天气现象仪自动化观测资料对比分析

介绍2011年12月至2012年6月在北京市观象台、庐山气象局对目前一些天气现象仪所进行的对比观测试验的过程和结果分析。参与此次为期7个月的对比观测试验仪器有3种类型,每种类型配备3套,分别由3家厂商提供。试验采用人工目测辅助摄像作为参考标准,测试了这些天气现象仪对各种不同天气现象观测的准确性。结果表明:各仪器观测降水现象的数据准确性均大于90%,能够满足业务需求。区分降水强度时,各仪器的降水捕获率在70%以上(雨强大于0.01mm/h);微量降水(雨强小于0.01mm/h)和混合型降水,各仪器降水捕获率相对较低。仪器观测视程障碍现象的数据准确性均大于80%,能够满足业务需求。其他现象由于样本数量相对较少,需要更多进一步试验,并改进算法。     

广州降水现象自动与人工观测对比分析

以人工观测数据为标准,对降水类天气现象自动观测数据进行分析。首先利用两种观测手段所记录的降水起止时间,分析两者的时间吻合率与降水量、降水过程持续时间的相关性,结果表明相关性不大。其次,根据科学方法统计天气现象仪在不同雨强影响下对降水现象的捕获率,分析设备对降水现象的识别能力。结果表明:在不区分雨强的情况下,设备的降水捕获率达到97%,而且捕获率随雨强增大而逐步增大。最后,总结分析两种观测方法出现差异的原因,并提出加以改进的一些设想。     

DSG5型降水现象仪的数据评估分析

选取2018年1月至12月降水现象仪自动观测数据和人工观测记录,对DSG5型降水现象仪进行评估和分析。结果表明,数据完整性较好,仅0.07%的缺测率。数据准确性通过捕获率、漏报率、空报率和错报率来分析,其中捕获率较高,平均为95.63%,但对弱降水的识别还需改进;漏报率较高,平均漏报率为33.62%;空报率和错报率较低,分别为17.81%和2.68%,但存在错误识别雪和冰雹的现象。降水现象仪数据一致性较差,因观测数据分散不连续导致,需进一步改进质控方法。     

降水现象仪与人工观测资料对比分析

选取4个设置于不同探测环境下的国家级气象站2017年9月—2018年6月降水天气现象仪和人工观测降水天气现象资料进行对比分析,统计了降水现象仪资料的完整性、准确性和一致性,得出如下结论:雨的捕获率较高,空报率、错报率、漏报率均较低,自动观测记录准确性最好;毛毛雨空报率最高,冰雹空报率次之,自动观测记录准确性较差;雪和雨夹雪准确性比较好,但是由于软件的bug,使空报率较高。自动观测天气现象的开始时间多晚于人工观测,结束时间多早于人工观测,致使自动观测记录时间偏短。     

降水现象仪观测应用评估

利用2017年9月至2018年8月北京20个站降水现象仪采集数据与人工平行观测数据,对降水现象仪进行了对比评估。结果表明:降水现象仪的缺测率为0.01%,空报率为0.6%,捕获率为93.5%,漏报率为27.9%,错报率为10.0%。从统计结果可知,降水现象仪的缺测率、空报率较低,捕获率较高,体现出设备性能良好的一面,漏报率和错报率偏高,表明设备漏识别和错误识别的情况较多,漏报主要发生在弱降水过程中,错报主要出现在毛毛雨的识别上。设备测量和人工观测降水开始时间一致性较好,终止时间一致性偏差;降水现象仪现存问题:在大雨强时易出现雨滴叠加误识别,在小雨强时识别率会降低,在无降水错误输出降水现象方面缺少质控。     

降水现象仪测试方法及注意事项

1引言随着气象站自动化的程度逐渐加快,一些自动传感设备也在陆续投入业务使用,而且有着很高的测算精度,如固态降水、降水现象仪。DSG5型降水现象仪可以实现对包括毛毛雨、雨（阵雨）、雪（阵雪）、雨夹雪（阵性雨夹雪）、冰雹等天气现象的自动观测与识别。目前全省85个国家级台站安装了降水现象仪,为做好降水现象仪的测试工作,保证设备在气象观测中发挥作用,本文对降水现象仪的测试方法及需要注意的事项进行仔细分析和判断.     

