降水量。自動雨量計應用后，測量降水更加方便快捷，更具有時效性。從 70年代開始，國內外科學家開始利用聯合雨量計的數據來訂正雷達估測值，以期得到雷達有效觀測范圍內更準確的降水數據。隨著研究的深入，越來越多的算法和校正因子需要地面建立高密度的地面雨量計站網，雨量計站網密度增加成為了精確測量區(qū)域降水的趨勢。高密度雨量計組網可以減少降雨測量時間和空間上的不確定性（Steiner et al.，1999；Villarini et al.，2008；徐亞欽等，2011）。美國、日本、英國等國家以及我國的許多省市相繼建立了相當規(guī)模的高密度自動雨量計站網，但雨量計由于測量技術的不同和資料處理方法的差異，造成了時間和空間上不連續(xù)等問題（Rodda，1968；Ciach，2003；Yang et al.，2009），并存在一定的測量誤差。在進行區(qū)域降水測量研究時，即使1個用來參考的雨量計出現錯誤，也會對測量結果造成很大影響。因此，在使用加密雨量計資料前，必須進行嚴格的質量控制。我國對于地面自動氣象站觀測資料已經制定了三級質量控制業(yè)務規(guī)范（任芝花和熊安元，2007），利用常規(guī)的格式檢查、極值檢查、空間一致性檢查等方法對自動站的觀測資料進行質量控制。張強等（2007）利用人工測量雨量筒周圍分布的自動雨量站數據擬合出標準降雨值，對于自動站的降水數據單獨進行質量控制。其結果表明，經過與人工雨量筒測量值的對比，此種方法在降水強度較為均勻情況下十分有效，但在對流云降水條件下，有較大誤差。叢芳和劉黎平（2011）結合雷達資料，利用相似離度的分析方法對于雨量計資料進行了質量控制，該方法在覆蓋面廣、強度大的降雨過程中效果較好。

雨量計密度的不斷加大，使得其用來訂正雷達估測降水的精度隨之提高，并在某一校準密度之后雷達對降水的估測精度趨于穩(wěn)定（東高紅和劉黎平，2012；?álek et al.，2012）。對于如何找出雨量計在降水測量應用上的最“適宜”密度，可以通過分析雨量計之間的相關關系來確定其代表性（B?hner，1994；Marani，2003）。這樣既有利于優(yōu)化加密雨量計站網，得到更為準確的降水測量值，又能提高雨量計訂正雷達估測降水的精度，也為區(qū)域氣候環(huán)境變化監(jiān)測、工農業(yè)生產、天氣預報、云霧降水物理研究、人工影響局部天氣的效果檢驗、水文學上估算江河流量及在汛期及時發(fā)布洪水警報等提供更加可靠的資料。

Patrions et al.（1979）利用分布距離在50 km左右的雨量計網的月降雨量對于佐治亞州（Georgia）西北部的降水空間相關性進行了研究，結果表明了位置越近的雨量計空間相關關系越好。Kuzuha et al.（2001）通過間隔17 km的自動氣象站網，與分布稀疏的地面觀測站進行了代表性分析，結果表明相鄰的兩種雨量計（地面站和自動站）具有一定的相關性，但當距離超過100 km時，則無法利用地面站數據代替自動站數據。Ciach et al．（2006）利用俄克拉荷馬州（Oklahoma）一個9 km2面積內布置的1 km間隔的小型雨量計站網，對于降雨空間相關結構進行了研究，認為高密度的雨量計可以用來代替雷達的估測值得到準確的小范圍降雨相關關系。

本文利用分布在長春—四平地區(qū)面積為 100 km×100 km的147個自動站雨量計（統(tǒng)稱為加密站）2007～2011年4月下旬至10月上旬的觀測資料，通過多重檢查以及雷達資料對雨量計進行質量控制，并分析其質量控制效果，以獲得適用于該地區(qū)自動雨量站質量控制的有效方法和步驟。然后，對自動站雨量計之間的相關關系進行研究，了解其在不同時間尺度下的空間代表性，對開展降水測量對比試驗提出建議。

2 研究區(qū)域及資料介紹

吉林省人工影響天氣辦公室于 2006年在長春—四平地區(qū)布設自動雨量站 96個，分布在總面積約為100 km×100 km的正方形網格上，每個自動氣象站相距10 km左右。96個自動氣象站（簡稱人影站，下同）分布在長春市市區(qū)、長春市雙陽區(qū)、公主嶺市、梨樹縣、伊通縣以及四平市的東北區(qū)域，該地區(qū)位于中國東北松遼平原腹地，地勢平坦開闊，海拔在132 m到343 m之間。除96個人影站雨量計外，在此區(qū)域吉林省氣象局布設了 51個自動氣象站（簡稱省局站，下同），集中分布在長春市市區(qū)、市郊和周邊鄉(xiāng)村，相鄰雨量計最大間隔達到40 km。在長春市內西南部布設有一部CINRAD/CC型多普勒天氣雷達，體積掃描時間為6 min，最大有效探測距離150 km。全部雨量計與雷達的距離在3～118 km之間。圖1顯示兩種雨量計分布以及雷達位置情況。

