自动气象站存在的问题及人工处理方法

自动气象站的建立,确实大大减少了观测人员的地面观测工作量,提高了观测时效和质量。在室内通过“实时遥测数据观测”显示屏就能直观地,一目了然地看到各气象要素数据。但是,在某些特殊情况下,自动气象站显示出来的气象要素值不能正确地反映当时的天气实况,而自动气象站又不能自动处理,此时则需要人工处理方可。     

自动气象站采集器通道及合成误差分析

数据采集器通道误差是自动气象站观测系统误差来源的重要组成部分,直接影响自动站各要素观测数据的准确性,其与温、湿、压、风等各气象要素传感器误差的合成构成了自动气象站误差。在稳定的实验室环境条件下,利用高精度测量仪表,通过对多台CAWS600型采集器进行精确测量,得到自动站采集器各气象要素通道误差的校准数据。对温、湿、压、风等要素的自动测量系统(传感器和采集器)误差分析结果表明,自动站误差等于传感器误差与采集器通道误差之和。此外,采集器各主要通道的误差存在一定的分布规律:有10台采集器气温通道误差≤0.1℃,主要分布在-0.1~0.1℃,所占比例为77%;有3台采集器通道误差0.15℃而≤0.20℃,所占比例为23%。在600-1090 h Pa量程内,气压通道误差主要分布在-0.10~0.10 h Pa;风向、湿度通道误差较小,误差值相近,方向较一致,风向通道误差≤1°,湿度通道误差≤1%。     

自动气象站采集器数据质量控制程序的改进设计

讨论自动气象站采集器的数据质量控制问题,以气温、风向、风速和降水量等4个代表性气象要素为例,提出自动气象站采集器数据质量控制程序的改进方案。在遵循向下兼容性、低运算量等要求下,改进设计在现有自动气象站采集器软件整体框架内进行。     

自动气象站采集器数据质量控制程序的改进设计

讨论自动气象站采集器的数据质量控制问题,以气温、风向、风速和降水量等4个代表性气象要素为例,提出自动气象站采集器数据质量控制程序的改进方案.在遵循向下兼容性、低运算量等要求下,改进设计在现有自动气象站采集器软件整体框架内进行.     

浅析自动站与人工站地面温度差值原因

1引言自动气象站投入气象业务运行后,所测得的气象要素值和人工观测值常常存在某些差异。当人工观测数据和自动值之间差值较大时,应进行综合分析判断,确定产生误差的原因并加以解决是确保自动气象站采集数据准确的必要措施。通过对比分析,总结出人工观测地温值与自动站数据差值较     

自动气象站数据快速检查的简便方法

利用电子表格技术,对自动气象站的逐分钟地面气象数据文件中的数据进行统计和格式处理,并对有疑误的记录和要素项进行彩色标记,以便快速检查自动气象站各气象要素数据是否异常,为初步判断各要素传感器是否正常工作,提供一个数据检查工具。     

自动观测与人工观测数据差异的初步分析

利用2004—2007年内蒙古地区50个地面自动气象站与人工平行观测期间的数据,对自动与人工观测的气温、相对湿度、地表温度进行了差异分析,统计了两种观测之间的对比差值。对各要素观测差异在全区的分布特点进行了分析。结果表明:自动观测与人工观测各气象要素均存在一定的差异,但大部分地区各要素的差异都在自动站误差允许范围之内;造成差异的原因是多方面的,包括仪器本身存在缺陷及观测方法不一致等。     

实现自动气象站数据快速检查的一种简便方法

利用电子表格技术,通过对自动气象站的逐分钟地面气象数据文件中的数据进行统计和格式处理,并对有疑误的记录和要素项进行彩色标记,以便快速检查自动气象站各气象要素数据是否异常,为初步判断各要素传感器是否正常工作提供一种数据检查工具。     

正点地面观测数据维护中数据异常的分析处理

地面观测资料报文传输方式调整之后,值班观测员应注意小时内自动气象站的数据采集情况,在正点后通过《地面气象测报业务软件》的"正点地面观测数据维护"对数据进行检查,当发现自动气象站错误或数据异常时,应及时对疑误数据进行分析处理,完成对自动气象站数据的质量控制。通过对几例正点地面观测数据维护中典型异常数据的分析处理,帮助地面测报值班人员在日常工作中对正点地面观测疑误数据进行快速的判断和维护,做好自动气象站数据的质量控制,以保证地面气象要素上传数据文件内数据的完整性、时效性和质量。     

