一種精細化的海洋浮標數據質量控制方法

任煥萍, 張 斌, 譚哲韜, 李富超

一種精細化的海洋浮標數據質量控制方法

任煥萍1, 2, 張 斌1, 2, 譚哲韜3, 4, 李富超1, 2

(1.中國科學院海洋研究所, 山東 青島 266071; 2.中國科學院海洋大科學研究中心, 山東 青島 266071; 3.中國科學院大氣物理研究所, 北京 100029; 4.中國科學院大學, 北京 100049)

針對海洋浮標數據獲取特點及常見數據錯情, 本文提出了一種精細化的海洋浮標溫鹽數據質量控制方法。通過范圍檢驗、尖峰檢驗、萊因達準則等六個步驟實現浮標數據質量控制, 其創新性在于有效集成了多種質量檢驗法, 并且研究了一種融合傳統尖峰檢驗與萊因達準則的質量檢驗新方法; 并以中國近海觀測研究網絡黃、東海站浮標溫鹽觀測數據為例, 驗證了本方法的有效性和適用性。該方法可廣泛用于海洋浮標溫鹽觀測數據的質量控制, 識別出長時間序列數據的異常值。經過本方法質控后的浮標觀測數據對于海洋科學研究、海洋氣象預報、海洋災害預警以及漁業發展等具有重要意義。

海洋浮標; 溫鹽; 質量控制; 萊因達準則

海洋浮標是一種較早開發并長期延續使用的觀測設備[1], 可以對海洋環境進行自動、連續、長期的同步監測[2], 浮標觀測數據對于海洋科學研究、海洋氣象預報、海洋災害預警以及漁業發展等具有重要意義[3]。合格的浮標觀測數據是海洋科學的“生命線”。但由于種種原因, 一些原始觀測數據或多或少存在精度不高、質量欠佳等問題。海洋浮標及傳感器長期受惡劣的海洋環境影響, 包括海洋生物附著、海水腐蝕、鹽霧侵襲、風浪襲擊等, 這些因素都會影響傳感器的監測結果, 造成數據異常。因此, 數據在實際使用前, 需要進行嚴謹而科學的質量控制(quality control, QC)[4], 識別和剔除數據序列中的異常值, 提高數據的準確性和可用性[5]。高質量的海洋觀測數據, 可以幫助人類應對全球氣候變化, 提高防災抗災能力, 預測臺風和厄爾尼諾等極端天氣、海洋事件等。

海洋浮標溫度、鹽度資料的質量控制方法主要包括日期檢驗、位置檢驗、格式檢驗、范圍檢驗、氣候特征檢驗、尖峰檢驗、梯度檢驗、連續性檢驗等[6]。針對溫鹽觀測數據, 采用范圍檢驗可以檢測出超出目標區域閾值范圍的錯誤數據。采用統計性的質量控制方法如萊因達準則等可以檢出統計分布中的離群值[7]。但是, 觀測數據中還存在一種與相鄰時間觀測數據差異較大、但又在整體數據閾值范圍內的尖峰值, 該類錯誤采用傳統的尖峰檢驗法不能有效標記[8]。

不同類型的觀測數據, 其異常值都有不同外觀特征及性質, 很難通過普適性的異常值檢測方法進行識別[9], 因此在實際應用中需要根據不同場景具體分析、給出具體的質控方法。近年來, 在海洋溫鹽數據質量控制方面已有很多研究成果, 但大多是針對航次觀測、Argo漂流浮標等剖面觀測手段的質量控制理論方法探討, 而針對具有定點、長時間序列的海洋浮標實測數據的精細化質量控制方案尚有欠缺[10]。

1 數據質量控制方法

本文針對長時間序列的海洋浮標觀測的海水溫度(水溫)數據和海水鹽度(鹽度)數據, 根據觀測要素的特性以及數據本身特征, 綜合運用范圍檢測法、尖峰檢驗法、萊因達準則(3法則)以及最大誤差控制等方法, 提出了一種精細化的浮標數據質量控制方法, 并使用實際觀測數據驗證和測試了該方法的有效性和適用性。該方法以萊因達準則為核心, 通過6個步驟流程完成數據質量控制。整體流程步驟見圖1, 每個步驟完成后, 對檢出的異常數據做不同的質控標記。