圖1 長春—四平地區(qū)人影和省局雨量計分布以及雷達所在位置Fig.1 Map of rain gauges and radar in the Changchun–Siping region

人影站和省局站配備相同型號的溫度傳感器和自動雨量計。雨量計采用翻斗式雨量感應測定單位時間的降雨量，測量記錄的雨強單位是mm/min，最小分辨率為0.1 mm，全部雨量計進行統(tǒng)一方法標定和維護（孫海燕等，2006）。除雨量計和溫度計外，每個站點均配備一套數據采集器和電源，通過無線通訊方式將數據傳送給中心計算機記錄與調用。人影站站號排序為1～100，省局站站號為四位整數（如：1026）。

綜合考慮吉林省冬季發(fā)生降雪的氣候條件、雨量計標定維護部門的記錄以及雷達運轉情況，本工作選取了2007年4～7月，2008年4～8月，2009年4～9月，2010年4～10月份和2011年4～10月份的降水數據，將同一天有測量值的自動站雨量計數據按照站號升序排列，得到每天的分鐘降水數據文件。經統(tǒng)計，2007年4～7月共有24個降水日；2008年4～8月共有81日；2009年4～9月共有61日；2010年4～10月共有77日；2011年4～10月共有75日數據；147個站點總計有1685482個分鐘降水數據。考慮到分鐘降水數據量較多，時間間隔短，不適宜直接進行質量控制，因此將這些分鐘降水數據換算為小時降水數據。

圖2 加密站雨量計降水數據質量控制流程Fig.2 Flow chart of quality control for the high density rain gauge data

以下對147個自動站雨量計的小時降水數據進行質量控制和分析研究。圖2為質量控制的主要流程。第3節(jié)介紹常規(guī)檢查與結果，第4節(jié)介紹雨量計與雷達估測降水的比較和結果。

3 利用常規(guī)檢查對雨量計數據進行質量控制

在長春—四平地區(qū)的雨量計日常維護工作中，已經對數據進行了初步的質量控制（孫海燕等，2006），質量控制的主要內容為：（1）通過數據中心的監(jiān)控與處理，如在晴好天氣出現測量值記錄則對數據進行刪除，并對雨量計進行維護；（2）如在發(fā)生明顯降雨時雨量計未顯示有觀測數據，則對該自動站進行維護，在該站維護后至重新標定使用期間的降雨數據進行刪除；（3）數據采集系統(tǒng)可以對雨量采集時間進行校對，即中心計算機安裝了網絡校時軟件，如發(fā)現雨量計觀測時間和中心計算機記錄觀測時間出入超過雨量采集系統(tǒng)默認范圍，則判定雨量計時鐘出現問題，要進行校正，出現問題的站點觀測數據刪除。

根據地面自動站觀測資料三級質量控制業(yè)務系統(tǒng)中的數據檢查方法，結合研究區(qū)域自動站雨量計的分布特點，制定了數據連續(xù)無變化檢查、自動氣象站工作情況檢查、極值檢查和鄰近站點比較這4個步驟，對5年的自動站雨量計降水數據進行質量控制。檢查過程中標記為錯誤的數據刪除，標記為異常的降水數據保留，并將在下一節(jié)通過與雷達回波強度的對比來驗證其可用性。

3.1 數據連續(xù)無變化檢查

由于測量儀器故障，如雨量計漏斗部分堵塞，承水器收集的降水以勻速滲漏的方式進入翻斗，會造成一段時間內雨量計測量降水值相同（任芝花等，2010）。根據劉紅燕等（2006）的研究表明，即使在層狀云降水的情況下，降水強度在1小時內也存在很大的變化，因此可以通過數據連續(xù)無變化檢查將錯誤數據挑出。如果某個站點連續(xù)出現6個小時或6小時以上降水量相等的情況，則該站點出現連續(xù)值的降水數據均記為錯誤數據（任芝花等，2010），標記為“W1”。經檢查，有4個站點（30號站、80號站、1005號站和4204號站）共40個小時的降水數據未通過檢查。我們還對分鐘數據進行了同樣的檢查，如果1小時內分鐘降水數據無變化的話，則認為該站該時段的數據錯誤。檢查結果是，沒有發(fā)現其他站點出現問題。

