DSG5型自動與人工觀測降水現象對比分析評估

宋慧萍 賈樂 馬萍

摘 要：本文選用吳忠國家基本氣象站DSG5型降水現象儀觀測資料，重點針對自動與人工觀測降水現象進行對比分析與評估，并在此基礎上提出具有針對性的幾點建議，以期能夠為其它氣象觀測站降水現象觀測提供一定的借鑒與參考。

關鍵詞：降水現象;自動觀測;人工觀測;對比;評估

中圖分類號：S16 ? ? ? 文獻標識碼：A

DOI：10.19754/j.nyyjs.20200330040

引言

降水現象是指云中液態、固態或混合態的水凝（凍）物從空中下落到地面上的一種天氣現象，是大氣水循環的主要環節。降水信息中包含了降水粒子物理特征、降水量、降水類型等參數，可以為降水的定量化研究提供參考。寧夏部分氣象觀測站自2017年起開始布設DSG5型降水現象儀，到11月份，寧夏一共有27個國家級地面氣象觀測站開始使用DSG5型降水現象儀開展平行觀測業務。降水現象儀的引入，減輕了基層觀測人員的工作壓力，與人工觀測手段相比，儀器觀測能夠減少人工觀測的主觀性判斷，增加降水現象觀測的頻次，全面且連續地反映降水現象情況。文章通過對吳忠市國家基本氣象站人工觀測與自動觀測降水現象進行對比分析與評估，以期能夠提高降水觀測的及時性、準確性，進而為推動當地氣象事業實現快速、健康發展等提供一定的借鑒與參考。

1 數據評估內容

本文選用吳忠國家基本氣象站2018年1—12月的平行觀測資料，將人工觀測數據作為正式記錄，在數據資料完整的基礎上，從觀測數據的準確性、降水現象發生時段的一致性等角度進行對比分析與評估。在評估過程中，人工觀測的陣性降水現象往往按照降水處理，由于降水現象儀判別錯誤而獲取的數據應當先與人工觀測數據進行對比，再將其進行剔除。觀測資料統計時間段為白天08∶00—20∶00，夜晚20∶00—08∶00。

2 數據評估方法與結果

2.1 數據完整性評估

降水觀測數據的單位為分鐘數據，針對自動觀測儀器獲取的數據對其月缺測率進行評估。在此過程中還應當將非儀器或維護原因導致的數據缺測記錄進行剔除，再對缺測率進行計算。據統計，2018年1—12月之間吳忠國家基本站降水現象儀觀測沒有出現缺測現象，各降水觀測儀器設備均位于穩定運行狀態。

2.2 捕獲率

所謂捕獲率指的是，觀測儀器能夠正確識別該降水現象發生的過程次數在參考標準觀測到實際發生該降水現象過程次數當中所占的百分比。對吳忠國家基本站2018年1—12月各種天氣現象發生次數及其捕獲率進行統計，得出吳忠市降雨天氣現象發生次數要高于降雪發生次數。雨的正確識別次數為48次，而實際發生次數為55次;雪的正確識別次數為20次，實際發生次數為23次。通過計算其捕獲率能夠得出，雨的捕獲率要稍高于雪的捕獲率，而且不管是雨或雪，其白天的捕獲率均低于夜間。

2.3 漏報率

當觀測到有某種降水天氣現象發生時，將觀測儀器無法識別此種降水現象的分鐘數在實際發生該降水現象分鐘數之間所占的百分比定義為漏報率。對吳忠國家基本站2018年1—12月各種天氣現象漏報率及漏報時長進行統計，如表1。

由表1可見，2018年1—12月吳忠市雪的發生時長與識別時長均高于雨，且雪的漏報率要低于雨的漏報率。

2.4 空報率

當氣象觀測儀器觀測到無降水現象發生時，而儀器識別有該現象發生的分鐘數在無降水現象分鐘數中所占的百分比被稱為空報率。對吳忠國家基本站2018年1—12月各種天氣現象空報率及空報時長進行統計，得出2018年1—12月吳忠市雨雪的未發生時長保持一致，但是識別時長之間卻存在著明顯差距。雪的空報率要小于雨的空報率。

2.5 錯報率

當氣象觀測儀器觀測到有某一種降水天氣現象發生時，觀測儀器錯誤識別此種降水現象的分鐘數在實際發生此種降水現象分鐘數中所占的百分比被稱為錯報率。對吳忠國家基本站2018年1—12月各種天氣現象錯報率及錯報時長進行統計，如表2。

