全球常規氣象觀測資料質量控制研究進展與展望

廖捷 周自江

（國家氣象信息中心，北京 100081）

0　引言

常規氣象觀測資料通常包括地面站點觀測、輻射站點觀測、農業氣象站點觀測、海洋船舶和浮標觀測、探空氣球、下投式探空儀和飛機觀測、風廓線等觀測獲得的資料。這些資料是天氣預報、全球或地區氣候監測和氣候變化研究、全球或區域大氣再分析的數據基礎。 歐洲中期天氣預報中心（ECMWF）最新再分析系統的評估結果[1]表明，1979—1990年，常規觀測占總觀測的比例約35%，對分析的影響權重高達75%；隨著衛星觀測的快速增加，至2015年，常規觀測占總觀測的比例約10%，對再分析的影響權重約20%，對大氣再分析依然起到不可忽視的約束作用。高密度地面觀測資料在網格化、融合產品制作和中尺度天氣數值預報和模式檢驗、水文監測預報具有重要作用[2]；垂直高分辨率探空資料已廣泛應用于大氣邊界層、平流層重力波特性分析、晴空湍流等研究[3-5]。

長期以來，各類資料的質量控制技術研究主要由歐美科研或業務機構推動，相關研究成果成為天氣、氣候業務中常規資料應用的基石。面向不同應用，觀測資料的質量控制可分成三個層次（圖1）。第一個層次針對短臨預報應用，在觀測資料進入天氣圖繪制和預報分析時，通過質量控制剔除錯誤資料，同時進入數據庫或形成包含質量控制信息的基礎數據集提供用戶下載使用。第二層次為面向數值模式和同化應用的質量控制。第三層次為面向長時間序列氣候觀測數據集的質量控制，除了剔除明顯不合理的觀測數據，還涉及數據插補、偏差訂正、均一化和不確定性分析技術等。原美國國家氣候數據中心（National Climatic Data Center，NCDC）很早就確定了資料均一化作為質量保障和質量控制的最高級別。世界氣象組織氣候資料管理指南[6]亦要求氣候數據產品研發應保證長時間觀測序列的連續性、均一性和產品質量。

圖1　面向不同應用的資料質量控制技術架構Fig. 1 Quality control framework for different operational applications

近些年，歐美發達國家在較為完善的氣象資料質量控制業務體系上，逐步形成了質量控制算法的評估策略，并基于觀測偏差分析和同化應用形成比較成熟的數據黑名單判別技術。同時，歷史氣候資料均一化已從年值（或月值）序列的檢驗，發展為基于逐日觀測分布的訂正，以及基于不同尺度天氣氣候波動分解的時頻域檢測等，產出了一系列氣候基本變量的長序列、均一性產品。經過偏差訂正的全球探空溫度和地球表面氣壓等已成為衛星遙感數據同化分析的訂正標尺。相對而言，我國氣象部門已初步建立了常規觀測資料質量控制業務，并圍繞中國及周邊地區常規觀測資料的系統偏差問題開展了評估和訂正技術探討。

《全國氣象現代化發展綱要（2015—2030年）》和《全國氣象發展“十三五”規劃》指出，到2020年基本建成具有世界先進水平的現代氣象業務、中國特色的現代氣象服務體系。面向全國氣象現代化發展，以服務公共氣象服務、氣象預報預測、綜合氣象觀測需求為導向的常規觀測資料質量控制技術研究已成為未來我國氣象科技發展的優先領域和重點任務。

1　國外現狀及發展趨勢

縱觀全球，處于常規氣象資料處理技術研究前沿的國際機構主要有：美國國家環境信息中心（National Centers for Environmental Information，NCEI；原NCDC）；美國國家環境預報中心（National Centers for Environmental Prediction，NCEP）；歐洲數值預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）；英國東英吉利大學氣候研究中心（Climate Research Unit，CRU）；維也納大學等。上述機構分別在質量控制技術的不同分支做出了卓有成效的研究成果。此外，質量控制技術趨向開放性，部分業務機構通過釋放較為成熟、易于移植應用的質量控制軟件，來推動觀測資料的科研應用和質量控制技術的創新。如美國NCAR的大氣探空數據處理軟件（ASPEN）具備開放式的質量控制參數設置、格式轉換和圖形分析功能，已被不同類型用戶廣泛應用到眾多科學試驗的氣球探空資料、下投式探空資料的質量控制和數據處理分析中[7-9]。