3.2 自動氣象站工作情況檢查

對于自動氣象站的工作情況檢查主要是針對電壓和數據采集系統(tǒng)的檢查。自動氣象站的雨量計和溫度計使用同一電源和數據采集系統(tǒng)，溫度計在其測量過程中受外界因素的干擾較少，因此可以利用對異常溫度數據的檢查來判斷自動氣象站的電源和數據采集系統(tǒng)的工作情況。溫度數據的時間和空間代表性都較高，一般而言，相鄰兩小時的溫度數據相差應在±8°C之間（楊萍等，2011）。如果相鄰兩個小時的溫度值差值大于8°C，則視為異常數據，根據吉林省4～10月溫度變化特點（襲祝香等，1998），如果出現－5°C以下低溫或是38°C以上高溫的測量值時，也視為異常值。經統(tǒng)計，有 15個站點共263個溫度異常數據，每一年的異常數據占總數據量不超過 1%。但異常的溫度數據并不代表雨量計出現錯誤，只是懷疑電壓和數據采集系統(tǒng)可能出現問題。因此，只是將溫度異常數據相對應的自動站降水數據記為異常數據，標記為“E1”，后面的步驟中會對其進行進一步的檢查。

3.3 極值檢查

極值是指某個固定測站歷史記錄中某要素曾出現過的最大值和（或）最小值，氣象資料要素值是否超出極值的檢查稱為極值檢查。在雨量計降水資料的統(tǒng)計中，只存在極大值的情況且出現極大值的概率較低。在概率論中我們把概率很接近于0（即在大量重復試驗中出現的頻率非常低）的事件稱為小概率事件。因此利用小概率事件，找出5年降水數據中的極值標準，以此進行極值檢查。將5年數據中相同月份相同站號的自動站大于0的觀測值按照從大到小的順序排列，取其位置在非0觀測值數量中排在前1% 的降水值（如該站點非0觀測值數量小于 150，則取其第二位的降水值）作為該站點在該月份的極大值。運用這種方法，求出全部自動站在該月份的極大值，取其中最大值作為5年數據中每個月小時降水極值基準進行檢查，如果仍有大于極值基準的降水值存在，則將降水值記為沒通過檢查的數據。這樣可以保證檢查出的數據均為概率不大于0.01的小概率事件。在沒有通過極值檢查的數據中，存在1個小時降水文件中2個或2個以上站點出現極大值的現象，以及一次連續(xù)的降水過程中不同站點出現極大值的情況，這都可能是由于強降水云團面積較大及其移動造成的，這兩種情況下的極值應視為正常的降水情況。表1為最終極值檢查的結果，經統(tǒng)計有 28個站點中存在沒有通過極值檢查的數據，未通過檢查的數據共 35個，標記為異常數據“E2”。

表1 極值檢查結果Table 1 Results of extremum check

3.4 鄰近站點比較（空間一致性檢查）

對于區(qū)域降水而言，每個參與測量的雨量計之間應存在一定的相關性。鄰近站點的比較就是利用這種相關性，找出表現異常的站點。由于降水具有很大的時空不均勻性，因此對降水數據進行空間一致性檢查時，應盡量選取距離較近的站點。圖3為147個站點與其相鄰站點降水值差值比較圖。將每個站點 2007～2011年可用數據求得總和，然后與其距離最近的4個站點降水值進行比較。圖中黑色實心點指示的數值為一個自動站5年降水數據總和分別與其相鄰4個站各自降水值總和的差值。由圖可見，臨近站點之間的差值多數集中在±500 mm之間，但部分站點存在更大的差值。由于研究區(qū)域內無明顯地形差異，因此可以忽略地形對降水的影響。同樣利用小概率事件準則，將全部差值絕對值按照從大到小的順序排列出，以其總數量前1% 的位置對應值作為檢驗值，如果某站點與其相鄰站點的差值絕對值超過檢驗值的個數超過2個，則認為這個站點沒有通過鄰近站點比較。經檢查，5年數據中鄰近站點降水總量差值檢驗值為1478.5 mm，有1個站點（4208號）未通過此項檢驗，該站點數據標記為“E3”。

圖3 全部站點雨量計與其4個相鄰站點雨量計各自5年可用數據降水總和的差值Fig.3 Differences of 5 years total rainfall for 147 rain gauges from that at each of their 4 neighbors

經過以上4個步驟的檢查，共有41個站點中的298個數據標記為異常值“E1”和“E2”，1個站點數據標記為“E3”，而4個站點共40個小時數據標記為錯誤數據“W1”。

4 利用雷達數據對雨量計數據進行質量控制

自動站雨量計承水筒內殘存雨水或是翻斗誤動作（過快或過慢）產生信號，都使得數據采集系統(tǒng)輸出錯誤的降水值。對于這類數據，有時單純用自身對比檢查難以判斷，必須使用另一種降水測量方法得到的數據來進行比較。這里，我們使用長春天氣雷達的觀測數據與雨量計進行對比，并將其作為定性的“檢查標準”，如果在常規(guī)檢查中標記了異常的數據與雷達估測值對比后有很大的差異，則可將異常數據標記為錯誤數據。

