基于物聯網的自動氣象站現場核查技術分析

摘 要：本文旨在分析物聯網的自動氣象站現場核查技術，探討如何提高自動氣象站數據的準確性和可靠性，為氣象預報和科學研究提供更可靠的數據支持。本研究對現有區域自動氣象站進行改造，引入氣溫傳感器、雨量傳感器、風傳感器以及智能控制單元，實現對氣象觀測非線性變量（例如溫度、雨量、風向和風速）的多傳感器冗余觀測。在數據采集過程中，本研究設置了采集器端前置算法，得出最優的探測數據，從而提高數據的準確性和可靠性。研究結果顯示，自動氣象站的數據質量有顯著提高，觀測到的氣象數據更準確、可靠，為氣象預報和科學研究提供了可靠的數據支持。

關鍵詞：物聯網；自動氣象站；現場核查

中圖分類號：TP 29 " " " " " " 文獻標志碼：A

1 自動氣象站現場核查中數據質控算法的應用

在基于物聯網的自動氣象站現場核查技術中，應用數據質控算法是一種重要方式。數據質控算法能夠對自動氣象站采集的數據進行實時監測和分析，以保證數據的準確性和可靠性[1]。數據質控算法可以對自動氣象站采集的數據進行異常檢測，監測數據的變化和趨勢，識別出可能存在的異常數據點。例如，當某個氣象參數的數值超出正常范圍，或者與周圍站點的數據存在較大差異時，數據質控算法可以將這些數據標記為異常數據，并進行進一步處理。

1.1 自動氣象站現場多溫度質控算法

在自動氣象站現場溫度智能單元中，采集算法具有關鍵作用。采集算法通過多種方式獲取溫度值，例如使用傳感器進行實時測量，或者利用歷史數據和模型進行預測。這些溫度值來自不同通道，是不同位置或不同類型傳感器測得的數據。利用采集算法，溫度智能單元能夠將這些溫度值進行集成和處理，以提供更準確、全面的溫度數據[2]。一旦溫度數據被采集到主采集器中，即開始交叉驗證的過程。交叉驗證是一種常用的數據驗證方法，可以將數據分成多個部分，使每個部分都充當一次驗證集，從而驗證模型的準確性。在溫度數據的交叉驗證中，主采集器會將采集的溫度數據與其他通道的數據進行比較，檢查數據間的一致性和差異性。如果數據間存在較大差異，那么主采集器會進行相應處理，例如排除異常數據或進行數據平滑處理。

首先，在3個傳感器間相互計算測量偏差，如公式（1）所示。

（1）

式中：T1、T2和T3分別為3個溫度傳感器的測量溫度，℃，這些傳感器位于不同位置或采用不同的測量技術，因此其測量結果會有差異；D12為T1、T2間的溫度差值；D23為T2、T3間的溫度差值；D31為T3、T1間的溫度差值。

這些差值用來評估傳感器間的一致性和穩定性。如果差值較小，就表示傳感器間的測量結果相對一致；如果差值較大，就表示存在傳感器故障或測量誤差。在實際應用中，如果任何一個傳感器出現缺測（即無法獲取溫度值），那么該時刻的溫度值將被視為缺測，在該時刻無法獲得準確的溫度數據。因此，在數據分析和處理中，需要注意處理缺測值的方法，例如進行插值或使用其他傳感器的數據進行估算。

其次，定義傳感器兩兩間測量偏差允許范圍，如公式（2）所示。

（2）

式中：Tol（i，j）為定義傳感器兩兩間測量偏差允許范圍；Ti、Tj為任意傳感器的溫度數值。

如果Dij≤Tol（i，j），可以認為傳感器間的測量結果是一致的；如果Dijgt;Tol（i，j），可以認為傳感器間存在較大的不一致性。在這種情況下，需要對這些測量值進行處理。