一次冰雹天气的降水现象仪观测分析

冰雹和它所伴随的雷暴、大雨、飑线及龙卷等,是常见灾害性天气之一,准确观测冰雹天气现象的发生地点、起止时间、强度变化和演变特点,对天气分析和气象服务具有重要意义。天气现象仪是目前主要的冰雹天气现象的自动观测设备,该文针对贵阳市2017年4月5日冰雹过程对降水现象仪的观测结果与人工观测记录进行了对比。结果表明,设备总体性能较好,可准确观测到冰雹过程,但存在大雨强时错报成冰雹类型的可能,建议后期增加识别算法,提高设备的识别准确性。     

雨滴谱降水现象仪工作原理及常规维护要点

降水天气现象自动化观测是实现地面自动化观测的重要内容之一,2017年青海省国家级气象台站在中国局山洪项目支持下,陆续建设完成了雨滴谱降水现象仪,实现了降水类天气现象的全天候观测,结束了降水类天气现象由人工观测的历史,彻底摆脱了人工观测的主观性,提高降水现象观测资料的完整性和实时性。依据省局业务管理部门的要求,2017年10月1日雨滴谱降水现象仪正式开始并行观测。本文通过对雨滴谱降水现象仪工作原理的分析,并结合治多国家一般气象站降水类天气现象的特征,提出了观测数据和观测仪器设备的常规维护要点,由于该设备刚刚投入并行观测,希望给同行提供帮助。     

降水现象平行观测评估与分析

利用2017年8月～2018年7月广西区7个国家基准气候站降水现象仪自动观测与人工观测记录,以《降水现象平行观测业务技术规定》为依据,分别从数据准确性、现象发生时段一致性等方面对降水现象的雨记录进行统计分析。结果表明:捕获率较低,漏报率较高,一致性有待提高。建议延长平行观测时间,加强人工质控,进一步提高仪器性能及优化数据处理软件。     

降水、烟雾滴沙尘等现象自动识别系统研制

该项目是国家科技部科研院所技术开发研究专项资金项目,其研究目标是:基于高性能的数字摄隐系统对天气现象的实时监测,结合先进的计算机图像识别、处理和分析技术,实现对雨、雪和冰雹等降水现象以及雾、烟幕和沙尘等视程障碍现象的自动识别,开发基于数字摄像技术的主要天气现象自动观测系统,为气象站目测要素的自动化观测提供先进有效的技术手段,促进我国在气象站自动化观测技术方面的研究进程.本项目执行以来,主要开展了下述工作:     

雨滴谱式降水现象仪与人工观测结果的一致性分析

为验证雨滴谱式降水现象仪的测量性能,利用南京市气象局在江宁布设的PARSIVEL型雨滴谱式降水现象仪2018年1—11月期间的天气现象观测资料,重点分析了雨滴谱式降水现象仪对不同类型降水的测量性能。结果表明:①总体而言,雨滴谱式降水现象仪与人工观测具有良好的一致性,但是在降水时间、降水类型方面存在一定差异。②白天,人工观测的总降水时间明显高于仪器观测结果,主要原因在于人工观测有时会忽略降水间隙,而仪器可能会漏掉极微量降雨;人工观测的降水现象分类较粗,有时会忽略降水的精细变化,而仪器能够灵敏检测到降雨的短时变化、毛毛雨和雨的转换、降雨和降雪的转换等。③夜间,人工观测有时会忽略个别时次的毛毛雨或雨,而仪器容易漏测微量降水,大雨强条件下有时会把降雨误判为霰或雪,降水现象的判别算法仍需改进。     

