降水天氣現象自動觀測與人工觀測數據對比分析

張道遠 喬 賀 王 錳 王大鵬

（江蘇省氣象探測中心，江蘇南京 210009）

1 研究背景

天氣現象是指一定條件下在大氣、地面出現并可以觀測到的物理現象，在中國氣象局編訂的《地面氣象觀測規范》中將其分為降水現象、地面凝結、視程障礙、雷電及其他現象5類共計34種。隨著業務發展也逐漸取消了一些項目，本文主要針對降水類天氣現象進行分析。降水現象有11種，液態降水包括雨、陣雨、毛毛雨；固態降水包括雪、陣雪、霰、米雪、冰雹；混合降水包括雨夾雪、陣性雨加雪。規范要求在實現自動化觀測后只保留雨、毛毛雨、雪、雨夾雪、冰雹5種，所以對比分析時將儀器識別的陣雨、陣雪、陣性雨夾雪分別按雨、雪、雨夾雪進行處理。

由于相關探測技術還不成熟，天氣現象一直是人工觀測，人工觀測的主觀性強，對降水類型以及起止時間的判斷都存在一定難度，尤其是夜晚有降水過程時。近年來，氣象部門開始布設天氣現象儀，江蘇省所選用的設備為江蘇省無線電研究所有限公司生產的DSG1型號，核心部件為德國OTT公司生產的Parsivel2雨滴譜儀，原理為激光衰減法。本文所用數據為69個臺站一整年（2017年10月1號-2018年9月30號）的數據，時間選取為北京時間（08：00—20：00），共計32 531 037條數據記錄，通過對一年來的設備數據與人工觀測數據進行對比分析，將有利于解決人工觀測存在的弊端，推動降水現象自動化觀測的應用發展。

2 數據對比方法與要求

按照國家氣象局的要求，數據對比評估主要分為完整性分析、準確性分析以及一致性分析[1-3]。

2.1 完整性以分鐘數據為基本單位，計算缺測率、缺報率及完整率。一整年每站應用分鐘數據為525 600條。將降水現象編碼數據格式“1614001000000000----------------------NNNNNNNNNNN”視為完整數據報文，時間為4位，天氣現象為11位，無降水時，11位全為0，有降水時，按照雨、毛毛雨、雪等現象順序將對應位置記為1，其余位為待定降水類型與質控位，若降水數據位為“/”記為缺測，若整條數據位“--”記為缺報。

2.2 準確性準確性分為捕獲率、漏報率、空報率、錯報率以及降水起止時間絕對誤差。儀器輸出降水類型與人工觀測一致視為儀器正確識別。

捕獲率：儀器正確識別該降水現象發生的過程次數（a）占參考標準觀測到實際發生該降水現象過程次數（A）的百分比。漏報率：參考標準觀測到有某種降水現象發生，儀器未能識別該降水現象的分鐘數（b）占實際發生該降水現象分鐘數（B）的百分比。空報率：參考標準觀測為無降水現象發生，儀器識別有該現象發生的分鐘數（c）占無降水現象分鐘數（C）的百分比。錯報率：參考標準觀測到有某種降水現象發生，儀器錯誤識別該種降水現象的分鐘數（d）占實際發生該降水現象分鐘數（B）的百分比。降水起止時間絕對誤差：儀器觀測降水開始（終止）時間與參考標準觀測降水開始（終止）時間差值的絕對值之和。

2.3 一致性分析兩種觀測方式記錄某種降水現象起止時間相差15 min或以內、15 min以上的現象次數和比例進行統計分析。

3 設備與人工觀測對比分析

江蘇省69個站點共計有效分鐘記錄條數應為32 531 037條，各降水類型記錄分鐘數如表1所示。從表1可以看出，毛毛雨、冰雹、雨夾雪在儀器設備識別與人工觀測方面有很大的差異，儀器記錄分鐘數遠大于人工觀測。完整性：53個臺站的完整率達到100%，69個站點的平均數據完整率我99.21%，若除去個別臺站因特殊原因丟失數據的情況，平均數據為99.89%。