1.1　基本質量控制

最初的質量控制技術重點強調粗大錯誤的剔除，僅決策是否剔除或保留觀測，但并不對觀測進行訂正。在數據處理機構的實時質量控制業務和數據集制作過程中，除對每個觀測進行單獨控制（如界限值檢查），部分算法會考慮相鄰站點、時間觀測資料的關系，或者同一站點不同要素之間的物理約束，即空間、時間和內部一致性檢查等。

結合觀測資料時空分布等特征的變化，傳統的質量控制方法在不斷發展和完善。例如，在時間一致性檢查方法方面，Jiménez等[10]進行地面風場跳變異常檢查時，建立了陣風系數關系式，并采用線性回歸方法通過大樣本數據的統計分析得到陣風系數的合理范圍；在空間一致性檢查方面，空間回歸檢驗（spatial regression test，SRT）已逐步取代傳統的反距離權重插值（inverse distance weighting，IDW）、多項式插值等手段，并被廣泛應用于中尺度氣象站的小時觀測氣溫、降水等要素的質量控制[11-12]、全球地面氣候網數據集的日最高/最低氣溫質量控制[13]，以及不同中國地面氣象站的在不同歷史時期的氣溫觀測數據質量的不確定性的定量評估中[14]。進一步地，Steinachker等[15]針對高分辨率自動觀測資料提出了VERA-QC（Vienna Enhanced Resolution Analysis Quality Control）方法，其基于觀測資料高時空自相關性的錯誤資料甄別方法對一些復雜的站點分布條件下的觀測資料具有較好的處理能力。針對垂直高分辨率（秒級）高空觀測風場資料，Houchi等[16]提出了基于概率密度分布獲取不同厚度層U、V風場閾值的統計質量控制（Statistical Quality Control）算法。

美國針對全球常規地面、高空、海洋等資料已建立比較完善的質量控制技術體系，以此發布了ISD[17]、IGRA[18]、ICOADS[19]和GHCH-3[20]等多套全球觀測數據集。質量控制方法判別的可信度是用戶在使用經過質量控制的數據集時的一個關注焦點。為保證歷史觀測數據質量控制判別的高可信度， Durre等[21]提出質量控制方案設計過程中應包含算法設計、單個檢查步驟誤判率（false-positive rate）和質控方案的總體誤判、未檢查出來錯誤類型的識別和影響評估、補充檢查算法后的再次評估等多個步驟，并建立了一套比較成熟的質量保障系統評估策略。采用上述思路，NCEI完成了全球地面、高空歷史資料的處理。對GHCN-Daily數據集的質量控制包含19個檢查步驟，識別出最高/最低氣溫、降雨、降雪、雪深觀測資料中0.24%的錯誤，其誤判率維持在1%～2%的水平[20]。NCEI對探空溫度的質量控制包含了14個檢查步驟，各步驟設計的參數均通過一定區間范圍內的優選確定，誤判率約為10%[18]。

1.2　考慮觀測和模式背景場關系的質量控制

一些質量控制算法借助模式分析場或預報場進行觀測資料的質量控制。這些算法或者在同化前實現，如NCEP的綜合質量控制算法（Complex Quality Control，CQC）[22]；或者部分或完全嵌入分析或預報的質量控制，如變分質量控制或動力質量控制。

NCEP的常規資料預處理系統（PREPBUFR）采用綜合質量控制實現了對探空、飛機報、風廓線多類觀測資料實施綜合質量控制。從規定等壓面位勢高度的綜合質量控制開始，NCEP的探空資料綜合質量控制逐漸發展形成一個包含了溫濕特性層綜合質量控制、多個余差分量的完美決策算法[23]，可以可靠地決定或訂正由人為因素導致的計算或傳輸錯誤。值得一提的是，CQC的目的不是簡單的剔除與背景場存在顯著差異的觀測資料，而是剔除或訂正那些錯誤的數據（即使這些數據和背景場的差異較小），最終目的是通過多個誤差增量的綜合判別來達到所使用觀測資料錯誤特征的最小化。相關文獻[23]已對探空資料的綜合質量控制效果進行了詳細分析。借助ERA-Interim作為參考數據，對NCEP飛機報綜合質量模塊進行檢驗評估，結果表明，利用CQC進行質量控制后，全球飛機報的整體質量改善明顯。如圖2所示，質量控制前，全球AMDAR（Aircraft Meteorological Data Relay）報文相對于ERA-Interim的RMSE在2014年10月的部分時次異常偏高（甚至超過2 ℃）；質量控制后，各時次的全球溫度RMSE均穩定在1.2 ℃附近。

