吉林省2015年10月30日～2016年10月30日地面觀測疑誤數據分析

徐昕，許暉

（吉林省氣象信息網絡中心，吉林長春130062）

1 MDOS系統簡介

MDOS系統是以臺站級數據監測、省級數據質量控制、國家級數據質量評估三級質控體系為主線，集成數據上傳監控、國家站數據指控信息處理、區域站數據指控信息處理、元數據信息處理等基本數據質控處理功能，還包含了A、J、Y文件制作管理、數據質量評估考核等服務產品。

省級數據處理人員通過該系統能夠清晰了解實時資料上傳情況，一旦發現缺報或空報現象，及時與臺站取得溝通，大大提高了數據的實時性。通過該系統的數據指控信息處理功能，能夠對數據進行批量檢索，對于質控系統提出的疑誤信息進行二次人工判斷，并將判斷后有異議的數據返回臺站進行核對，增加了省級與臺站級的數據交流，這樣大大提高了氣象數據的準確性。

2 吉林省地面觀測站情況

吉林省共有55個國家地面觀測站，1380個區域自動氣象站。其中，國家基準氣象站4個，國家基本氣象站26個，國家一般氣象站25個。1380個區域站在吉林省內均勻分布（見圖1）。

圖1 吉林省國家地面觀測分布情況

全省1435個地面觀測站實時監測氣象數據，省級通過MDOS系統接收來自于國家站的分鐘數據、小時數據、日數據、日照數據，以及來自于區域站的小時數據。

3 吉林省國家站觀測數據質量分析

調取 MDOS系統中 2015年 10月 30日 20：00～2016年 10月30日 20：00（北京時間），吉林省 55個國家站疑誤信息，共計26254條，并對這些疑誤信息進行細化質量分析與評估。

將全部疑誤數據按照要素種類進行分類，共計要素120個。對同種類要素進行數量合并，匯總基礎種類共計17個（詳見圖2）。

可見，在所有要素中，地溫、降水、能見度為疑誤產生次數最多的幾類，分別占全部的31.96%，15.77%，12.31%。下面將針對這幾類問題進行詳細分析。

3.1 地溫

圖2 按觀測要素分類疑誤數據比例圖

對所有地溫類疑誤數據產生時間進行分析，可以得出表1，地溫疑誤數據時間分類。

表1 按產生時間分析地溫要素疑誤數據數量表

通過疑誤數據數量排序可知，3月、1月、7月為產生問題較多月份，均在1000條以上。由此推斷，1～3月、6～10月地溫問題明顯（見圖3）。

圖3 地溫疑誤數據統計圖

對所有地溫類疑誤數據進行要素詳細分類，可以看出D40、D10、D05、D20為產生疑誤信息次數最多的四類，均在1000條以上，相反的，D320、D160、D80的疑誤信息數量較少，均在400條以內。由此可以推測，產生地溫疑誤信息的主要原因在于淺層地溫要素。

綜合表1的分析，可以總結出，地溫類要素產生疑誤信息最多的月份在于降水較多的季節，且淺層地溫傳感器受到的影響較大。以上結論符合常年觀測實際經驗，根據對臺站數據的分析及以往實地調研結果可以初步推測，產生這種情況的主要原因在于，降水較多的季節經常會造成淺層積水，會對地溫觀測數據的正確性產生影響，造成觀測數據不準確，或經過長時間浸泡，使淺層地溫觀測儀器發生故障。

3.2 降水

對所有降水類疑誤數據產生時間進行分析（見表2），可以看出，降水疑誤數據產生月份。

表2 按產生時間分析降水要素疑誤數據數量表

可見，降水問題最多的時間主要集中在6～10月份，為每年夏季降水較多的汛期。

將所有降水疑誤數據進行產生級別的分析，可以得出表3：降水疑誤數據產生級別。

表3 按產生級別分析降水要素疑誤數據數量表

由表3可以看出，幾乎全部的疑誤數據都是由省級質控和臺站主動修改，且臺站主動修改的數量占全部的70.37%，是省級質控比例29.55%的兩倍以上。由此可以說明，降水類疑誤數據從產生級別來看，主要產生原因為臺站未及時發現數據錯誤，而是通過mdos系統滯后提交修改。

綜合分析降水疑誤數據錯誤描述和反饋描述進行分析。

經統計，錯誤描述原因統計共計195種，進行相似原因合并后，共計54種。對這些錯誤描述進行統計整理，可以得出表4，可見，“降水缺測”為最主要原因。錯誤描述統計。

表4 按錯誤描述降水要素疑誤數據數量表

針對錯誤描述中出現最多的原因“缺測”進行反饋描述分析，可以得出表5：缺測對應的反饋描述。

表5 按缺測對應的反饋描述分析降水要素疑誤數據數量表

由表5可見，造成雨季降水要素出現疑誤信息“缺測”的最主要原因在于儀器故障。經長期數據處理經驗及以往臺站調研考察經驗，初步總結造成汛期降水觀測儀器故障的原因有：因相對濕度過大或儀器過于敏感經常造成的降水數據出現0.1mm野值；因降水量過于集中導致超出翻斗式雨量傳感器測量最大翻轉頻率，而無法得到準確數據；因雨水長時間浸泡導致傳感器故障，經常在無降水時次出現缺測。

綜合對表1～表5進行分析，可得到以下結論：

吉林省地面觀測降水疑誤信息主要出現在6～10月降水較多的月份，其主要疑誤是由于儀器故障導致的非正常降水缺測，提出此疑誤信息的級別主要為臺站。針對以上降水問題，今后應加強臺站日常數據維護，提高實時上傳準確率，減少月末制作A文件時對數據質疑的突擊，并加強在汛期對儀器的維護。

3.3 能見度

對2015年～2016年一年內能見度疑誤數據的錯誤描述和反饋值進行統計分析，得到表6，錯誤描述分類。

表6 按錯誤描述分析能見度要素疑誤數據數量表

根據表6所示的反饋值情況統計可見，78.6%的反饋值為缺測，證明經臺站反饋確認后仍無法得到正確能見度值。

表7 缺測對應的反饋描述分析能見度要素疑誤數據數量表

綜合表6和表7可知，在能見度觀測的過程中，存在問題最多的為缺測，經過與臺站溝通確認，78.60%的能見度缺測數據需使用備份站數據或人工內插等方式，這大大增加了人工的工作量和出錯概率。

4 結論

經過對吉林省2015年 10月30日 20：00～2016年 10月 30日 20：00（北京時間）55個國家站疑誤信息（共計26254條）觀測數據的分析，可以看出：

導致地面觀測數據質量下降的主要觀測要素是地溫（31.96%）、降水（15.77%）、能見度（12.31%）。

產生這些要素疑誤的主要月份為每年6～10月（地溫疑誤的主要月份還有1月～3月）。

產生這些要素疑誤的主要原因多為降水導致的儀器故障。因此，今后應加強對儀器的維護，尤其是地溫傳感器、降水傳感器、能見度儀的維護。在6～10月對儀器巡查頻次應增加，盡量減少因儀器損壞導致的數據缺失。