圖1 針對浮標溫鹽數據的精細化質量控制方案流程圖

1) 數據預處理, 主要目的是查找重復數據和空記錄, 對重復記錄和數值為空的記錄做出標記。空記錄一般是因為儀器設備故障或數據傳輸問題等原因, 沒有采集到數據。重復記錄是同一浮標在同一個時間點有2條或多條相同的數據。造成數據重復的主要原因是浮標早期獲取設備數據時, 采用多種數據傳輸方式, 但在數據庫存儲、使用時未排除重復。

2) 采集信息核對法, 主要對照浮標的維護信息記錄, 核對檢查相應時間段內的溫鹽數據。與以往大部分僅基于數據本身的質量控制方法不同, 這里充分考慮了采集過程中觀測儀器設備的檢修維護等信息情況。近海浮標位于海上, 環境條件惡劣, 需要對浮標數據進行及時巡查, 對浮標搭載的傳感器設備定期巡檢和保養維護, 同時發現問題后需要及時對浮標進行維修, 問題嚴重時需要拖上岸進行大修。浮標巡檢維護期間的缺失數據和錯誤數據, 都需要檢出。對照浮標維護記錄進行分析, 如果某一段時間有設備維護、安裝調試、數據缺失等維護記錄, 則該段時間數據不正確, 質控標記為異常數據。

例如: 對照3號浮標維護記錄, 發現2018年10月11日—17日數據巡檢記錄為異常, 10月18日— 21日對3號浮標進行了維護, 完成了系統的整體安裝與布放, 21日重新正式使用, 所以將10月11日到21日數據均標記為異常。

3) 范圍檢驗法, 主要目的是根據觀測要素在目標區域的范圍, 針對原始觀測數據進行初步篩查, 對超出區域范圍外的數據, 做異常質控標記。通過歷史數據、其他觀測數據的分析, 確定黃東海區域海水水溫范圍為0～40 ℃, 黃東海區域鹽度范圍為10～40[11]。如果檢測出數據處于區域范圍之外, 則標記為異常數據。

4) 尖峰檢驗萊因達法。在浮標觀測數據中, 存在一種突變尖峰數據, 與相鄰前后數據對比, 變化十分明顯, 這種數據會在短時間內陡然增加或減小。

傳統的尖峰檢驗法, 是對觀測要素進行尖峰檢驗, 如果出現較大的突變, 則為異常。假設當前觀測數據為X, 其前后鄰居數據分別為X–1和X+1, 則檢驗值= ABS[X– (X–1+X+1)/2]–ABS[(X–1–X+1)/2], 如檢驗值超出標準范圍, 則判定其為異常值。按照國家海洋信息中心發布的“海洋水文氣象資料質量控制方法”規定[6], 對于海洋觀測站, 當壓強<500 dbar時, 如果水溫檢驗值>6 ℃, 則為尖峰異常; 如果鹽度檢驗值>0.9, 則為尖峰異常。采用傳統的尖峰檢驗法, 能檢出檢驗值比較大的部分尖峰值, 由于標準范圍較大, 導致很大一部分的尖峰值不能有效檢出。

針對這個問題, 本文創新性地提出“尖峰檢驗萊因達法”, 將傳統方法中標準范圍為固定值的方式, 改變為通過萊因達準則計算的3倍標準差作為標準范圍。具體方法如下: 針對時間序列觀測數據, 將其中每一個數與其前一鄰居相比, 計算鄰差(第一個數鄰差為0), 形成鄰差序列值; 鄰差序列值基本滿足正態分布(見圖2), 可以使用萊因達準則, 識別其中的異常值。

圖2 溫、鹽數據鄰差序列值的頻率分布圖

相比于傳統的“萊因達準則”, 采用“尖峰檢驗萊因達法”更能明顯提升異常數據的質控比例。6號浮標2009—2012年度水溫數據多監測出360條異常數據, 異常占比0.34%, 整體占比從9.46%提升到了9.80%(見圖3)。6號浮標2018—2019年度水溫數據多檢出477條異常, 異常占比0.73%, 整體占比從2.97%提升到3.70%。鹽度數據3號浮標2010—2012年度多檢出235條異常, 異常占比1.06%, 整體占比從5.50% 提升到6.56%。