圖2　2014年10月質量控制前后全球AMDAR報文溫度相對于ERA-Interim再分析的逐6 h平均偏差和均方根誤差Fig. 2 Six-hourly Bias and RMSE of global AMDAR temperatures relative to ERA-Interim as before (red) and after (blue) the quality control for Oct. 2014

考慮到GTS交換的全球高空觀測資料隱含了儀器換型、站點對原始資料處理方法等多種因素綜合導致的系統偏差，美國從1964年開始采用輻射訂正模塊（Radiation Correction，RADCOR）對實時高空天氣報的位勢高度和溫度進行調整。RADCOR早期的訂正表假定探空溫度系統偏差和太陽高度角相關，依據日間和夜間觀測溫度的差異確定，未考慮不同儀器之間的系統偏差。隨著對比觀測試驗的開展以及數值天氣預報精度和水平的提升，NCEP先后對RADCOR訂正表進行了兩次調整。作為PREPBUFR探空資料處理的一個子模塊，MERRA、CFSR等多套美國大氣再分析對全球探空資料的偏差訂正均采用了NCEP RADCOR訂正表[24]。

ECMWF對觀測資料的變分質量控制一直處在國際前沿，最早采用了變分質量控制（Variational Quality Control，VarQC）[25]。VarQC定義觀測誤差的概率密度函數為“好”資料的高斯型概率密度函數分布與受非氣象意義干擾的“壞”資料的概率密度函數分布的組合，后者通常采用均勻分布。這一處理使得分析場不易受到錯誤觀測資料的影響，同時可以避免屏蔽掉一些關鍵的正確觀測資料，特別是在有較強天氣系統發生區域的觀測資料。2014年，ECMWF完成VarQC的升級，其對觀測誤差概率密度函數采用Huber norm分布模型[23]。相對于VarQC采用的“高斯+均勻”組合分布，Huber norm分布模型對背景場質量控制起到一個十分重要的松弛作用，特別適用于極端天氣事件中觀測資料的應用。該算法已被應用于ECMWF業務模式對氣球探空、下投式探空、船舶、浮標、自動和人工觀測地面、機場觀測等多類觀測的溫度、風場和氣壓要素的質量控制，但未用到濕度觀測的質量控制。這是由于比濕或相對濕度的觀測偏差統計遠離高斯分布或Huber分布，并且無法通過正態化處理解決。目前ECMWF已開始在業務系統中對探空溫度、飛機觀測溫度實施變分偏差訂正[26-28]，并取得較好的效果。

英國氣象局數值天氣預報的自動質量控制采用了基于貝葉斯理論的質量控制思路，其核心思想是在得知觀測場、背景場及誤差分布基礎上基于貝葉斯理論給出觀測值可能為錯誤的可能性[29]。日本氣象廳采用了動力質量控制，其基本理念為預報誤差在擾動較大的地區相對更大，質量控制選取的觀測和背景場偏差閾值與局地水平梯度及預報場3 h趨勢有關[30]。

1.3　氣候資料均一性訂正

所有氣候數據集產品研發過程中需要經過兩個步驟的質量控制：第一層次的質量控制的重點在于避免在質量控制環節將極端天氣氣候事件的正確觀測資料剔除，第二層次的質量控制主要是對數據集中一些系統性偏差進行檢查和控制，核心是氣候資料的均一性問題。

地面氣候數據集產品中，較為代表的為美國、加拿大、澳大利亞、歐洲多國研發的產品。例如，CRU重點開展全球陸地近地面氣溫變化檢測和分析，建立了全球陸地地面氣溫格點數據集（Climatic Research Unit Temperature Database，CRUTEM），基于該數據集獲得的過去100多年全球陸地地面氣溫長期變化的趨勢結果是政府間氣候變化專門委員會歷次評估報告的關鍵科學憑據，也為全球和區域尺度氣候變化檢測、預估和影響評估研究提供了基礎觀測數據。關于地面氣候資料均一性訂正研究成果及技術特色已有相關文獻綜述[31-32]，本文不再贅述。