由表2可見，雪的發生時長雨錯誤識別時長均高于雨，且雪的錯報率也明顯大于雨的錯報率。

3 數據誤差分析與建議

3.1 數據誤差分析

3.1.1 降水天氣現象起止時間存在的誤差

針對人工與自動觀測某種降水現象起止時間相差15min以上的降水天氣現象的次數與比例進行統計，如表3。

對上述3種雨強降水起止時間絕對誤差在15min以上的比率進行評估得出其平均值在30%以上，在能夠正確對天氣現象進行識別的基礎上，其一致性比較低。因此，還需進一步對該儀器的識別功能進行優化與改進，使其一致性實現顯著提升。

3.1.2 毛毛雨錯判

據統計，吳忠市國家基本氣象站出現毛毛雨天氣現象非常少，在降水現象平行觀測時間段內，并未發生過毛毛雨天氣現象，而自動降水現象儀觀測到的降水記錄次數相對比較多。

3.1.3 陰天出現毛毛雨或雨

使用DSG5降水現象儀觀測降水天氣現象時，當觀測到晴天或陰天出現毛毛雨或雨天氣現象，即便能夠準確對降水現象進行捕獲，但也極有可能會出現誤判現象。尤其是當降水長時間維持，且降雨量比較小時將會導致誤判幾率大大增加。

3.1.4 降水現象閾值相同時人工與自動采集的降水現象誤差分析

DSG5型降水現象儀觀測到的降水次數要明顯多于人工觀測，這一結論不僅與降水現象儀的采樣方式密切相關，還與降水粒子的速度、大小與靈敏度等多種因素存在一定程度的關聯。另外，人工觀測方式的滯后性與隨意性較大也是導致人工觀測到的降水次數較少的一個主要原因。

根據2018年1—12月的統計數據及人工觀測進行統計能夠發現，吳忠國家基本氣象站出現同一降水過程的次數較多，DSG5降水現象儀判斷為毛毛雨或雨、雪或陣雪，且大多數降水過程出現時間位于15min以內;就人工觀測而言，其觀測結果為雨或陣雨、雪或雨夾雪天氣現象，且大多數降水過程出現時間均大于15min;DSG5降水現象儀觀測到的毛毛雨天氣現象大都出現在陰天或雨強較小時;此時通過人工觀測能夠觀測到降水天氣現象，而使用降水現象儀并未觀測到任何現象。當出現雪或降水粒子較小的天氣現象時，降水現象儀往往將其觀測為毛毛雨，而且陰天或晴天降水現象儀均有可能會記錄到毛毛雨現象。通過分析能夠發現降水現象儀與人工記錄之間的差異性是導致出現上述現象的主要原因，最終導致在降水現象儀閾值相同時，人工觀測與自動觀測采集到的降水天氣現象的次數存在著明顯差異。

對比人工觀測與降水現象儀觀測到降水現象的次數及起止時間能夠發現，兩者之間存在著一定程度的誤差，這一現象不僅與降水現象儀的采樣方法、觀測儀器的速度、靈敏度等密切相關，還與人工觀測的隨意性強、較為滯后等因素存在一定的關聯，但與自動觀測儀器的穩定性的關系相對較小。

3.2 建議

在使用降水現象儀之前應當采取有效措施提升觀測儀器識別的準確率，盡可能確保降水記錄的分散性與不連續性，使采樣誤差大大減少。另外，當地氣象部門還應當安排專業的氣象觀測人員，培養觀測人員高度的責任心及認真負責的工作態度，并嚴格按照各項規范切實做好各種儀器的日常巡視與維護工作，以大大減少人為因素造成的觀測誤差。除此之外，還應當提高觀測人員的專業知識與能力，使其能夠及時、準確地對錯誤數據進行判斷與處理，進而為準確判識降水現象及改進觀測設備提供一定的參考依據。

參考文獻

[1] 呼群.DSG5型降水現象儀評估與分析[J].氣象水文海洋儀器，2018（4）：12-14.

[2]胡沁，曾楊，李毅聰.DSG5型降水現象觀測資料的對比分析[J].氣象水文海洋儀器，2019（4）：12-15.

[3]楊曉波，張智超，吳楊，等.DSG5型降水現象儀平行觀測數據應用評估及誤差分析[J].現代農業科技，2019（3）：186-187.

[4]黃曉云，黃飛龍，翁靜嫻，等.廣州降水現象自動與人工觀測對比分析[J].廣東氣象，2019（2）：70-72，76.

（責任編輯 賈燦）