自动气象站数据异常的原因分析

1 硬件设备问题引起的数据异常 1.1 数据全部缺测 (1) 采集器损坏导致无法采集数据,出现数据全部缺测.(2)采集器电源系统故障,致使定时数据无法采集,出现要素全部缺测.(3)通信线路出现故障.当自动气象站的防雷板、终端机的串口或连接卡、串口隔离器被雷击、通信线缆出现断开或其他因素导致开路都是导致自动气象站数据全部缺测的原因.     

CAMS—DY01蓄电池使用寿命缩短造成数据缺测的原因浅析

通过对CAMS-DY01电源系统蓄电池使用寿命缩短,造成数据缺测的原因进行分析、总结,为使用者今后正确使用CAMS-DY01电源系统蓄电池,减少因CAMS-DY01蓄电池使用寿命缩短而造成数据缺测的出现次数提供参考。     

L波段雷达测风特殊情况处理技术

随着高空探测自动化水平和仪器精度的不断提高,气象探测数据也越来越精确,为了提高高空风探测结果的准确性和完整性,解决实际工作中因计算方法不适合、数据平滑误差等原因引起的数据错误或量得风层缺测等问题,提出利用L波段雷达测风秒数据进行风向判断弥补缺测数据,利用内插方法计算斜距减小人为误差等方法。这些方法在实际工作中取得了较好的效果,可以有效减少数据缺测和误差偏大现象,提高了高空气象探测数据的质量。     

自动气象站数据异常的原因分析

（1）采集器损坏导致无法采集数据，出现数据全部缺测。（2）采集器电源系统故障，致使定时数据无法采集，出现要素全部缺测。（3）通信线路出现故障。当自动气象站的防雷板、终端机的串口或连接卡、串口隔离器被雷击、通信线缆出现断开或其他因素导致开路都是导致自动气象站数据全部缺测的原因。（4）自动气象站计算机终端的硬盘或主板问题，导致采集发送过来的数据无法存贮，     

广东省区域自动站数据的质量分析与评估

基于2015年7月1日至2018年12月31日广东省区域自动站小时数据,针对数据可用性及疑误信息做了相关统计分析。结果表明:各要素可用率主要受缺测率影响,可疑率及错误率对可用率影响较小;各要素缺测率相关性较好,影响缺测率主要是通信故障和数据采集软件故障。疑误信息中最终判定为可疑信息占62.2%、缺测信息占29.6%,其余为错误信息;气压、水汽压、风速的疑误信息居多,引起这些疑误信息的主要原因是未通过人工检查和内部一致性检查。     

浅谈降低地面气象探测数据缺测率的方法

根据近期地面探测数据文件中缺测情况分析,仪器维护和技术处理不当,是导致数据缺测的主要因素,提出降低地面气象探测数据缺测率的措施和技术.     

自动气象站缺测数据分析及处理

地面自动观测系统正逐步替代传统的人工气象观测,自动气象站容易受到直接雷击及雷电电磁脉冲的侵害、仪器性能下降、电磁干扰和人为操作失误等因素影响,导致自动站采集器等设备损坏,造成业务中断,数据缺测,影响了气象数据的及时性、完整性、连续性。因此,台站观测人员需要在自动站设备故障,资料不正常时及时采取有效措施,对数据进行补测、挽救,保证气象数据完整、按时上传。对自动气象站资料缺测的原因进行初步分析,并着重对自动站定时观测、每小时上传文件及日、月数据极值、统计缺测等方面的处理进行探讨。     

广西地面气象资料缺测原因分析与解决对策

该文对2007年广西地面气象观测资料缺测情况进行归类统计,分析地面资料缺测的原因,并针对存在的缺测问题,提出解决对策,供台站实际工作中参考,以达到降低缺测率的目的。     

IVSA模型在双来源自动站小时降水数据实时拼接中的应用

利用2012年5月1日至7月31日全国自动气象站两种来源实时上传资料中的“非缺测不一致”小时降水数据,详查了问题的产生原因,为在实时拼接过程中高效判断数据正确性,提出较小尺度时间序列求证比对模型（IVSA）：当同一时间同一台站的两种来源小时降水值发生不一致时,首先在较小时间尺度（分钟级）序列上使用内部一致性检查方法分别求证小时降水的正确性;当各自在较小时间尺度序列均无法证伪时,将单元出错概率引入两分钟降水序列的比对过程,并据此竞优遴选得出较为可靠的小时降水数据。指出：（1）产生非缺测不一致问题的原因主要有生成报文时观测数据不全、报文处理环节不一致、台站信息不正确三类。（2）使用2012年5月1360组实例形成IVSA模型参数后,模型在2012年6—7月的4017组非缺测不一致数据中取得了99.65%的判断准确率。通过IVSA模型,非缺测不一致的小时降水数据取舍问题可在分钟降水序列比对中找出答案。     

地温异常数据原因分析及处理方法

针对地温异常数据种类,结合天气学原理、气象要素的时间、空间变化规律和各要素间相互联系的规律进行分析,找出导致异常数据原因,提出相应的处理方法,尽可能使缺测的要素及缺测时次减小到最小值,最大限度地保证资料的完整.