DSG5型降水天气现象仪观测数据分析与应用

目前DSG5型降水天气现象仪已在国内台站大量列装,观测记录了许多宝贵的资料。本文通过一次降水天气过程,分析了DSG5型降水天气现象仪的数据结构、内容及其在业务中的应用。发现:DSG5型降水天气现象仪记录的降水天气现象与人工观测基本一致,但记录的降水开始时间比实际滞后,结束时间比实际提前,一些微弱降水没有记录;利用观测的雨滴谱数据可以揭示降水过程的细微结构和演变特征,加深对降水过程的认识,为处理地面观测中出现的降水量与天气现象矛盾等问题提供观测依据;本次降水过程中雨滴数和雨滴尺度谱存在明显的时间变化。较多的是直径0.3mm左右的小雨滴,但对降水强度影响比较大的是直径大于1mm的雨滴,且伴随着大于1mm雨滴增加,雨滴尺度谱加宽,地面降水显著增强。     

风场变形误差对冬季降雪测量及其趋势估算的影响

利用71个气象站1960～2009年共50年的冬季逐日降水、风速和天气现象资料, 以及3个站降水对比观测试验数据, 对东北地区降雪测量记录的风场变形误差进行了评价和订正, 并在此基础上分析了风场变形误差对研究区降雪量变化趋势估算结果的影响。结果如下:1)东北地区冬季降雪量台站观测记录普遍被低估, 全区观测的冬季平均降雪量为15.1 mm, 而风场变形误差订正后冬季平均降雪量为22.5 mm。各站绝对误差介于1.1～19.4 mm, 平均绝对误差为7.5 mm, 各站相对误差介于11.8%～50.8%, 平均相对误差为34.1%。2)主要由于受气象台站观测环境改变导致的风速减弱现象影响, 东北地区大部分台站雨量计对降雪的捕获率有所增加, 冬季降水观测中的风场变形误差减小, 引起实测的降雪量变化趋势估算值被高估。风场变形误差订正前, 东北地区近50年的冬季降雪量变化趋势为0.4 mm·(10 a)^-1, 而风场变形误差订正后, 冬季降雪量变化趋势为0.1 mm·(10 a)^-1。3)东北南部地区台站受风场变形误差影响尤其明显, 冬季实测的降雪量变化趋势偏高更大, 订正后和订正前趋势差值为-1 mm·(10 a)^-1, 即订正前冬季降雪量变化趋势被高估程度达到了64.3%。     

电容式霜露传感器自动化观测对比分析

霜露天气现象是气象观测中的重要观测内容,目前对霜露的观测多采用人工观测的方法,存在诸多弊端。本文在对电容式霜露传感器自动化观测原理进行简单介绍的基础上,重点对2014年9月至2014年12月4个月的设备试验数据进行了分析,把设备识别结果、人工观测结果以及标准器识别结果进行比对,结合设备安装地点周围的实际情况和温湿度信息,深入探讨了设备识别率、漏报率、错报率的变化情况以及导致设备识别率波动的原因。试验结果表明,电容式霜露传感器在一般自然环境中对霜露天气现象具有较好的识别率,在未来研究改进的基础上,具有应用于气象业务自动化观测的可能。     

降水类天气现象自动与人工观测质量对比分析

选取2017年8月—2018年7月广西DSG1、DSG4和DSG5型降水类天气现象仪自动观测数据与人工观测数据,通过对比分析,研究降水类天气现象仪自动观测与人工观测数据质量的情况.结果表明,广西91个国家站点数据完整性好,设备年平均缺测率小于2％,DSG5型设备数据完整性最高(缺测率0.01％).DSG1、DSG4和D...     

激光云高仪与可见光测云仪观测试验对比

选取激光云高仪观测的云高和可见光测云仪观测的云量,通过对比两种地面云观测设备观测数据在相同条件下的差异,分析不同要素对设备观测性能的影响,结果表明:在相同观测条件下,两种地基云观测设备的观测结果不同;激光云高仪和可见光测云仪受雾、霾、降水等天气现象以及云物理特性的影响,云观测数据会出现的漏报和误报的现象;激光云高仪还受自身探测高度和垂直分辨率的影响,对高云和薄云的捕获率较差。     

