多要素自動氣象站（OITS-03型）降水對比觀測分析

張杰 吳有恒 田孟勤 徐良軍 彭科曼

摘要：對OITS-03型氣象站和DZZ4自動氣象站2018年12月至2019年6月共計7個月降水對比觀測數據進行了分析，結果發現OITS-03型氣象站具有以下特點：①數據傳輸及時穩定，受外界影響小，設備可靠性高;②小時降水數據準確可靠，可用率高;③過程降水量均偏小，降水等級越大與DZZ4自動氣象站數據間的誤差越小;④降水個例中，OITS-03型氣象站降水的時間和雨量大小分布與DZZ4自動氣象站基本一致，最大小時降水量相差不超過1.0mm。

關鍵詞：OITS-03型氣象站;降水;對比觀測

中圖分類號：P467 文獻標識碼：A 文章編號：1674-9944（2019）22-0040-03

1 引言

降水指的是從天空降落到地面上的液態或固態（經融化后）的水，而在實際業務中降水觀測則包括降水量和降水強度的觀測[1]。目前國內氣象站用于降水觀測的設備主要有人工觀測雨量器、翻斗式雨量傳感器、虹吸式雨量計和稱重式降水傳感器等[2]。不同設備因觀測原理的不同，所測得的降水量也不盡相同。為了解設備之間的差異，主要采用對比觀測的方法，如張紅英等[3]利用3種雨量觀測儀觀測數據之間的差異進行了對比分析，賈小芹[4]等利用對比觀測數據分析了激光雨滴譜儀與自動氣象站在降水觀測上的差異。隨著更多對比實驗的出現[5-6]，對比觀測已成為研究降水觀測設備間差異的主要手段。

貴陽市氣象局在現行業務部署中，以ZQZ型區域自動氣象站為主，該設備在實際工作運行中存在設備價格昂貴、數據信號丟失、維護維修成本較高等問題。OITS-03型自動氣象站是一種能夠測量多氣象參數一體化氣象站，具有成本低、維護方便，數據信號可靠等優點。為了進一步提高觀測資料的穩定性，降低自動站設備建設和維護維修成本，故對OITS-03型自動氣象進行對比觀測，討論將其運用到實際業務中的可能性。

2 對比觀測設計

2.1 觀測場地和時間

選取貴陽國家基準氣候觀測站（26°35′N，106°44′E）進行對比觀測，觀測場內為DZZ4型自動氣象站（以下簡稱主站），將OITS-03型自動氣象站（以下簡稱對比站）布置在圍欄外東側，兩套設備的下墊面特征基本一致，且均符合《氣象儀器和觀測方法指南》[7]，因此降水觀測資料具有可比性。對比觀測時間為2018年12月至2019年6月，共計7個月，包括了降雨過程和降雪過程。

2.2 傳感器參數

主站：SL3-1型翻斗式雨量傳感器，輸出信號采用單干式舌簧管通斷，承水口徑為200+0.6mm，分辨力為0.1mm，體積為260（直徑）mm×545（高度）mm。

對比站：L3型翻斗式雨量傳感器，輸出信號采用單干式舌簧管通斷，承水口徑為200+0.6mm，分辨力為0.2mm，體積為260（直徑）mm×420高度）mm。

2.3 分析方法

觀測差值：選取北京20：00為日界[8]，對比站資料減去對應時次的自動氣象站資料后去的值定義為觀測差值，可直觀反映出對比值偏大或偏小情況。

數據可用率：對比站小時數據和主站小時數據進行差值計算，將差值在±0.2mm以內的對比站數據作為可用數據，可用數據/對比站數據一數據可用率。

降水過程：為避免跨日界及滯后降水引起的降水誤差，將兩者小時降水量間斷同時超過1h以上作為一次降水過程的結束，從2018年12月至2019年6月間，統計共有135個降水過程。

降水量等級：除降雪外，根據國家標準對降水量進行劃分，24h內小雨為0.1～9.9mm，中雨為10.0～24.9mm，大雨為25.0～49.9mm，暴雨≥50mm。