最后，計算結果如下所示。如果所有Dij均在允許范圍內，即傳感器測量值間的差值均在允許范圍內，那么可以認為傳感器間的測量結果是一致的。在這種情況下，將T1、T2和T3的中間值作為最終結果，并取中間值，消除個別傳感器測量值的影響，得到更準確的計算結果。如果有2個Dij在允許范圍內，即只有1個傳感器測量值與其他2個傳感器測量值差異較大，那么可以認為這個傳感器的測量結果存在異常。在這種情況下，同樣將T1、T2和T3的中間值作為最終結果，并取中間值，排除異常值的影響，得到更可靠的計算結果；如果只有1個Dij在允許范圍內，即只有1個傳感器測量值與其他2個傳感器測量值差異較小，那么可以認為該傳感器的測量結果較可靠。在這種情況下，將該Dij的2支溫度傳感器測量值的平均值作為最終結果，并取平均值，充分利用可靠的測量結果得到更準確的計算結果。如果所有Dij均不在允許范圍內，即所有傳感器測量值間的差值均超出允許范圍，那么可以認為傳感器間存在較大的不一致性。在這種情況下，結果被標識為缺測，在該時刻無法獲得準確的溫度數據，需要進一步檢查傳感器的狀態或采取其他措施來解決問題。

1.2 自動氣象站現場多雨量質控算法

當1 h降水量Pre＜0.5 mm，即時，

Pre3不參與計算，其中Pre1、Pre2和Pre3分別為2只SL3-1（0.1）和1只SL3-1（0.5）雨量傳感器累計1 h測得的降水量。

當1 h降水量0.5 mm≤Pre＜1 mm時，則有公式（3）。

（3）

當1 h降水量Pre≥1 mm時，則需要以下3個步驟。

第一步，計算兩兩偏差，如公式（4）所示。

（4）

式中：D12、D23和D31分別為傳感器兩兩間的測量差值，mm。

由于Dij值是基于降水量數據計算得出的差值，假如降水量數據缺失，將無法計算出某個時間段的降水量，相關的Dij值也無法確定，因此將缺失的降水量數據對應的Dij值視為缺失處理。

第二步，定義兩兩偏差允許范圍。有2只0.1 mm翻斗雨量傳感器SL3-1（0.1），其最大允許誤差為Ep1=Ep2=4%，還有1只0.1 mm翻斗雨量傳感器SL3-1（0.5），其最大允許誤差為Ep3=5%。根據這些信息計算出Tol（i，j）的值，Tol（i，j）表示傳感器i和傳感器j間的誤差容限。Prei和Prej表示傳感器i和傳感器j的測量值（mm）。Epi和Epj表示對應傳感器的最大允許誤差。傳感器1和傳感器2間的測量誤差容限為0.02 mm。如果2個傳感器間的測量誤差小于這個容限值，那么該測量結果是可以接受的。如果Dij≤Tol（i，j），那么表示Dij在允許范圍內，傳感器i和傳感器j間的差值Dij小于或等于它們之間的誤差容限；如果Dij＞Tol（i，j），那么表示Dij在允許范圍外，傳感器i和傳感器j間的差值Dij大于它們之間的誤差容限；當Dij的值缺失時，根據給定的處理方式，無法確定Dij的具體值，因此將其標記為超出誤差允許范圍。

第三步，計算結果。如果所有的Dij均在允許范圍內，即Dij≤Tol（i，j），那么取Pre1、Pre2和Pre3的中間值作為結果。利用取中間值得到一個相對平均的結果，以降低測量誤差的影響。如果有2個Dij在允許范圍內，即Dij≤Tol（i，j），那么同樣取Pre1、Pre2和Pre3的中間值作為結果。這樣做是為了盡量降低測量誤差的影響，并且考慮有2個傳感器的測量結果是可接受的。如果只有1個Dij在允許范圍內，即Dij≤Tol（i，j），就將這個Dij對應的2個降水量的平均值作為結果。這樣做是為了盡量降低測量誤差的影響，并且考慮有1個傳感器的測量結果是可接受的。如果所有的Dij都不在允許范圍內，即Dij＞Tol（i，j），那么結果將被標識為缺測。因為所有傳感器均超出誤差允許范圍，所以無法得到可靠的測量結果。