从计量角度探讨自动气象站观测数据的质量

从计量中的误差理论来研究自动气象站所获取的观测数据,分析其误差的来源,以便能更好地获取完整性、准确性和代表性的自动气象站观测数据,提高数据质量。     

地面气象观测缺测记录替代方法的误差特征分析

以2014年南京、吕泗、淮安三个国家基准气候站的地面气象观测资料,统计分析了不同气象要素采用不同的记录替代方法时产生误差的特征。一般地,用自动站临近正点的分钟数据代替的方法要优于其它方法,越靠近正点的资料误差越小;备份站的资料同现用站相比,存在明显的系统误差,记录代替时宜作订正;为保证气象资料序列的均一性,建议在数据代替时,动态地选择误差较小的代替方法。     

数值天气预报———另类途径的必要性和可行性

通过讨论省 (甚至地、市) 气象部门要不要开展数值天气预报工作的问题, 认为不是所有的地方都要开展, 只是那些希望搞科研型业务、迫切要求提高当地高影响天气的预报准确率的地方要开展。对于如何开展的问题, 提出不是去重复类似于主流途径的做法, 而是开辟另类途径, 并阐述了另类途径的内容、方法和意义。强调开展另类途径无需构建模式 (这是非常困难的工作), 只需运转现成的模式, 借助所关心的现象的历史数据来改造现成模式, 使之本地化, 是完全可行的。     

超声波测风仪风速的不同算法误差分析

超声波测风仪与气象业务用风向标测风仪相比具有诸多优势,可为气象业务中风向风速观测急需解决的较多问题提供解决方案。为促成超声波风速仪尽早在气象部门业务应用,同时解决资料同化等问题,研究和选择适用于超声波测风仪的风速平均(平滑)算法显得极为重要。为此,从超声波测风仪测量原理出发,介绍了超声波测风仪获取数据的特点;利用台站获取的超声波测风仪风速的秒数据,采用不同时段、不同平均(平滑)方法,计算风速多种形式的平均值,通过统计、分析和比较,获得了标量和矢量不同算法下风速平均值的特性差异及其之间的误差,进一步验证了标量平均大于矢量平均的结论。通过对超声波测风仪的风速算法研究及其误差分析,对减小因算法带来的风速测量误差提供方法,同时探讨了超声波测风仪在气象业务使用的可能和方向。     

三种全球预报产品中国区近地面气温短期预报效果检验

全球气象预报产品是扩散模式、空气质量模式的重要基础资料和前提条件,其误差直接影响模拟结果的准确度。为考察不同气象预报产品的误差,选取2016年6月至2017年5月GFS、ECMWF、T639三种全球气象预报产品,利用中国2100个地面观测站数据,对预报产品中近地面气温进行了对比,并分析了其在不同季节、不同区域的特征。结果表明：在中国区域三种气象产品气温预报存在偏低预报的趋势,其均方根误差的年平均值为2.60—3.52℃,相关系数的年平均值为0.89—0.92,平均绝对误差的年平均值为1.87—2.67℃。整体而言,EC表现最佳,其余依次为GFS、T639。气温预报误差存在季节变化特征,三种产品均方根误差与平均绝对误差均表现为夏秋季优于春冬季,相关系数表现为秋冬季优于春夏季。气温预报误差存在明显的地域差异,三种气象预报产品的气温误差空间分布特征较为相似,在中国华东地区误差值表现较低,在西南地区误差较高。同时,其误差水平在中国沿海地区表现较低,在地形复杂地区表现较高。     

空间回归检验方法在气象资料质量检验中的应用

该文详细介绍了空间回归检验方法, 并使用2003年我国671站的逐日平均气温、最高气温、最低气温、平均水汽压、平均风速、平均0 cm地温、降水量资料, 检验该方法在气象资料质量检验中的适用性。按区号将全国划分为10个区, 利用该方法分别对各区7个要素进行了检验试验。结果表明:空间回归检验方法能够有效检验出可疑数据, 适用于对单一要素的检验; 对降水、风速等空间变化比较大的要素, 该方法有比较好的检验效果; 应用该方法计算时, 在不同地区、不同要素之间存在差异; 当固定出错比率时, 各区应该选择不同的f值。与一般空间检验方法相同, 该方法也与地理环境、周边台站分布有关, 并受台站密度的影响。     