盡管長春站雷達位于30 m高度的樓頂，但為了盡量避免地物遮擋，不取最低仰角的觀測數據，而是使用1.5°仰角的雷達反射率（因子）觀測數據。又，為了考慮水平風場對降雨數據的影響，雷達回波數據以雨量計為中心并取面積 0.5 km×0.5 km的正方形格點數據，五個數據進行平均得到與雨量站點相對應的雷達回波反射率因子值Z（單位mm6m?3）。然后利用關系式Z=300R1.4（其中R為雨強）計算出雷達每次體掃估測的瞬時降水值，求出1小時內的降水值均值作為雷達小時估測降水值，計算出的降水值保留一位小數。考慮到雨滴從云底落到地面的時間約為 3～6 mins，因此雷達統(tǒng)計小時降水量時，與雨量計降水數據對應時間提前 6 mins（陳秋萍等，2005）。將全部自動站的雨量計測量值與雷達估測值記錄在雨量計對應時間命名的文件中，共得到3241個小時的降水數據文件。

4.1 自動站點降水數據與雷達數據的相似離度

由于雷達估測值本身存在較大誤差，而且與雨量計測量值之間存在偏差，因此單純用相關系數和均值差異等統(tǒng)計方法對兩者的一致性進行評判無法說明問題。這里，也采用叢芳和劉黎平（2011）引入的相似離度方法對雷達和雨量計進行比較。相似離度即相似性的差異程度，既考慮到雷達估測降雨量和自動站雨量計實測雨量的形相似情況，又體現了它們之間值的差異，是一個比較全面的相似標準。相似離度GRC表示為：

其中，EGR為雨量計測量值xGi與雷達值xRi之間的平均差值；DGR是雨量計測值與雷達值之差的絕對值平均，它能反映出兩樣本之間在總平均數值上的差異程度，稱為值系數；SGR為雨量計與雷達差值xGRi對EGR的離散程度（李開樂，1986）。如果雨量計測量值與雷達估測值完全相同，則相似離度為0。因此，相似離度越小，兩種測量值相似性越高。

將小時降水數據按照自動站站號排列，利用相似離度的方法檢查每個站點的整體情況。重點對未通過鄰近站點檢查（標記“E3”）的站點數據進行檢查。表2為147個自動站相似離度的統(tǒng)計。根據概率統(tǒng)計方法，將相似離度在[0, 0.05）范圍內的記為0，［0.05, 0.15）內記為0.1，［0.15, 0.25）內記為0.2，［0.25, 0.35）內記為0.3，以此類推。從表中可知，94.6%的自動站點相似離度集中在 0.1～0.7之間，有8個站點相似離度超過0.7。標記“E3”的4208號站點，相似離度為0.9。該站點雨量計測量值與雷達估測值相似性低，同時與鄰近站點測量值差距大。由于該站點與雷達相距50 km左右，且所處地區(qū)無明顯地勢變化，因此可以判斷該站點雨量計測量出現了錯誤，將其標記為錯誤站點“W1”。其余的7個站點中除69號和87號站外， 5個站點與雷達相距不超過10 km，所處方位集中在雷達的東南方。我們查看了多個晴天時雷達1.5°仰角的平面位置（PPI）圖像，發(fā)現雷達東南部5 km范圍內存在回波，而當仰角抬高到最高的19.4°時，回波消失，因此確定1.5°仰角觀測時雷達回波受到地物影響，出現了與地面雨量計測量更大的偏離，這并不能說明雨量計出現異常，應抬高雷達仰角重新對比。

表2 自動站雨量計降水測量值與雷達估測值相似離度統(tǒng)計Table 2 The analogy deviation of precipitation between rain gauges and radar measurements

圖4 全部站點 5年小時降水數據中雨量計與雷達測量到的降水時次數比較Fig.4 Comparison of hourly rainfall observation numbers between gauges and radar in five years

4.2 雨量計與雷達測量降水時長的比較

圖4為147個站點5年小時降水數據中雨量計測量到降水次數和雷達估測到降水次數的對比。從圖中可以看出，有兩個站點（87號和4208號）的雨量計測得降水的次數遠少于其他站的，同時較雷達估測降雨的時次數少909和788次。87號站點有44個小時數據為雨量計測量到降水而雷達未測量到，有 953個小時雷達測量到降水而雨量計未測到，該站與雷達測量時次不匹配數實為997個。4208號站則有 50個小時數據雨量計測量到而雷達未測到，838時次雷達測量到而雨量計未測到。4208號站點在相似離度檢查中已被標記為錯誤數據，因此可以進一步證明前面的檢查分類是正確的。而 87號站相似離度為所有站點統(tǒng)計中第二大值（0.8），該站點與雷達距離60 km左右，二者之間并沒有地物遮擋。在查看了該站點與其周圍4個鄰近站點的5年降水總量比較的結果后，發(fā)現該站點較其鄰近站點的降水測量差均值為－1125.5 mm。這說明該站點與相鄰站點相比測量值明顯偏低，同時存在雨量計和雷達測量不同步的情況，因此可以判斷這個站點的數據也為錯誤數據，記為“W1”。