維也納大學長期致力全球高空均一性訂正數據集研制。2007年發布的RAOBCORE（Radiosonde Observation Correction using Reanalysis）[33]數據集是全球首套日定時均一性訂正數據集。該數據集以ERA-40再分析背景場作為參考序列進行斷點監測和均一性訂正，包括了全球1184個探空站點的探空資料均一化溫度資料，時間長度從1958年至今。隨后，維也納大學發布了RICH（Radiosonde Innovation Composite Homogenization）數據集[34]。RICH包括兩個版本，分別為 RICH-obs和RICH-τ，RICH-obs和RICH-τ均是基于RAOBCORE檢測得到的斷點借助臨近站資料研制而成。不同之處在于，RICH-obs直接以臨近站觀測資料作為參考序列進行目標站溫度的訂正；RICH-obs基于臨近站與背景場偏差構建參考序列，對目標站和背景場偏差訂正后返回目標站，該方法部分保留了背景場對訂正值的影響，同時可以降低插值誤差。MERRA[35]、JRA55[36]、ERA-Interim[37]等多套全球大氣再分析對探空溫度的偏差訂正均應用了RAOBCORE的訂正結果。

2　國內現狀分析

我國學者在常規資料質量控制、評估和均一性檢測訂正方面取得了系列成果，為深入理解中國歷史資料問題及成因、氣候變化的原因和機理做出了貢獻[38-42]。通過近10年的努力，初步解決了我國基礎資料歷史遺留質量問題，中國地面、高空和輻射基礎數據的可用率分別提高了2.72%、1.94%和1.41%；消化改造美國和加拿大先進的均一化方法，研制完成中國2400個地面氣象站氣溫、相對濕度等要素均一化產品，以及中國高空氣溫、濕度月值均一性訂正產品[43-44]。我國氣候資料均一性研究現狀可參考文獻[32]。

地面觀測資料質量控制一直是我國質量控制業務的發展重點。目前已經自主研發了全球地面天氣報質量控制方案，建成了比較完善的中國實時地面自動站質量控制三級質量控制系統[38]和實時—歷史資料一體化業務流程，實現了逐小時地面觀測資料的實時質量控制[39]。以此為基礎，具體包括基于線性回歸數據估計方法的質量檢測算法[45]、雷達估測降水對氣象自動站降水的輔助質量控制[46]等部分新研發的質量檢測算法逐步應用于業務系統，并通過時間、空間和內部一致性檢查等多個質量檢測步驟的綜合應用，提升了地面自動站觀測、氣象塔梯度觀測等資料的錯誤數據質量檢測能力[45,47-48]。空間回歸檢驗、基于自回歸與反距離加權的AI方法、基因表達式編程等新技術已應用于歷史資料質量控制和觀測數據質量的不確定性定量評估研究中[14,49-50]。

我國對歷史高空數據集和業務數值天氣預報同化前的質量控制思路多沿用順序質量控制思路，近年來對其中的一些具體算法進行了改進，如靜力學檢查判別算法改進[42]和高空風垂直切變檢查算法改進[40]等。在改進的高空風垂直切變檢查算法中，包含了兩次風切變檢查，并通過不同參數條件下算法誤判率和漏判率的評估，確定了最優的檢查參數[40]（圖3），其中，參數f是決定相鄰層次風向、風速差異閾值的均方根誤差倍數。NCEP、ECMWF多年對全球歷史探空資料評估分析均指出中國歷史探空資料中由于探空儀換型和臺站輻射訂正不當引起的中國探空溫度長期偏高，并在同化前對中國歷史探空溫度進行了訂正[51-52]。考慮到通過GTS實時獲取的中國地區元數據信息完整性和質量較差，國外機構統計確定的訂正量的適用性亟待評估。針對該問題，國家氣象中心近兩年開展了面向GRAPES（Global/Regional Assimilation and Prediction System）同化應用的全球探空溫度輻射偏差訂正研究，并取得了較好進展。

圖3　風垂直切變檢查敏感性試驗得到的不同系數f對應的誤判率、漏判率（a）和判斷準確率（b）[40]Fig. 3 Percentages of the wrong-rejected (solid line), lostrejected (dash line) (a) and good-judged (b) data by using various values of f between 3 and 7 via the sensitivity experiments for the first vertical-wind-shear check

我國高空資料處理的另一個難點為濕度資料的質量控制和偏差訂正問題。多個學者的研究均揭示我國探空系統完成L波段換型，由于儀器失靈等因素導致濕度數據經常出現持續為2%不變、或者300 hPa以上持續性的異常高濕等系統性錯誤[53]。針對L波段探空系統換型后濕度系統偏干導致的時間序列非均一，實現了溫度露點差、相對濕度的均一性訂正[43,54]。面向同化應用，郝民等[55]開展了中國L波段探空濕度的偏差訂正并取得較好的效果。面向全球大氣再分析需求，如何和溫度偏差訂正工作結合，完成歷史探空溫濕度定時值觀測資料的訂正，仍有待進一步探討研究。