基于奇异值分解的气象数据推测

以中国662个气象台站的2004—2013年逐日平均气温、平均相对湿度、日照时数和气温日较差4个气象要素为研究对象,使用奇异值分解方法来推测缺失气象数据。为降低随机的不利影响,将10年的逐日气象数据做平均。分别采用奇异值分解的相对误差和相似度矩阵来证实气象数据的近似低秩性,并探讨气象要素之间的相关。分析主要的基向量,设计3组推测试验。第1组试验随机选取6个气象台站的数据用于测试,其余台站用于训练,以获得5个最佳的基向量。随机选取每个测试台站的12个观测值,再由所选取的基向量来推测未知值。平均气温、平均相对湿度、日照时数和气温日较差的平均推测误差分别为8.00%、7.83%、17.17%和10.82%。在第2组试验中,随机选取70%的气象台站用于训练,其余气象台站用于验证推测性能。试验结果表明基向量的数目可选为5—15,随着基向量或观测值数量的增加,推测性能也随之改善。第3组试验,根据10个台站1952年下半年的气象观测数据,推测上半年的未观测值,试验结果合理可靠。      

消除系统性观测误差的时空梯度信息同化方法研究

随着气象观测手段的进步,各种气象观测资料在数值预报模式中的应用不断发展.然而由于观测资料存在观测误差,尤其一些非常规资料存在系统性偏差,且难以对此类误差进行充分订正,使得观测资料在数值预报模式同化应用过程中的作用没有被充分发挥.文中提出一种消去此类误差的时间及空间梯度信息变分同化方法,其特点在于不需要知道系统性偏差的具体估计,而是用一个梯度信息算子对原变量进行变换从而隐性回避此类误差.通过浅水波模式四维变分同化理想试验结果表明,此同化方法完全消除平整性系统性偏差对同化结果的影响,本身数值较小的模式变量更能够获得好的同化效果,大数值变量则可通过估算来确定适用范围.由于最优解不唯一性质的存在,同化效果更多的吸收观测场的整体时空梯度分布趋势而非观测量值本身,这对具有较低可信度的观测资料是适用的.     

Anticipated changes in analysis accuracy with the removal of Ocean Weather Ship P

Abstract

Analysis error patterns have been established for the Pacific Weather Centre Experiment Area, and comparisons made between errors computed for meteorological observing arrays, including Ocean Weather Ship (OWS) P, and errors computed for several alternative arrays which excluded OWS P. These assessments of the impact of replacing the ocean weather ship with alternative observing equipment indicate that, above the 1000‐mb pressure surface, there will be a significant loss of accuracy in the forecast‐minus‐observation analyses regardless of proposed additional report systems. Near the surface, forecast error variances are estimated to decrease slightly with an increase of reports from buoys and ships of opportunity within the region.

The dependence of the assessments on the data selection procedure and on correlation representations for the region suggest that some loss may be compensated by more efficient use of available data. Refinements in the objective analysis scheme are seen to be especially important to analysis accuracy in regions lacking radiosonde coverage.     

Using satellite-derived Atmospheric Motion Vector (AMV) observations in the ensemble data assimilation system

The use of global Atmospheric Motion Vectors (AMV) satellite observations in the meteorological data assimilation system based on Local Ensemble Transform Kalman Filter (LETKF) algorithm is considered. The height assignment is the most crucial error source for AMV observations. To reduce its impact, the AMV height reassignment method is implemented; it is based on the consistency coefficient bet ween the observed and the background winds. The other way to improve the analysis quality is a more accurate specification of AMV observation errors. This necessitates the use of the nondiagonal observation-error covariance matrix R in the data assimilation scheme. The first results of these studies are presented. It is demonstrated that the use of AMV observations in the data assimilation system reduces the errors of forecasts computed from the initial data of this system.     

观测资料的四维质量控制:变分法

利用四维变分资料同化技术，定义了观测资料的误差均差比，并在理论上初步探讨了利用误差均差比来判断资料中重大误差（ｇｒｏｓｓｅｒｒｏｒ）的合理性。利用简单的Ｌｏｒｅｎｚ模式进行了一些数值试验，以检验质量控制方案。