然而, 這種方法的局限性在于假定尖峰異常只有一個數據, 前后鄰居數據均為正常值。針對這種局限性, 采用下一步的日均萊因達法做進一步處理。

5) 日均萊因達法。目的是找到超出日變率范圍的異常數據。根據萊因達準則, 以天為單位, 分別計算每日水溫和鹽度的均值及標準差, 查找殘差(與均值差的絕對值)大于3的數據, 并做異常標記。通過該方法, 剔除每日數據中偏離較大的數據。與尖峰檢驗萊因達法相比, 日均萊因達法可以進一步發現連續2個數據異常的情況。

圖3 采用尖峰萊因達法質量控制前后對比

此外, 在浮標觀測數據中, 還會出現在海況較為穩定的情況下, 某一天溫度和鹽度變化很小, 這種情況下根據萊因達準則計算的3倍標準差會非常小, 導致一些變化很小的正常值會被誤判為異常。為解決這個問題, 我們采用“最大允許誤差”的方法, 對萊因達法進行改進。

GB 17378.2-2007《海洋監測規范第2部分: 數據處理與分析質量控制》[12], 最大允許誤差是指技術規范(如標準、檢定規程)所規定的允許的誤差極限值, 是判定是否合格的一個規定要求, 作為測量儀器的特性, 規定最大允許誤差和通過檢定、校準去確定示值誤差, 在實用上具有十分現實的意義。國標HY/T 142—2011 《大型海洋環境監測浮標》[13], 其中“5.5測量參數、范圍和最大允許誤差”規定, 海洋表層水溫最大允許誤差0.5攝氏度, 電導率(表層鹽度)最大允許誤差0.1 mS/cm。海水的電導率與鹽度的換算系數K為0.7[14], 可以計算出鹽度的最大允許誤差為0.07。

據此, 按照日均萊因達法判為異常的數據中, 如果其殘差小于最大允許誤差, 則為誤判, 通過本方法糾正為正確值。例如: 6號浮標2019年11月1日水溫變化曲線(圖4), 該日平均水溫23.01, 標準差= 0.07。其中14點、14點10分的值均為23.3, 殘差(23.3 – 23.01 = 0.29)>3, 根據日均萊因達法判斷這2個數據為異常, 但從整體曲線圖和序列關系來看數據是正確的, 由于殘差0.29<0.5(水溫最大允許誤差), 可以判斷該數據為正確, 避免了誤判。

圖4 第6號浮標2019年11月1日水溫變化曲線

6) 完成質控標記。采用上述質量控制方法, 將已檢測出的異常數據做了標記, 這里進一步將剩余的數據標記為0, 作為正確數據。數據質控標記符號說明見表1。

表1 數據質控標記符號說明

2 方法驗證與分析

為深入測試和驗證上述的質量控制方案, 本文選取黃海和東海共6個浮標溫鹽觀測數據作為樣本(圖5)進行驗證, 并對結果數據進行分析。

2.1 實驗數據

本文選取中國科學院海洋研究所在黃海1、2、3、4、5號浮標和東海6號浮標在不同時間段的溫度、鹽度數據[15], 浮標的溫鹽傳感器位于水下1 m處。具體包括:

1) 黃海站1號浮標: 浮標類型為3 m浮標, 觀測站位置: (122°45.02′E, 38°45.58′N), 布放位置水深52 m, 觀測時間自2010年4月29日至今, 數據采樣間隔30 min。溫鹽觀測數據2010—2012年總計17 267條記錄。

2) 黃海站2號浮標: 浮標類型為2 m浮標, 觀測站位置: (123°00.48′E, 39°04.00′N), 布放位置水深37.3 m, 觀測時間自2010年4月29日至今, 數據采樣間隔1 h。溫鹽觀測數據2010—2012年總計11 072條記錄。

3) 黃海站3號浮標: 浮標類型為2 m浮標, 觀測站位置: (122°35.50′E, 39°03.98′N), 布放位置水深39.7 m, 觀測時間自2010年3月27日至今, 2010—2011數據采樣間隔1 h, 2012年之后采樣間隔10 min。溫鹽觀測數據2010—2012年總計22 102條記錄, 2018—2019年總計15 755條記錄。

4) 黃海站4號浮標: 浮標類型為2 m浮標, 觀測站位置: (123°06.01′E, 39°16.00′N), 布放位置水深30 m, 觀測時間自2010年4月29日至今, 數據采樣間隔1 h。溫鹽觀測數據2010—2012年總計9 634條記錄。