2 自動氣象站現場設備運行和效果分析

2.1 運行穩定性

設備安裝完成后，自2021年1月20日正式開始運行。在設備運行期間，自動氣象站沒有出現數據缺報或丟失的情況，數據到報率為100%。結果顯示，設備的運行非常穩定，與機場內其他現行自動氣象站的數據變化趨勢基本一致。

2.2 數據一致性

溫度傳感器測量偏差見表1。傳感器D12的測量偏差主要集中在0～0.1，幾乎沒有＞0.3的偏差。并且沒有缺測的情況。傳感器D13的測量偏差相對較大，除了0和0.1外，還有較多的0.2和0.3的偏差，并有少量＞0.3的偏差，沒有缺測的情況。傳感器D23的測量偏差與傳感器D13類似，集中在0.0～0.1，但是也存在一些0.2和0.3的偏差，同時有一些＞0.0.3的偏差，同樣沒有缺測的情況。

3套站點的數據變化趨勢基本一致，如圖1所示。由于與業務站（編號為59948）存在站點環境差異和站點海拔高度差異，觀測數據的具體數值存在一定差異。站點環境差異是由站點周圍的地理、氣候和人為因素的差異導致的。例如，不同站點位于不同的地理位置，周圍的建筑物、植被和地形會對氣象觀測產生影響。此外，不同站點存在不同的海拔高度，海拔的變化也會對氣象觀測結果產生一定影響。這些差異的存在使不同站點的觀測數據的具體數值有所不同。例如，對于相同的氣象事件，不同站點會有不同的溫度、濕度或風速等數值。原因是站點的環境和海拔高度的差異導致氣象要素在不同站點的表現不同。雖然存在這些差異，但是各時間段內數據的總體變化趨勢相對一致。

2.3 觀測數值異常結果

雨量觀測故障分析如圖2所示。本文選擇降水時段20：00—22：00的統計數據進行分析。由于2號和3號雨量傳感器的降水量基本一致，因此其測量結果是可靠的，并且在這個降水時段內具有一致性。與之相比，1號傳感器的降水量明顯偏小，小時累計降水值的偏小暗示1號傳感器在這個時段內沒有準確記錄到實際的降水量。此外，日累計降水量偏小也進一步支持了傳感器出現故障或堵塞的假設。如果傳感器正常工作，其應能記錄到與其他傳感器相近的降水量，但是其數值明顯偏小，可以合理懷疑傳感器的可靠性。經過維護人員現場確認，1號雨量傳感器的干簧管出現接觸不良的問題。干簧管是雨量傳感器中的一個重要組件，能夠感知雨滴的降落并產生相應的電信號。接觸不良問題使干簧管無法正常感知降雨情況，導致傳感器記錄的降水量明顯偏小。該問題是由長時間的使用和環境因素造成的，例如濕氣、灰塵或者腐蝕等。幸運的是，站點還配備了其他降水觀測設備，例如綜合輸出降水值。這些設備與其他傳感器相互協作，以多種方式來測量降水量。在這種情況下，綜合輸出降水值與實際情況相符，其他設備能夠提供準確的降水數據。經過及時維護和修復，維護人員解決了1號雨量傳感器的問題。

3 結語

本文分析了基于物聯網的自動氣象站現場核查技術，發現了氣溫、濕度和氣壓傳感器的超差情況，同時，對采集器項目的核查也進行了討論。經過現場校準與核查，自動氣象站數據的準確性和可靠性得到提高，可為氣象預報和科學研究提供更可靠的數據支持。然而，本研究僅是對現場核查技術的初步探索，還需要進一步的研究和實踐來改進和優化該技術。未來的研究將集中在傳感器的核查和采集器項目的改進上，以進一步提高自動氣象站的性能和數據質量。

參考文獻

[1]黃飛龍，譚晗凌，霍亞.物聯網與自動氣象站深度融合方法研究[J].計算機測量與控制，2022（3）：30.

[2]許兵甲，黃飛龍.基于物聯網的智能自動氣象站設計[J].廣東氣象，2022（4）：44.