4.3 標記異常的雨量計數據與雷達估測值對比

利用雷達估測降水值對標記為“E1”和“E2”的異常數據進行進一步檢查。經過相似離度的比較，在標記“E1”的雨量計數據中，5號站數據的相似離度最大（4.2），其余14個站點數據的相似離度均小于1。而在標記“E2”的數據中由于多數站點對應的雨量計測量值只有1個，不適宜使用相似離度的方法來對比。對于出現極值的站點，如果其對應雷達估測降水量有測量值，可以證明該站點在這1個小時內存在降水現象，而并非由于儀器誤差和人為因素造成的降水測量值。利用這種方法，對于“E1”中相似離度最大的5號站和“E2”的數據進行檢查，結果5號站有一個小時降水異常值對應的雷達估測值為0，極值中有4個站點未通過檢查。圖5為未通過檢查的站點在降水過程中雨量計測量值與雷達估測值隨時間的分布。從圖中可以看出，5個站點出現異常的測量值均沒有對應的雷達估測值，同時其出現的前6分鐘和后6分鐘也均沒有雨量計測量值和雷達估測值，因此判斷這 5個站點的異常值為錯誤值，標記為“W2”。錯誤數據的時段分別為5號站：08071200（2008年7月12日00:00，北京時，下同）；36號站：09041916；67號站：08042318；93號站：09042207；4207號站：08042220。

圖5 5個站點標記E1和E2數據1小時內雨量計與雷達測量值隨時間分布（實線：雨量計測量值，虛線：雷達估測值）Fig.5 Time series of rain gauges and radar precipitation marked E1and E2 at five stations (solid line: gauge precipitation; dotted line: radar precipitation)

經過以上的質量控制過程，吉林省長春—四平地區(qū)2007～2011年4～10月的147個自動雨量計小時降水數據中有2個站點（87號和4208號）的數據及4個站點（30號、80號、1005號和4204號）40個雨量計小時降水量數據記為錯誤數據“W1”，而5個站點共5個小時數據記為錯誤數據“W2”。在標記錯誤的數據中，標記為“W1”的數據由于無法確定雨量計測量的正確值因此要進行刪除，而對于未通過連續(xù)檢查的4個站點來說，刪除數據會造成雨量計測量次數的缺失，對于利用雨量計進行相關關系的統(tǒng)計有影響，因此這4個站點的數據也全部刪除，不用于下一步分析研究中。而標記“W2”的數據因為可以證明該時刻并未產生降水，因此標記“W2”的 5個小時數據刪除，其余雨量計數據繼續(xù)保留。標記異常E1–E3的數據繼續(xù)保留。

表3為2007～2011年全部站點質量控制前后雨量計測量值和雷達估測值的統(tǒng)計值。質量控制后的數據為去除了標記為“W1”和“W2”的站點和數據。從表中可見，經過質量控制后，雨量計測量值與雷達估測值的平均絕對差值減小，相關系數增大，相似離度減小，兩種數據的一致性更好。

表3 雨量計測量與雷達估測降水量的對比Table 3 Comparison of precipitation measurements between rain gauges and radar

5 自動氣象站雨量計測量相關關系的研究

長春—四平地區(qū)加密雨量站網中，相鄰兩個站點的距離多為10 km左右；在長春市區(qū)內，雨量計最近距離可達2～5 km。因此，通過對加密站網雨量計測量的相關關系研究，以考查單站雨量計在不同時間尺度上觀測的空間代表性。

圖6顯示質量控制后不同密度雨量計網2007～2011年5年平均降水量分布，三幅小圖采用相同的色標。由圖可見，隨著雨量站密度的增加，年降水的空間不均勻性得到更為明顯的展現，很多站直線距離不到50 km，其年平均降水量的差別大于100 mm。可以說，在年月的時間尺度上常規(guī)觀測站很難代表方圓幾十至上百公里范圍的降水量。

5.1 自動站雨量計站網的空間相關

本工作采用不同距離之間自動站雨量數據的相關系數來表征單站降水測量的空間代表性。在研究區(qū)域東北部，省局站和人影站分布較為密集，雨量計距離小于5 km。這其中1028號站四周的站點最為密集，因此選取該站為“中心站”，計算該站與區(qū)域內人影站和省局站在 2007～2011年測得的小時降水量之間的相關系數（correlation coefficient，CC），結果如圖7所示。由圖7a可以看到，周圍有6個站與其距離小于10 km。從圖7b中可見，中心站與其相距小于10 km的站點的相關系數達到0.6以上；當距離從10 km增加到20 km左右，相關系數從0.6逐漸下降到0.4；隨距離增加，相關系數減小。