5) 黃海站5號浮標: 浮標類型為2 m浮標, 觀測站位置: (122°44.98′E, 38°57.49′N), 布放位置水深46 m, 觀測時間自2010年4月29日至今, 數據采樣間隔1 h。溫鹽觀測數據2010—2012年總計9 886條記錄。

6) 東海站6號浮標: 浮標類型為10 m浮標, 觀測站位置: (123°08.04′E, 30°43.04′N), 布放位置水深61 m, 觀測時間自2009年7月6日至今, 數據采樣間隔30 min。2009—2012年總計104 916條記錄, 2018—2020年5月總計65 519條記錄。

圖5 用于數據測試的黃海和東海浮標位置

2.2 方法驗證

按照質控標記對數據進行分類統計, 2018— 2019年度統計結果見下表2, 2010—2012年度統計結果見下表3。

分析可見, 對于3號浮標, 標記為1、2、3、4、5的溫度異常數據分別占比0.61%、4.14%、0.00%、0.36%、0.22%; 鹽度異常占比為3.50%、1.26%、0.00%、0.55%、0.28%。總體來看, 標記了5.33%的溫度異常數據、5.59%的鹽度異常數據。對于6號浮標, 標記為1、2、3、4、5的溫度異常數據占比分別為1.23、1.60%、0.00%、0.73%、0.14%, 鹽度異常占比分別為5.91%、1.17%、0.01%、0.73%、0.28%。總體來看, 標記了3.70%的溫度異常數據、8.10%的鹽度異常數據。

其中, 采用本文提出的“尖峰檢驗萊因達法”, 明顯提升了質量控制效果, 見表2、表3中質控標記為4的異常數據量。2018—2019年水溫數據質量控制結果中, 3號浮標檢出56條異常, 6號浮標檢出477條異常。鹽度數據結果中, 3號浮標檢出86條異常, 6號浮標檢出480條異常。

表3 2010—2012年度數據質量統計結果

對數據質控前后結果進行對比, 驗證了質控方法的有效性, 下面分別從三個方面說明。

1)3、4、5、6號浮標水溫時間序列對比(圖6), 質控后, 很多黑色異常點被標識, 整體來看, 質控后顯示出明顯的波動規律性。圖中曲線中斷的時間段沒有數據, 原因是浮標出現故障, 數據缺失。3號浮標水溫數據起始時間為2010年4月29日, 其中2011年11月5日到12年9月26日數據缺失。6號浮標2012年1月1日到3月30日數據缺失。密集的黑色區域, 屬于浮標維護期間的異常數據, 例如6號浮標在2012年7月14日到10月20日期間進行了大修, 數據為異常。還有一類突然增大或減小的黑色點, 屬于異常突變數據。

圖6 質控前(黑色)后(紅色)的溫度時間序列對比圖

2) 1、2、3、6號浮標質控前后鹽度時間序列對比(圖7), 可以看出, 質控前鹽度振幅變化很大, 質控后振動幅度明顯縮小。例如: 2010—2012年, 3號浮標振幅為0～38.9, 質控后振幅為16.7～32.4。2018— 2020年5月, 6號浮標振幅為0～39.9, 質控后振幅減小為18.9～34.9。

3) 質控后數據質量得到明顯提升, 異常點已經被去掉, 典型示例見圖8。其中a圖是6號浮標2010年5月質控前后溫度時間序列數據, 5月25日到26日, 有數據突然大幅下降和上升(黑色點), 經過質控后這些突變點被檢出, 排除了異常。b圖為6號浮標2011年11月鹽度數據質控前后對比, 可以明顯看出, 其中很多突然下降的異常數據被識別出來。

2.3 數據分析

對質控后數據進行分析可以看出, 黃東海溫鹽具有顯著的季節變化特征(圖6、圖7), 并且水溫易受臺風極端事件影響。

海表水溫冬低夏高, 季節循環變化明顯[16]。每年2月份溫度達到最低點, 之后逐漸上升, 到夏季8月份達到最高點, 之后又逐漸下降, 直至第二年的2月份, 循環往復。例如2019年3號浮標最低溫度在2月19日為1.1 ℃, 最高溫度在8月9日達26.7 ℃。2018年6號浮標最低溫度出現在冬季2月12日為9.2 ℃, 最高溫度在8月9日達30.6 ℃。黃海、東海海水溫度具有季節變化特征, 這與前人的觀測結果一致[17], 進一步驗證了本文質量控制方法的可靠性和合理性。