3 對比觀測分析

3.1 數據穩定性分析

對比站從2018年12月開始進行觀測，每分鐘傳回一組降水觀測數據，對2018年12月至2019年6月間傳回的所有數據進行統計，將每月的分鐘總數作為分母，將每月的分鐘總數減去對比站每月傳回的數據組數作為分子來計算觀測數據的缺測率，按照時間順序排列，2018年12月至2019年6月結果依次為0.13%、0.18%、0.07%、2.85%、0.46%、0.28%、1.30%，分鐘數據缺測率低于0.5%的共有5個月，最高為2.85%，說明觀測數據傳輸及時穩定，設備可靠性高。

3.2 小時降水f對比

將對比站小時降水量數據進行差值計算，然后對其進行數據可用率分析，結果見表1：對比站小時數據可用率按照時間排列依次為97.8%、98.4%、98.4%、99.1%、97.8%、96.0%、93.6%，均超過93%，7個月內全部小時降水量的總體數據可用率高達97.3%，數據準確可靠，可用率高;與本站小時降水量數據相比，偏小數據占比為9.2%，偏大數據占比為6.0%，再結合本站月降水量數據，發現月降水量的大小對對比站數據可用率和偏大或偏小并無明確的影響，說明外界環境的變化對儀器的影響不大。

3.3 日降水f對比

通過分析本站和對比站日降水量資料發現：2018年12月至2019年6月對比站和本站日降水量的Pear-son相關系數均達到99.94%以上，兩者之間的擬合效果非常好，對比站日降水量曲線的變化趨勢與本站幾乎完成一致，其中共有10d出現本站出現0.1mm及以上降水時，對比站無降水的情況，其中0.1mm出現7d，0.2mm出現3d;對比站出現0.1mm及以上降水而本站無降水的情況共出現4d，其中。.2mm出現1d，0.4mm出現1d，0.8mm出現1d，1.0mm出現1d。

對這14d的數據進行分析，發現0.4mm、0.8mm和1.0mm依次出現在2019年1月1日、2018年12月31日和2019年1月2日，正好出現在2018年12月30日貴陽出現較大規模降雪之后，再對這3d對比站的小時氣溫數據進行分析，發現對比站出現降水時，氣溫均在零度以上，所以這3d的降水應該是對比站雨量筒里面的積雪逐漸融化造成的。其余11d的數據均在0.1～0.2mm，這應該是由于本站的雨量筒分辨率（0.1mm）靈敏度比對比站雨量筒分辨率（0.2mm）高造成的系統性誤差。

3.4 過程降雨f對比

通過對135個降水過程對比發現，不同降水量等級之間，本站和對比站過程降雨量差值變大較大（表2）。為得到更準確的對比結果，將小雨（0.1～9.9mm）過程劃分為4個等級進行分析，發現對比站過程降水量平均值較本站偏少，降水量越多，兩者之間的差值也越大，但差值百分比卻逐漸在減少。雖然中雨量級和大雨量級的對比站過程降水量也均比本站過程降水量少，但兩者平均差值在1mm左右，兩者之間的差距也越來越小。兩個暴雨個例中，對比站過程降水量都偏小，但與本站過程降水量的差值已接近2%。降雪時，對比站過程降水量偏小的較為明顯。由降水等級從小到大，對比站和本站過程降水量平均差值的變化過程可以看出，降水等級越大時，對比站的誤差越小，其降水量越接近本站降水量。

3.5 降雨個例擬合分析

為了解對比站和本站在降雨過程中的差異，選取本站7個月以來最大的4個降水過程，分別為2個暴雨過程（5月25日154.3mm和6月12日54.3mm）和2個大雨過程（6月8日43.1mm和5月17日42.6mm），進行對比站和本站的降水曲線的擬合，結果見圖1。4個降水過程中，對比站與本站在降水時間分布上基本一致，對兩者的降水曲線進行擬合計算，發現Pearson相關系數均在99.9%以上。