我國同化系統對地面氣壓和高空氣溫、位勢高度、風場等同化變量的變分質量控制處于起步階段，目前在區域GRAPES的3DVAR同化系統中對地面、船舶、探空和飛機觀測資料方面開展了變分質量控制試驗[56]，結果表明，變分質量控制在區域GRAPES同化系統中應用對提高數值預報模式的預報水平具有正面效果（圖4）。

圖4　2009年6—8月連續試驗24h降水的ETS評分（a）與預報偏差B值（b）[56]Fig. 4 Equitable threat score (a) and bias (b) of 24 h precipitation with and without variational quality controls via experiments in June - August 2009

3　機遇和挑戰

氣象業務、服務和科研工作不僅要求有充分的資料，而且要確保資料的高質量。預計到2020年，我國發展的全球數值天氣預報模式水平分辨率達到10 km，區域數值天氣預報模式水平分辨率達到1～3 km，氣候預測模式水平分辨率達到30 km。模式的精細化要求所輸入的觀探測資料具有很高的準確性，即資料能夠真實反映大氣運動的三維狀態。這要求觀探測資料的質量控制工作需要進行重大改進和提高，以確保提供到用戶手中的資料都是質量可靠且可用。

和歐美機構相比，國內針對常規資料的質量控制主要局限于中國大陸地區資料，對整個亞洲地區特別是全球資料質量控制的深入研究還較少；均一性訂正及產品研制工作集中在地面觀測資料，缺乏自主發展的全球高空觀測數據來支撐全球、區域大氣再分析和全球高空氣候變化。由于缺乏足夠可信的元數據支持，同時受到數據源完整性制約，國外學者開展全球資料質量控制和偏差訂正時，對中國地區資料的處理不確定性偏大。上述局限性不利于對全球氣候變化時空規律監測信息的完整掌握，也降低了常規資料作為評估衛星資料質量（特別是中國地區）的基準數據的可信度。面向現代氣象業務的資料應用需求，應從質量控制系統建設和完善、質量控制技術創新兩方面推動常規氣象資料質量控制工作的發展。

3.1　綜合質量控制系統建設

首先，應梳理國家級各類氣象資料質量控制系統、省級氣象資料質控系統（MDOS）、數值預報系統中資料預處理系統，以及美國NCEP PrepBUFR資料預處理系統中的氣象資料質量控制算法，制定氣象資料質量控制算法清單，整合出面向各類氣象業務不同時效應用需求的、全國普適（區域可選）的、模塊化的、權威的質量控制業務方案。在此基礎上，構建多源資料交互驗證的綜合質量控制與評估業務平臺，逐步實現資料同化前的統計質控與同化階段變分質控有機對接。在自主研發的基礎上，不斷集成應用國際上先進的質量控制算法，優先填補海洋、L波段秒級探空、飛機報、風廓線、近地面通量等觀測資料實時質量控制業務的薄弱區。優化氣象資料質量控制業務布局，健全“觀測端—信息端—應用端”相互補充、動態反饋的質量控制業務，實現對各類觀測資料從觀測到應用全流程的實時質量監控，顯著降低極端天氣過程和關鍵天氣過程中實時質量控制后“可疑”數據的比例。

在上述工作基礎上，應開展深度質量分析評估，強化觀測資料的誤差分析。特別是面向數值預報和全球大氣再分析需求，開展非正態分布要素的標準化處理或非線性變量變換，開展不同變量不同型號儀器的觀測誤差統計，開展不同歷史時期全球探空溫度的系統偏差分析和輻射誤差訂正。結合掩星、地基水汽產品等觀測資料開展多源高空濕度觀測資料對比評估和訂正，解決我國現有探空濕度異常偏干問題。基于全球地面天氣報、海洋船舶、浮標觀測的表面氣壓與模式模擬場的差異，實現表面氣壓系統偏差的定量估計、信度分析和偏差訂正。基于質量控制、評估結果，發布資料質量黑名單，并滾動更新，保障各類觀測資料準確可靠和定量應用。

3.2　質量控制技術創新

應面向世界科技前沿，依托國家氣象科技體系和創新工程的實施，聯合海內外科技力量，引進消化改造與自主研發相結合。具體地，應引入多種技術手段，開展常規觀測資料處理核心技術攻關。在已有的氣象資料質量控制業務基礎上，針對不同應用需求，研究構建不同的質量控制方案。