再利用5年的小時降水數據，分別以每個自動站點為中心，可以計算與其他站點的平均相關系數CC、平均絕對差值（absolute difference，DA）和平均均方根值（root mean square，RMS），它們隨距離遠近的分布分別在圖8中給出。由圖可見，站點距離越小，相關系數越高。當距離小于5 km，平均相關系數在0.7以上；距離小于10 km的站點之間，平均相關系數均能達到 0.6左右；站點距離超過20 km時，降水測值的平均相關系數降到0.4以下；當距離大于60 km時，平均相關系數小于0.2。此外，隨著站點之間的距離增加，降水測量之間的平均絕對差值和均方根增大。

圖6 自動站雨量計5年平均降水量分布：（a）省局站雨量計（SJ）；（b）人影站雨量計（RY）；（c）全部站點雨量計（+為省局站，●為人影站）Fig.6 Distribution of the 5-year-average precipitation: (a) Rain gauges , (b) rain gauges, (c) all gauges

圖7 1028號站（a）與其他自動站的距離分布（單位：km）及（b）與其他站測量值相關系數分布（●為人影站，+為省局站，*為1028號站點）Fig.7 (a) Distribution of distances from station No.1028 to other 140 stations and (b) correlation coefficients between station No.1028 and other stations (●RY stations，+ SJ stations，* station No.1028)

圖8 141個站點與其他站點5年小時降水量的（a）平均相關系數、（b）平均絕對差值以及（c）平均均方根隨距離的分布Fig.8 (a) Distribution of averaged correlation coefficient, (b) absolute difference, and (c) RMS (root mean square) with distance for 5-year hourly precipitation data between every gauge with other 140 gauges

5.2 不同時間尺度雨量計測量的空間相關性

本節(jié)將 2007～2011年降水數據按照不同時間尺度劃分，對雨量計的測量空間相關性進行分析。同樣以 1028號站為基準“中心站”，對其與其他站點在6 min、30 min、1 h、6 h、12 h和24 h這6個時間尺度內降雨數據的相關系數進行統(tǒng)計計算，結果如圖9所示，其中1 h的與圖7b完全相同。從圖9可見，隨著時間尺度的增長，中心站點與其相鄰四周站點測量的相關系數增加。在6 min的時間尺度下，中心站點與其相鄰小于10 km站點的相關系數在0.4左右，隨著距離的增加，相關系數減小；在30 min的時間尺度下，中心站與距離10 km以內站的相關系數達到0.5左右；在1 h的情況下，相關系數增加到0.6；而在24 h的時間尺度下，中心站與周圍20 km內站點的相關系數都能達到0.8以上，同時對于距離超過40 km的站點，相關系數的分布也能達到 0.5～0.7。這證明了隨著時間尺度的增加，雨量計測量之間的相關性隨之提高，空間代表性增大。

在 6 min、30 min、60 min、6 h、12 h、24 h 以及1個月（1 mon）七個不同時間尺度下，以每個雨量計為中心，對與其不同距離的雨量計之間的平均絕對差值、均方根值以及相關系數的均值進行了統(tǒng)計，結果在表4中給出。從表中可見，在整體情況下，平均絕對差和均方根隨著站間距離的增加而增大，相關系數隨著距離的增加而減小。隨著時間尺度的增加，平均相對誤差和均方根值均減小，而相關系數增加。在日（24 h）降水量的統(tǒng)計中，10 km以內距離的雨量計測量的相關系數在0.8以上，平均相對誤差和均方根也相對較小。在月降水量的統(tǒng)計中，相隔距離在30 km以內的站點相關系數都能達到0.8以上，同時平均絕對差和均方根均為各自統(tǒng)計中的最小值。表明七個不同時間尺度的降水資料統(tǒng)計中，距離10 km以內的雨量計之間日降水量的相關性較好，雨量計單站測量在方圓10 km范圍內有較好的代表性。而在月降水量的統(tǒng)計中，30 km以內的雨量計之間具有很高的相關性，雨量計測量值的空間代表性可以方圓30 km。在其余5個短的時間尺度下，雨量計之間雖有一定的相關性，但是相鄰雨量計測量的相關系數都小于 0.7；時間尺度越小、距離越大，相關系數越小，單站測量的代表性越低。

表4 不同時間尺度不同距離雨量計測量比較的統(tǒng)計值Table 4 Statistics of precipitation measurement comparison between rain gauges at different distances for different time scales

圖9 不同時間尺度下雨量計降雨數據的相關系數分布（以1028號站為基準）Fig.9 Correlation coefficients distribution of rain gauge rainfall for different time scales (based on station No.1028)