5月25日本站降雨量為154.3mm，而對比站降水量為151.6mm，與本站相差-2.7mm，最大小時降水量相差-0.5mm;6月12日本站降雨量為54.3mm，而對比站降水52.6mm，與本站相差-1.7mm，最大小時降水量一樣多;6月18日本站降雨43.1mm，而對比站降水41.2mm，與本站相差-1.9mm，最大小時降水量相差-0.9mm;5月17日本站降雨42.6mm，而對比站降水43.2mm，與本站相差0.6mm，最大小時降水量相差0.4mm。與本站相比，個例中對比站降水量常偏小，但總降水量誤差在1.7mm以內，最大小時降水量相差不超過1.0mm。

4 結論與討論

通過本站與對比站2018年12月至2019年6月共計7個月135個降水過程的對比觀測數據進行分析，可以得出以下結論。

（1）對比站觀測數據傳輸及時穩定，受外界影響小，設備可靠性高。

（2）對比站小時降水數據準確可靠，可用率高，日降水量曲線的變化趨勢與本站幾乎完全一致。

（3）對比站的過程降水量均偏小，降水等級越大兩站之間的誤差越小[9～15]。

（4）降水個例中，對比站降水的時間和雨量分布與本站基本一致，總降水量誤差在1.7mm以內，最大小時降水量相差不超過1.0mm。

通過以上分析發現，多要素自動氣象站（OITS-03型）與DZZ4型自動氣象站降水觀測的一致性較好，可將其運用到實際業務中，但因對比觀測實驗開始的時間較晚，進行對比分析的觀測資料較少，希望在今后獲取時間序列更加完整的數據后，對其進一步驗證。

參考文獻：

[1]中國氣象局.地面氣象觀測規范[M].北京：氣象出版社，2003.

[2]中國氣象局.新型自動氣象站使用手冊[M].北京：氣象出版社，2016.

[3]張紅英，沈元德，武向娟，等.三種雨量觀測儀觀測降水的差異對比分析[J].氣象水文海洋儀器，2017（1）：73～75.

[4]賈小芹，鄭麗娜，張子涵，等.激光雨滴譜儀探測降水與自動氣象站觀測降水的對比分析[J].海洋氣象學報，2019，39（1）：123～130.

[5]李林，常晨.范雪波，等.春夏季DSH1與SL3-1型降水傳感器數據比較[J].氣象科技，2013，41（6）：1008～1012.

[6]任芝花，李偉，雷勇，等.降水測量對比實驗及其主要結果[J].氣象，2007，33（10）：96～101.

[7]中國氣象局.氣象儀器和觀測方法指南[M].北京：氣象出版社，2016.

[8]中國氣象局.地面氣象觀測業務技術規定使用手冊[M].北京：氣象出版社，2012.

[9]李恩莉，韓潔，喬丹揚.眉縣兩次氣象站遷址對溫度資料序列的影響分析[J].綠色科技，2019（18）：38～40，47.

[10]趙詠梅，趙夢，焦樹林，等.基于頻率計算法的畢節市氣象站降水量分析[J].綠色科技，2019（12）：9～14，19.

[11]王甲生，潘維良，黃高平.池州市海綿城市建設工程氣象服務實踐與探索[J].綠色科技，2019（8）：140～141，144.

[12]夏明，樊軍武，張言偉.高空氣象探測數據質量控制方法探討[J].綠色科技，2018（14）：232～233.

[13]雷薇.Urapes_meso數值模式預報對石河子定量降水檢驗研究[J].綠色科技，2019（12）：37～38.

[14]龐翻，張雪松.基于天氣雷達的隴縣冰雹易發區研究[J].綠色科技， 2019（6）：56～57.

[15]韓潔，李恩莉，馮富強.多普勒天氣雷達在不同降水類型中Z-R關系及檢驗：以寶雞市為例[J].綠色科技，2018（8）：209～210.

收稿日期：2019-10-09

基金項目：貴陽市氣象局氣象科技基金項目（編號：筑氣科合KF[2019]05號）

作者簡介：張杰（1987-），男，工程師，主要從事氣候變化影響與評估工作。