首先，細化質量控制算法，完善質量控制步驟。例如，“時間一致性檢查”：結合區域天氣氣候特征，研究細化觀測要素微變檢查和跳變檢查的閾值；飛機、船舶等移動觀測采用與現場觀測環境相關的可變閾值。“內部一致性檢查”：研究極端天氣背景下觀測要素間的物理約束條件，避免將極端天氣氣候事件的正確觀測資料剔除。“空間一致性檢查”：考慮中國東西部站點密度非均一等情況，研究適用于中小尺度小時觀測氣溫、降水等要素的空間回歸檢驗方法，利用觀測資料的高時空自相關性增強對錯誤資料甄別能力。“高空觀測資料的垂直一致性檢查”：重點研究對垂直高分辨率（秒級）觀測資料采用低通濾波檢查，剔除異常觀測值。

其次，緊跟國際發展趨勢，不斷發展和應用三維變分質量控制、貝葉斯質量控制和綜合質量控制等技術，提升各類資料的質量控制能力和應用水平。

第三，優化和集成多種氣候資料均一化方法，如：標準正態檢驗、二項回歸技術、多元線性回歸、序列均一性多元分析等，發展更長時間尺度的時間均一性檢查算法，引入效果較好的空間回歸檢查，著力解決歷史觀測資料存在的一些持續性系統錯誤和儀器漂移問題；開展觀測資料的系統偏差訂正方法研究及偏差訂正工作，利用經過偏差訂正后的觀測資料，開展不確定性分析，確定合理的誤差概率分布模型及參數，提升資料應用水平。

第四，開展質量控制方法判斷能力的評估檢驗，促使質量控制判別能力保證在一個較高的可信度水平，即讓應用系統了解被判為錯誤的數據中正確數據的比例（第一類錯誤），以及多少錯誤的數據被視為正確而保留在數據集中（第二類錯誤）。

4　結語

綜上所述，國際上成熟的氣象資料質量控制系統嚴格考慮了質量控制算法的科學性，以及總體或單個檢查步驟的誤判和漏判情況，并給出其影響評估，從而有針對性地設計出補充檢查步驟，確保觀測數據質量控制判別過程的高可信度。大氣運動過程有其自身復雜性和易變性，現有的地基、天基和空基觀測因觀測原理、觀測視角不同，造成各觀測系統輸出資料的誤差也不同，導致對大氣狀態“真值”的描述非常困難，也正因如此，成熟的氣象資料質量控制系統充分利用多來源觀測資料或多種觀測要素，在遵循統一的大氣運動物理規律前提下進行相互校驗，形成了綜合質量控制。隨著數值預報的發展，歐美各國均在同化系統中對常規資料進行變分質量控制。目前我國氣象資料質量控制業務處在完善階段，已自主研發了一批常規氣象觀測資料質量控制技術方案，建立了實時—歷史氣象資料一體化業務流程，實現了從傳統的“非實時質控+人工審核”向“實時資料質量控制、評估和反饋”轉變。在此基礎上，未來發展應聚焦構建多源資料交互驗證的綜合質量控制與評估平臺，集成應用國際上先進的質量控制算法，實現資料同化前的統計質控與同化階段變分質控有機對接。

[1]András H, Berrisford P, Biavati G, et al. The impact of observations in the latest ECMWF reanalysis system. 6th Workshop on the Impact of Various Observing Systems on NWP. Shanghai, China.May 2016.

[2] 潘旸, 沈艷, 宇婧婧, 等. 基于貝葉斯融合方法的高分辨率地面-衛星-雷達三源降水融合試驗. 氣象學報, 2015, 73(1): 177-186.

[3]卞建春, 陳洪濱, 呂達仁. 用垂直高分辨率探空資料分析北京上空下平流層重力波的統計特性. 中國科學D 輯地球科學, 2004,24(8): 748-756.

[4]Basha G, Ratnam M V. Identification of atmospheric boundary layer height over a tropical station using high-resolution radiosonde refractivity profiles: Comparison with GPS radio occultation measurements. Journal of Geophysical Research Atmospheres, 2009.114(11): 713-721.

[5]Clayson C A, Kantha L. On Turbulence and Mixing in the Free Atmosphere Inferred from High-Resolution Soundings. Journal of Atmospheric and Oceanic Technology, 2008. 25(6): 833-852.

[6]WMO. Guidelines on climate data management. 2007, WMO-TD No. 1376.

[7]Wang J, Bian J, Brown W O, et al. Vertical Air Motion from T-REX Radiosonde and Dropsonde Data. Journal of Atmospheric and Oceanic Technology, 2009, 26(5): 928–942.