基于频率匹配法的SWC-WARMS模式降水订正试验

基于西南区域数值预报模式（SWC-WARMS）2019年5~8月00时起报的24h累计降水预报资料和四川省气象站点降水观测资料,采用频率匹配法对6月1日~8月31日降水预报值进行了偏差订正。结果表明:模式预报的24h累计降水量总体为湿偏差;订正后降水量平均绝对误差减小;大雨和暴雨的偏差评分提高;小雨、中雨、大雨的TS评分提高,暴雨TS评分降低;各量级的空报率均有所降低,小雨和中雨漏报率减小,大雨和暴雨漏报率增大,尤其是暴雨漏报率显著增加;当模式对暴雨降水落区预报较好（差）时,频率匹配订正能提高（降低）TS评分。      

TRMM卫星对青藏高原东坡一次大暴雨强降水结构的研究

利用热带测雨卫星（TRMM）探测资料,NCEP、ERA-Interim再分析资料,结合C波段多普勒雷达和其他地面观测资料,研究了2013年7月21日发生在青藏高原东坡的一次大暴雨强降水结构。结果表明,高能、高湿的不稳定大气在700 hPa切变线及地面辐合线的触发下产生了此次大暴雨,降水具有明显的强对流性质。从水平结构来看,降水系统由成片的层云雨团中分散分布的多个对流性雨团组成,对流样本数远少于层云,但平均雨强是层云的4.7倍,对总降水的贡献达到25.6%;以超过10 mm/h雨强为强度标准,3个20-50 km、回波强度在45-50 dBz的β中尺度对流雨团零散地分布在主雨带中,对应 < 210 K的微波辐射亮温区和≥ 32 mm/h的地面强降水;对流降水的雨强谱集中在1-50 mm/h,其中20-30 mm/h的雨强对总雨强的贡献最大,这与中国东部降水有着显著区别,而90%的层云降水的雨强均小于10 mm/h。从垂直结构来看,对流降水云呈柱状自地面伸展,平均雨顶高度随地面雨强的增强而不断升高（5-12 km）,强降水中心区域的质心在2-6 km;降水廓线反映出强降水系统中降水主要集中在6 km以下高度范围,且降水强度在垂直方向分布不均匀,对流降水和层云降水的强度随高度升高的总趋势是趋于减弱,但在一定高度范围内,对流降水强度随高度升高而增大,并且在多个地表雨强廓线中都有体现。此外,地基雷达的探测结果也表明了强降水的低质心特点及显著的逆风区演变特征,这是对TRMM PR探测的验证和补充。      

山西晋城“7·11”暴雨过程雨滴谱特征

利用降水现象仪观测资料，对2021年7月11日山西晋城一次暴雨过程的雨滴谱特征进行分析。结果表明：雨滴数浓度、雨强和谱宽随时间变化趋势基本一致；雨滴直径等级频数百分率和质量百分率分布均呈明显的双峰或三峰结构；此次过程以直径D<1 mm的小雨滴为主，其对雨强R的贡献率仅为7.46%，而1 mm≤D<3 mm的大雨滴对R的贡献率达到了77.44%；雨滴落速主要集中在2～5 m/s。当R≥20 mm/h时，Gamma分布参数N₀、μ和λ随时间的起伏变化相对平缓，平均变化率分别为6.2%、46.7%和18.0%;lg N_W-D_m分布显示，此次低涡暴雨过程既非大陆性对流降水，亦非海洋性对流降水；μ-λ之间存在较好的二项式函数关系，相关系数为0.901。幂函数对于降水动能参数关系E_t-R和E_d-R的拟合性能更优，二项式函数拟合对于E_d-D_m效果更好。采用最小二乘法得到Z-R拟合关系，在R≥20 mm/h时，估测效果优于经典Z-R关系。     

一次积雨云降水过程的宏微观物理特征和雨水酸度的综合观测

1984年7月27日晚,在北京西郊北京大学综合观测了一场积雨云降水的全过程。包括两个降水过程:第一个降水过程持续时间短(33min),平均雨强大(12.9)mm/h),雨滴谱宽且出现多峰,降水pH值7.0左右;第二个降水过程的持续时间长(126min),平均雨强较弱(1.6mm/h),随降水的强烈冲刷,云下空气愈来愈干净,pH值连续下降至6.6,电导率也大大减小。