6 結論

本文利用平均相隔10 km，分布在長春—四平地區(qū)100 km×100 km的96個加密自動站雨量計以及51個省局站雨量計在2007～2011年4～10月獲得的降水測量數據，通過數據連續(xù)無變化檢查、自動氣象站工作情況檢查、極值檢查、鄰近站點比較檢查以及與基于雷達回波強度估測降水的檢查，對147個自動站雨量計進行了質量控制，然后分析研究了雨量計測量之間的相關關系，得到以下主要結論：

（1）未通過數據連續(xù)無變化檢查的數據雖然極少，但可以確認為錯誤數據；未通過自動氣象站工作情況檢查和極值檢查的小時降水數據分別占0.9%和0.01%，未通過鄰近站點比較檢查的站點有1個，為4208號站。這三項檢查未通過的數據都記為異常數據（E1、E2和E3），需要利用其他測量資料做進一步的檢查控制。

（2）利用雷達估測降水值對雨量計數據進行進一步質量控制，通過相似離度和觀測時次對比分析，可以對標記異常的數據做進一步檢查，確認其中錯誤的數據，判斷錯誤數據類型。位于雷達近距離（10 km以內）的雨量計，可能由于地物影響而與雷達相似離度偏大，可以利用雷達高仰角得到的估測值與雨量計進行對比。經過質量控制后，有 6個站點記為錯誤站點，其數據不再在分析研究中使用；其余標記異常的數據繼續(xù)保留。經此步驟質量控制后的雨量計數據與雷達估測對比顯示，均值差距減小，相關系數增大。

（3）利用質量控制后的自動站雨量計小時降水數據進行雨量計相關關系分析顯示，隨著站點之間距離的增加，雨量計之間相關系數減小，平均絕對差值和均方根值增加。雨量計距離在10 km以內，平均相關系數均能達到0.6左右。雨量計距離小于5 km，平均相關系數在0.7以上。而站點距離超過20 km，相關系數普遍降到0.4以下。

（4）通過對6 min、30 min、1 h、6 h、12 h、24 h以及1 mon等7個不同時間尺度的降水量進行相關關系、平均絕對差和均方根值的對比分析，表明平均絕對差和均方根隨著距離的增加而增大，相關系數隨距離的增加而減小。隨著時間尺度的增加，平均相對差和均方根值均減小，而相關系數增加。在小于10 km的距離范圍內，雨量計日降水量和月降水量之間的平均相關系數可以達到0.8以上，說明相距10 km以內的雨量計日降水量與月降水量之間具有很高的相關性，單站降水測量具有一定的空間代表性。

最后要說明的是，本工作研究僅有5年的加密雨量站網測量資料，所以沒有在季節(jié)和年的時間尺度上進行測量代表性分析。此外，由于資料時間長度有限，以及降水時空分布的極大不均勻性，以現有加密站網的雨量計測量很難直接檢驗人工增雨的效果。為了獲得更為可信和準確的降水資料，建議在基準和重點臺站布置雙（多）雨量測量裝置，在更小區(qū)域內（如1 km×1 km）部署更為密集的雨量站網，進行長期的觀測對比試驗。

致謝 感謝吉林省人工影響天氣辦公室劉巖和孫海燕，他們提供了本研究所需的數據資料；感謝兩位審稿專家，他們對論文修改給出了多條寶貴意見。

（References）

B?hner J.1994.Circulation and representativeness of precipitation and air temperature in the southeast of the Qinghai–Xizang Plateau [J].GeoJournal, 34 (1): 55–66.

陳秋萍, 曾光平, 馮宏芳, 等.2005.對流云總降水量和降水效率估測[J].應用氣象學報, 16 (2): 260–263.Chen Qiuping, Zeng Guangping, Feng Hongfang, et al.2005.The total precipitation and the estimation of precipitation efficiency of convective [J].Journal of Applied Meteorological Science (in Chinese), 16 (2): 260–263.

Ciach G J.2003.Local random errors in tipping-bucket rain gauge measurements [J].J.Atmos.Oceanic Technol., 20: 752–759.

Ciach G J, Krajewski W F.2006.Analysis and modeling of spatial correlation structure in small-scale rainfall in central Oklahoma [J].Advances in Water Resources, 29 (10): 1450–1463.

叢芳, 劉黎平.2011.新一代天氣雷達與地面雨量資料的綜合分析[J].氣象, 37 (5): 532–539.Cong Fang, Liu Liping.2011.A comprehensive analysis of data from the cinrad and the ground rainfall station [J].Meteorological Monthly (in Chinese), 37 (5): 532–539.

東高紅, 劉黎平.2012.雷達與雨量計聯合估測降水的相關性分析[J].應用氣象學報, 23(1): 30–39.Dong Gaohong, Liu Liping.2012.Correlation analysis on estimating rainfall using radar-rain gauge calibration [J].Journal of Applied Meteorological Science (in Chinese),23 (1): 30–39.