[8]Ciesielski P E, Haertel P T, Johnson R H, et al. Developing High-Quality Field Program Sounding Datasets. Bull Amer Meteor Soc,2012, 93(3): 325–336.

[9]Wang J, Young K, Hock T, et al. A long-term, high-quality, highvertical-resolution GPS Dropsonde dataset for hurricane and other studies. Bulletin of the American Meteorological Society, 2015, 96:961–973.

[10]Jiménez P A, González-Rouco J F, Navarro J, et al. Quality assurance of surface wind observations from automated weather stations. Journal of Atmospheric and Oceanic Technology, 2010,27(7): 1101–1122.

[11]You J, Hubbard K G. Quality Control of Weather Data during Extreme Events. Journal of Atmospheric and Oceanic Technology,2006, 23: 184–197.

[12]Fiebrich C A, Morgan C R, McCombs A G, et al Quality Assurance Procedures for Mesoscale Meteorological Data. Journal of Atmospheric and Oceanic Technology, 2010, 27(10): 1565–1582.

[13]Durre I, Menne M J, Gleason B E, et al. Comprehensive automated quality assurance of daily surface observations. J Appl Meteor Climatol, 2010, 49(8): 1615–1633.

[14]Xu C D, Wang J F, Hu M G, et al. Estimation of uncertainty in temperature observations made at meteorological stations using a probabilistic spatiotemporal approach. J Appl Meteor Climatol,2014, 53(6): 1538–1546.

[15]Steinacker R, Mayer D, Steiner A. Data quality control based on self-consistency. Monthly Weather Review, 2011, 139(12):3974–3991.

[16]Houchi K, Stoffelen A, Marseille G J, et al. Statistical quality control of high-resolution winds of different radiosonde types for climatology analysis. J Atmos Oceanic Technol, 2015, 32(10):1796-1812.

[17]Lott J N. The quality control of the integrated surface hourly database. 84th AMS Annual Meeting, January 10-13, 2004, Seattle,WA.

[18]Durre I, Vose R S, Wuertz D B. Overview of the integrated global radiosonde archive. J Climate, 2006, 19(1): 53-68.

[19]Woodruff S, Worley S, Lubker S, et al. ICOADS release 2.5:extensions and enhancements to the surface marine meteorological archive. Int J Climatol, 2010, doi:10.1002/joc.2103.

[20]Lawrimore J H, Menne M J, Gleason B E, et al. An overview of the global historical climatology network monthly mean temperature data set, version 3. J Geophys Res, 2011, 116, doi:10.1029/2011jd016187.

[21]Durre I, Menne M J, Vose R S. Strategies for evaluating quality assurance procedures. J Atmos Oceanic Technol, 2008, 47(6):1785-1791.

[22]Gandin L S. Complex quality control of meteorological observations. Mon Wea Rev, 1988, 116(5): 1137–1156.

[23]Collins W G. The operational complex quality control of radiosonde heights and temperatures at the National Centers for Environmental Prediction. Part I: Description of the method. J Appl Meteor, 2001, 40: 137-151.

[24]Collins W. Determination of new adjustment tables in order to bring radiosonde temperature and height measurements from different sonde types into relative agreement. EMC/NCEP/NOAA, 1999.

[25]Andersson E, J?rvinen H. Variational quality control. Q J R Meteorol Soc, 1999, 125: 697–722.

[26]Tavolato C, Isaksen L. On the use of a Huber norm for observation quality control in the ECMWF 4D-Var. Q J R Meteorol Soc, 2014, DOI: 10.1002/qj.2440.

[27]Milan M, Haimberger L. Predictors and grouping for variational bias correction of radiosonde. ECMWF ERA Report Series, 2015,No. 2.

[28]Isaksen L, Vasiljevic D, Dee D, et al. Bias correction of aircraft data implemented in November 2011. ECMWF Newsletter, 2012,131: 6.

[29]Lorenc A C, Hammon O. Objective quality control of observations using Bayesian methods. Theory, and a practical implementation. Q J R Meteorol Soc, 1988, 114: 515-543.

[30]Onogi K. A data quality control method using forecasted horizontal gradient and tendency in a NWP system: dynamic QC.J Meteor Soc. Japan, 1998, 76: 497–516.

[31]任國玉, 任玉玉, 李慶祥, 等．全球陸地表面氣溫變化研究現狀、問題和展望. 地球科學進展, 2014, 29(8): 934-946.