圖7 質控前(黑色)后(紅色)的鹽度時間序列對比圖

圖8 質控前后異常點明顯被去掉示例

注: 采樣時間為0時

海表鹽度夏季偏低, 冬季平穩。同水溫一樣, 由于處于亞熱帶區域, 影響鹽度變化的區域降雨、徑流以及結冰、融冰等因子均具季節性, 使得黃東海表層鹽度變化亦具有季節性變化特征。海表層鹽度的季節性變化不如水溫那么規則, 但總的變化趨勢與水溫的季節性變化相反[18]。每年夏季各地雨水多、雨量較大, 長江水位漲高, 長江口徑流量增大, 影響到6號浮標的鹽度下降明顯。冬季雨水少, 鹽度值較高, 并且比較平穩。

東海6號浮標2019年8—9月水溫多次出現突然下降(圖9), 3組紅色標注的區間, 恰好是4次臺風經過東海之時, 分析可見海洋水溫的突變明顯受到極端事件臺風的影響。圖中縱坐標數據為溫度異常(temperature anomaly), 表示在已剔除日變化和季節循環基礎之上的溫度異常。大于0表示暖異常, 即比平均態更暖; 小于0表示冷異常。可以看出三個臺風經過東海時, 都導致了冷異常。

圖9 2019年8—9月6號浮標水溫異常曲線

第一組紅色區8月9、10、11日臺風1909號“利奇馬”經過浙江、江蘇到達中國黃海, “利奇馬”是2019年最強的一次臺風, 最大風速風力62 m/s (18級)[19]。這3天海水溫度突然下降, 導致約–1.4 ℃的冷異常, 是這2個月最強的一次冷異常。

第二組紅色區為9月6—7日臺風1913號“玲玲”經過東海, 最大風速55 m/s(16級)。這2天海水溫度出現突降, 導致約–1.2 ℃的冷異常, 是這2個月僅次于“利奇馬”臺風的第二強的一次冷異常。

第三組紅色區9月22—23日臺風1917號“塔巴”經過東海, 最大風速33 m/s (12級), 其間浮標水溫再次下降, 導致約–0.4 ℃的冷異常。由于“塔巴”強度較弱, 離浮標位置也較遠, 所以冷異常也相應較小。

3 結論和展望

本文研發了一種包括采集信息核對法、范圍檢驗法、尖峰檢驗萊因達法、日均萊因達法在內的新型的、精細化的海洋浮標溫鹽觀測數據6步質量控制方法和流程, 該方法具有如下優勢:

1) 方法結合了浮標數據巡檢記錄、觀測維護記錄等輔助信息, 實現了對數據采集情況的考慮。這優于以往大部分僅基于數據本身的質控方法。

2) 針對浮標數據中廣泛存在的異常峰值問題, 提出了一種創新的、將尖峰檢驗與萊因達準則相融合的尖峰檢驗萊因達法, 有效剔除了異常峰值。

3) 針對連續異常峰值, 提出了日均萊因達法進行質控, 有效檢測出了同一日數據中的連續異常數據。

本文也針對質控后的數據進行了分析, 再次印證了黃東海地區海表溫度和鹽度變化具有明顯的季節循環和易受極端事件影響的特征。包括中國科學院海洋研究所在內的國內機構在中國近海布放了很多浮標, 針對不同年度、不同區域浮標、不同海洋要素, 積累了大量長時間序列的海洋觀測數據。該精細化質量控制方法可有效支持其他浮標觀測數據的質量控制, 為科學研究、海洋預報、海洋漁業生產等提供更準確的數據服務。

致謝: 感謝中國科學院近海海洋觀測研究網絡黃海站、東海站的數據支撐。

[1] 戴洪磊, 牟乃夏, 王春玉, 等.我國海洋浮標發展現狀及趨勢[J].氣象水文海洋儀器, 2014, 6(2): 118-125.

DAI Honglei, MOU Naixia, WANG Chunyu, et al.Development status and trend of ocean buoy in China[J].Meteorological, Hydrological and Marine Instruments, 2014, 6(2): 118-125.