Kuzuha Y, Tomosugi K, Kishii T.2001.Representativeness of precipitation data [J].Journal of Japan Society of Hydrology & Water Resources, 14(6): 461–471.

李開樂.1986.相似密度及其使用技術 [J].氣象學報, 44 (2): 174–177.Li Kaile.1986.A new similarity parameter and its application [J].Acta Meterological Sinica (in Chinese), 44 (2): 174–177.

劉紅燕, 雷恒池.2006.基于地面雨滴譜資料分析層狀云和對流云降水的特征 [J].大氣科學, 30 (4): 693–702.Liu Hongyan, Lei Hengchi.2006.Characteristics of rain from stratiform versus convective cloud based on the surface raindrop data [J].Chinese Journal of Atmospheric Sciences (in Chinese), 30 (4): 693–702.

Marani M.2003.On the correlation structure of continuous and discrete point rainfall [J].Water Resour.Res., 39 (5): 1128, doi:10.1029/2002WR001456.

Patrions A A N, Chen N C J, Miller R L.1979.Spatial correlations of monthly rainfall: Applications in climatology and weather modification experiments [J].Journal of Applied Meteorology, 18 (6): 719–732.

任芝花, 熊安元.2007.地面自動站觀測資料三級質量控制業(yè)務系統(tǒng)的研制 [J].氣象, 33 (1): 19–24.Ren Zhihua, Xiong Anyuan.2007.Operational system development on three-step quality control of observations from AWS [J].Mereorological Monthly (in Chinese), 33 (1):19–24.

任芝花, 趙平, 張強, 等.2010.適用于全國自動站小時降水資料的質量控制方法 [J].氣象, 36 (7): 123–132.Ren Zhihua, Zhao Ping, Zhang Qiang, et al.2010.Quality control procedures for hourly precipitation data from automatic weather stations in China [J].Meteorological Monthly (in Chinese), 36 (7): 123–132.

Rodda J C.1968.The rainfall measurement problem [M] // Proceedings of the General Assembly of the International Association of Hydrological Sciences.Exeter, UK: IAHS Publishing, 78: 215–231.

?álek M, ?těpánek P, Zahradní?ek P.2012.Analysis of rainfall intensities using very dense network measurements and radar information for the brno area during the period 2003–2009 [J].Meteorologische Zeitschrift,21 (1): 29–35.

Steiner M, Smith J A, Burges S J, et al.1999.Effect of bias adjustment andrain gauge data quality control on radar rainfall estimation [J].Water.Resour.Res., 35: 2487–2503.

孫海燕, 崔蓮, 齊穎, 等.2006.自動雨量計使用情況及問題分析 [J].吉林氣象, (2): 26–27.Sun Haiyan, Cui Lian, Qi Ying, et al.2006.Raingauge usage and problem analysis [J].Meteorology of Jilin (in Chinese), (2): 26–27.

Villarini G, Mandapaka P V, Krajewski W F, et al.2008.Rainfall and sampling uncertainties: A rain gauge perspective [J].J.Geophys.Res.,113, D11102, doi: 10.1029/2007JD009214.

襲祝香, 劉玉英, 張麗, 等.1998.近百年來吉林省的氣候變化及未來趨勢 [J].吉林氣象, (2): 30–33.Xi Zhuxiang, Liu Yuying, Zhang Li,et al.1998.The climate change over the past century and future trends of Jilin Province [J].Meteorology of Jilin Province (in Chinese),(2): 30–33.

徐亞欽, 翟國慶, 黃旋旋, 等.2011.利用雷達和自動站資料綜合分析風暴移動和發(fā)展規(guī)律 [J].大氣科學, 35 (1): 134–146.Xu Yaqin, Zhai Guoqing, Huang Xuanxuan, et al.2011.A study of the evolution regularity of storm based on the data of radar and automatic station [J].Chinese Journal of Atmospheric Sciences (in Chinese), 35 (1): 134–146.

Yang Daqing, Wang Ninglian, Ye Baisheng, et al.2009.Recent advances in precipitation-bias correction and application [J].Sciences in Cold and Arid Regions, 1 (3): 193–198.

楊萍, 劉偉東, 仲躋芹, 等.2011.北京地區(qū)自動氣象站氣溫觀測資料的質量評估 [J].應用氣象學報, 22 (6): 706–715.Yang Ping, Liu Weidong, Zhong Jiqin, et al.2011.Evaluating the quality of temperature measured at automatic weather stations in Beijing [J].Journal of Applied Meteorological Science (in Chinese), 22 (6): 706–715.

張強, 涂滿紅, 馬舒慶, 等.2007.自動雨量站降雨資料質量評估方法研究 [J].應用氣象學報, 18 (3): 365–372.Zhang Qiang, Tu Manhong,Ma Shuqing, et al.2007.Quality assessment of the observational data of automatic precipitation stations in China [J].Journal of Applied Meteorological Science (in Chinese), 18 (3): 365–372.