[32]李慶祥. 我國氣候資料均一性研究現狀與展望. 氣象科技進展,2016, 5(1): 67－74.

[33]Haimberger L. Homogenization of radiosonde temperature time series using innovation Statistics. J Climate, 2007, 20(7):1377-1403.

[34]Haimberger L, Tavolato C, Sperka S. Homogenization of the global radiosonde temperature dataset through combined comon with reanalysis background series and neighboring stations. J Climate, 2012, 25(23): 8108-8131.

[35]Rienecker M M, Suarez M J, Gelaro R, et al. MERRA: NASA’s Modern-Era retrospective analysis for research and applications. J Climate, 2011, DOI: 10.1175/JCLI-D-11-00015.1.

[36]Kobayashi S, OTA Y, Harada Y, et al.. The JRA-55 Reanalysis:General specifications and basic characteristics. J Meteor Soc Japan, 2015, 93(1): 5-48.

[37]Dee D P, Uppala S M, Simmons A J, et al. The ERA-Interim reanalysis: con figuration and performance of the data assimilation system. Q J R Meteorol Soc, 2011, 137(656): 553–597.

[38]任芝花, 張志富, 孫超, 等. 全國自動氣象站實時觀測資料三級質量控制系統研制. 氣象, 2015, 41(10): 1268-1277.

[39]王海軍, 閆蕎蕎, 向芬, 等. 逐時氣溫質量控制中界限值檢查算法的設計. 高原氣象, 2014, 33(6): 1722-1729.

[40]Liao J, Wang B, Li Q X. A new method for quality control of Chinese rawinsonde wind observations. Adv Atmos Sci, 2014,31(6): 1293-1304.

[41]阮新, 熊安元, 胡開喜, 等. 中國歷史探空資料部分等壓面位勢高度錯誤訂正. 應用氣象學報, 2015, 26(3): 257-267.

[42]熊安元. 中國地面和高空氣候變化數據產品研發技術. 北京: 氣象出版社, 2015.

[43]陳哲, 楊溯, 劉靚珂. 1979-2012中國探空相對濕度資料的非均一性檢驗與訂正. 氣象, 2015, 41(11): 1374-1382.

[44]陳哲, 楊溯. 1979—2012中國探空溫度資料中非均一性問題的檢驗與分析. 氣象學報, 2014, 72(4): 794-804.

[45]王海軍, 劉瑩. 綜合一致性質量控制方法及其在氣溫中的應用.應用氣象學報, 2012, 23(1): 69-76.

[46]張志強, 孫超. 自動氣象站質量控制系統中覆蓋軟件的涉及與實現. 計算機應用, 2013, 33(4): 1169-1172.

[47]金莉莉, 何清, 李振杰, 等. 烏魯木齊市氣象塔梯度觀測資料質量控制與處理. 氣象, 2016, 42(6): 732-742.

[48]徐枝芳, 陳小菊, 王軼. 新建地面氣象自動站資料質量控制方法設計. 氣象科學, 2013, 33(1): 26-36．

[49]葉小嶺, 周建華, 熊雄. 一種基于GEP的地面氣溫觀測資料的質量控制方法. 熱帶氣象學報, 2014, 30(6): 1196-1200.

[50]葉小嶺, 施林紅, 熊雄, 等. AI方法在地面氣溫觀測資料質量控制中的應用. 氣候與環境研究, 2016, 21(1): 1-7.

[51]Kistler R, Kalnay E, Collins W, et al. The NCEP–NCAR 50-year reanalysis: Monthly means CD-ROM and documentation. Bull Amer Meteor Soc, 2001, 82: 247–268.

[52]Uppala S M, K?llberg P W, Simmons A J, et al. The ERA-40 reanalysis. Q J R Meteorol Soc, 2005, 131: 2961–3012.

[53]王英, 熊安元. L波段探空儀器換型對高空濕度資料的影響. 應用氣象學報, 2015, 26(1): 76-86.

[54]Zhao T, Dai A, Wang J. Trends in tropospheric humidity from 1970 to 2008 over china from a homogenized radiosonde dataset. J Climate, 2012, 25(13): 4549–4567.

[55]郝民, 龔建東, 王瑞文, 等. 中國L波段探空濕度觀測的質量評估及偏差訂正. 氣象學報, 2015, 73(1): 187-199.

[56]郝民, 張華, 陶士偉, 等. 變分質量控制在區域GRAPES-3DVAR中的應用研究. 高原氣象, 2013, 32(1): 122-132.