[2] 盧勇奪, 王朝陽, 王豹, 等.我國海洋錨系浮標數據異常值檢測方法研究——以QF110和QF306為例[J].海洋預報, 2019, 36(6): 37-43.

LU Yongduo, WANG Zhaoyang, WANG Bao, et al.Re-search on outlier detection method for marine anchor buoys in China, using QF110 and QF306 as an exa-mple[J].Marine Forecasts, 2019, 36(6): 37-43.

[3] 黃龍生, 張書杰.海洋水文資料質量控制的新方法—鹽度—密度統計方法[J].北京工業大學學報, 1993, 19(3): 92-97.

HUANG Longsheng, ZHANG Shujie.A New quality control method for ocean hydrological data[J].Journal Beijing University of Technology, 1993, 19(3): 92-97.

[4] QIAN Chengcheng, LIU Aichao, HUANG Rui, et al.Quality control of marine big data——a case study of real-time observation station data in Qingdao[J].Journal of Oceanology and Limnology, 2019, 37(6): 195- 205.

[5] 邢巍巍.淺談海域水質監測的質量保證和質量控制[J].環境與可持續發展.2015, 40(6): 162-163.

XING Weiwei.Discuss about the quality assurance and quality control of marine environment monitoring[J].Environment and Sustainable Development, 2015, 40(6): 162-163.

[6] 陳春滿, 楊錦坤, 董明媚, 等.國家海洋信息中心技術性文件TA2014-001: 海洋水文氣象資料質量控制方法[R].天津: 國家海洋信息中心, 2014.

CHEN Chunman, YANG Jinkun, DONG Mingmei, et al.Technical Guidance Document of National Marine Data Information Center TA2014-001: Quality control me-thod for ocean hydrological meteorological Data[R].Tian-jin: National Marine Data Information Center, 2014.

[7] 于婷, 劉玉龍, 楊錦坤, 等.實時和延時海洋觀測數據質量評估方法研究[J].海洋通報, 2013, 32(6): 610-614, 625.

YU Ting, LIU Yulong, YANG Jinkun, et al.Study on the quality control and quality assurance for the ocea-nographic data of real-time and delayed mode[J].Marine Science Bulletin, 2013, 32(6): 610-614, 625.

[8] Kuik A J, van Vledder G Ph, Holthuijsen L H, et al.A method for the routine analysis of pitch- and-roll buoy wave data[J].Journal of Physical Ocea-nography, 1988, 18(7): 1020-1034.

[9] 史靜濤, 周智海.海洋站數據質量控制技術探討[J].海洋技術, 2011, 30(1): 114-117.

SHI Jingtao, ZHOU Zhihai.Study on technology of ocean station data quality control[J].Journal of Ocean Technology, 2011, 30(1): 114-117.

[10] 劉首華, 陳滿春, 董明媚, 等.一種實用海洋浮標數據異常值質控方法[J].海洋通報, 2016, 35(3): 264-270.

LIU Shouhua, CHEN Manchun, DONG Mingmei, et al.A quality control method for the outlier detection of buoy observations[J].Marine Science Bulletin, 2016, 35(3): 264-270.

[11] 冉珊珊, 時宇, 楊一帆, 等.東海冬季海水溶解氧, 鹽度的分布特征分析[J].海洋科學前沿, 2017, 4(4): 118-126.

RAN Shanshan, SHI Yu, YANG Yifan, et al.Distribution characteristics of dissolved oxygen and salinity in sea water in the East China Sea in winter[J].Advances in Marine Sciences, 2017, 4(4): 118-126.

[12] 國家質量監督檢驗檢疫總局.海洋監測規范(第 2 部分: 數據處理與分析質量控制): GB 17378.2-2007[S].北京: 中國標準出版社, 2007.

General Administration of Quality Supervision, Inspec-tion and Quarantine of the People’s Republic of China.The specification for marine monitoring (part 2: Data processing and quality control of analysis): GB 17378.2- 2007[S].Beijing: China Quality and Standards Publishing Press, 2007.

[13] 國家海洋局.大型海洋環境監測浮標: HY/T 142- 2011[S].北京: 國家海洋局.2011.

State Oceanic Administration.Large mooring buoy sys-tem for ocean observing: HY/T 142-2011[S].Beijing: State Oceanic Administration.2011.

[14] 汪一航.一種快速計算標準海水Rt值的實用方法[J].海洋通報, 1999, 18(2): 76-79.