表1 降水天氣現象分鐘記錄數總計

儀器與人工分別觀測到的降水過程次數如表2所示。按照過程次數來統計兩者相差很大，全年雨、雪過程較多，儀器與人工都容易識別，儀器更細化，若降水時斷時續，儀器會記錄為多個過程而人工往往只記為一次降水過程，儀器對毛毛雨識別要敏感，人工觀測難判斷，冰雹數據識別有很大誤差。

表2 全年降水天氣現象過程次數總計

捕獲率：以人工觀測次數為基礎，如果儀器識別中哪怕僅有1 min在人工的時間段里，即認為該次降水過程儀器正確捕獲。雪的捕獲率較高，降雪過程中較少存在混合降水，類型單一且多為持續過程，儀器與人工都容易判斷，雨的捕獲率并不高，因為夏季雨水較多時，多時斷時續或忽大忽小，人工在記錄時間與次數上都會受到影響。毛毛雨、雨夾雪人工判斷都較難，冰雹人工記錄只有3條，3個站點共計時間7 min，其中兩個站點全年無冰雹，一個站點有一分鐘冰雹，儀器識別時間與人工記錄時間僅相差1 min。儀器正確識別降水現象的捕獲率如表3所示。

表3 儀器正確識別降水現象的捕獲率

漏報率：人工觀測有降水現象，儀器觀測無降水，數據統計依分鐘計數，如表4所示。漏報率較高的為毛毛雨，儀器在輕微降水識別算法上應該優化改進，冰雹漏報為0%，人工觀測7 min里，儀器有識別到降水。

表4 儀器未能識別降水的漏報率

空報率：人工沒觀測到降水，儀器卻出現降水。空報率都比較低，當人工無降水時，儀器很少有天氣現象發生，并且在一年中沒有降水現象的時間占絕大多數，這樣將使得無降水現象分鐘數很大，兩者相比，空報率極低，如表5所示。

表5 無降水時儀器空報率

錯報率：人工觀測有降水，而儀器識別為其他類型。雨夾雪的錯報率高，因為雨夾雪為混合降水，人工與儀器判斷都存在難度，在查看數據發現人工觀測為雨夾雪時間段，儀器多識別為雨，7 min的冰雹記錄里，儀器也同樣識別為雨，如表6所示。

表6 儀器識別降水類型錯報率

降水起止時間絕對誤差：當儀器正確識別降水過程，與人工觀測過程存在起止時間差。雨、雪起止時間絕對誤差大，是因為全年雨、雪降水過程多，正確識別次數多，時間差也就較大。如表7所示。

表7 正確識別降水過程起止絕對時間差

一致性：儀器識別過程與人工觀測過程在起止時間15 min以內及大于15 min的比例。各類型降水過程多數時間差都能在15 min以內，雨夾雪正確識別僅為6次，終止時間都大于15 min，冰雹沒有正確識別，不存在起止時間差。如表8所示。

表8 儀器數據與人工觀測一致性

4 結語

江蘇省69個站點的完整性較好，儀器符合缺測率不大于2%的要求。在降水過程中，雨、雪捕獲率較高，但也僅在60%左右，毛毛雨、雨夾雪捕獲較低，漏報率也比較高；雨夾雪漏報率達到67.65%，錯報率都比較低，雪僅為1.91%，主要是因為冬季降雪過程單一，雨夾雪較高，多識別為了雨；混合降水判別難度大，儀器識別冰雹較多，人工觀測僅3個站點合計7 min，樣本較少，可比性差，但其中一個站點全年記錄有1 min冰雹過程，儀器也識別到1 min過程，兩者在時間上僅相差差1 min。

儀器正確捕獲降水過程時，與人工觀測起始時間差與終止時間差基本都能夠在15 min以內，為65%左右，超出15 min比例為35%左右，毛毛雨、雨夾雪正確識別的次數較少，其中雨夾雪終止時間差6次全部大于15 min，全年無臺站正確識別冰雹，不存在時間差。

人工進行降水天氣觀測存在很大弊端，時間與類型判斷都有難度，夜晚降水難以記錄，自動化觀測是必然趨勢，也是業務發展迫切的需求，但設備廠家應該在微降水和混合類降水方面進行更好的算法優化和智能判別。