WANG Yihang.A practical method for rapidly calculating the Rt value of standard seawater[J].海洋通報, 1999, 18(2): 76-79.

[15] 劉長華, 王旭, 賈思洋, 等.東海浮標綜合觀測網絡支撐海洋環境保護和防災減災預報[J].中國科學院院刊, 2019, 34(10): 1186-1194.

LIU Changhua, WANG Xu, JIA Siyang, et al.Comprehensive observation network of buoys in East China Sea supporting marine environmental protection, disas-ter prevention, and mitigation prediction[J].Bulletin of Chinese Academy of Science, 2019, 34(10): 1186-1194.

[16] 袁本坤, 黃蕊, 商杰, 等.基于岸基觀測數據的渤海沿岸海域表層溫鹽特征分析[J].海洋開發與管理, 2015, 32(12): 31-34.

YUAN Benkun, HUANG Rui, SHANG Jie, et al.Analysis of sea surface temperature and salinity based on the shore-based observation data in the coastal of Bohai Sea[J].Ocean Development and Management, 2015, 32(12): 31-34.

[17] 于非, 許一.東海海表面溫度長期變化趨勢研究[J].海洋科學進展, 2003, 21(4): 477-481.

YU Fei, XU Yi.Long term variation trend of sea surface temperature in the East China Sea[J].Advances in Marine Science, 2003, 21(4): 477-481.

[18] 苗慶生, 楊錦坤, 楊揚, 等.東海30 °N斷面冬季溫鹽分布及年際變化特征分析[J].中國海洋大學學報(自然科學版), 2016, 46(6): 1-7.

MIAO Qingsheng, YANG Jinkun, YANG Yang, et al.Distribution and interannual variation of temperature and salinity in winter at 30 °N section of the East China Sea[J].Zhongguo Haiyang Daxue Xuebao (Ziran Kexue Ban, 2016, 46(6): 1-7.

[19] 向純怡, 趙海坤, 劉青元, 等.1909號臺風“利奇馬”登陸后強降水分布特征[J].氣象科學, 2020, 40(3): 294-302.

XIANG Chunyi, ZHAO Haikun, LIU Qingyuan, et al.The distribution of torrential rain after landfalling of Typhoon “Lekima”(1909)[J].Journal of the Meteoro-logical Sciences, 2020, 40(3): 294-302.

A new quality control scheme for marine buoy temperature and salinity data

REN Huan-ping1, 2, ZHANG Bin1, 2, TAN Zhe-tao3, 4, LI Fu-chao1, 2

(1.Institute of Oceanology, the Chinese Academy of Sciences (CAS), Qingdao 266071, China; 2.Center for Ocean Mega-science, CAS, Qingdao 266071, China; 3.Institute of Atmospheric Physics, CAS, Beijing 100029, China; 4.University of Chinese Academy of Sciences, Beijing 100049, China)

marine buoy; seawater temperature and salinity; quality control; PauTacriterion

Based on the error diversity of marine buoy observational data, this study presents a new quality control (QC) system for marine buoy temperature and salinity data.This QC scheme includes six checks with the PauTa criterion as its core.An innovation of this scheme is a new QC algorithm that combines the traditional Spike check and PauTa criterion check.Its robustness has been verified by the seawater temperature and salinity data of buoys in the Yellow Sea and East China Sea.Several spurious measurements or outliers in long time series can be effectively identified.We propose that this new scheme can be used in the QC of buoy observation data in the future.Furthermore, the quality-controlled data could be used for marine scientific research, marine meteorological prediction, marine disaster forecast, and fishery development.

Jan.26, 2021

[The National Key Research and Development Program of China, No.2017YFA0603200; The 14th Five-year Network Security and Informatization Plan of Chinese Academy of Sciences, No.WX145XQ07-08]

P717

A

1000-3096(2021)10-0093-11

10.11759/hykx20210126001

2021-01-26

2021-04-16

國家重點研發計劃資助(2017YFA0603200); 中國科學院十四五網絡安全和信息化專項(WX145XQ07-08)

任煥萍 (1967—), 女, 山西省萬榮縣人, 高級工程師, 主要從事海洋科學大數據研究, 電話: 0532-82896760, E-mail: hpren@qdio.ac.cn

(本文編輯: 趙衛紅)