RecEOF质量控制方法在地面观测2m比湿中的应用-气象科学
测绘技术地理信息系统质量控制方法

测绘技术地理信息系统质量控制方法地理信息系统(Geographic Information System,简称GIS)是一种用来存储、处理、分析和展示地理空间数据的技术。
在现代社会中,GIS已经成为了各个领域的重要工具,包括城市规划、交通管理、环境保护、农业等。
在GIS的应用过程中,质量控制是确保地理信息数据与真实地理现象一致性的关键环节。
本文将介绍几种常见的测绘技术地理信息系统质量控制方法。
一、航测质量控制方法航测是获取地理信息数据的重要手段之一。
在航测过程中,要确保获取的数据准确可靠。
首先,需要通过大地测量实地预定基点,以提供后续航测数据参考。
同时,要配备先进的测量设备,如惯性导航系统、全球导航卫星系统等,以确保飞行轨迹的准确性。
另外,还要进行相片测量精度的检查,采用航测航线横纵向相片相交重叠,重叠度要达到国家规定的要求。
通过这些方法,可以保证航测数据的质量。
二、遥感质量控制方法遥感技术是获取地理信息数据的另一种重要手段。
通过航空或卫星等远距离获取地表特征信息,进而生成地理信息数据。
在遥感数据的质量控制中,关键是准确地判读和分类地物特征。
首先,要通过精确的地物调查数据,制作样本区域,以验证遥感数据的准确性。
其次,可以通过多时相遥感数据的对比,判断同一地点在不同时间的地物变化情况,进而对地物分类进行修补或调整。
最后,要结合地理信息数据的地形信息,对遥感数据进行校正,确保其准确性。
三、测量技术质量控制方法测量技术是地理信息数据获取的基础,其准确性直接影响地理信息系统的质量。
在测量技术质量控制中,首先要做到测量设备的精确校准和合理运用,包括全站仪、全球定位系统等。
其次,要制定合理的测量方案,包括测量点的布设、测量网的设计等。
同时,要注重数据的采集和处理,以避免由于人为误差等原因导致测量数据的失真。
最后,还要进行数据的精度评定,确保达到项目要求。
四、数据质量控制方法数据质量控制是地理信息系统中不可或缺的一环。
地面气象观测数据综合质量控制方法研究

地面气象观测数据综合质量控制方法研究发布时间:2021-01-14T03:08:05.959Z 来源:《现代电信科技》2020年第14期作者:洪程1 张宁歆2 陈经纬1[导读] 随着近年来全国自动气象站的广泛建设,气象观测数据量呈指数级增长。
(1.全椒县气象局 239500;2.滁州市气象局 233200)摘要:随着近年来全国自动气象站的广泛建设,气象观测数据量呈指数级增长。
气象观测数据的质量直接影响天气预报和气候预测的准确性。
审核员应结合由软件产生的错误信息来分析地面气象数据的合理性,该错误信息通过应用相关的地面气象数据质量管理软件在确保地面观测数据的准确性中起着重要作用。
在此基础上,首先阐述了地面气象观测数据质量综合管理的重要性和内容,并分析了地面气象观测数据质量管理方法,以提高气象观测数据的准确性。
关键词:地面气象观测;数据综合质量;控制方法引言众所周知,地面气象观测采集到的数据是进行气候预报以及预测分析的基本资料,同时还是预防灾害与减轻灾害的基础数据,可是在现实工作过程中,气象数据测算取决于若干层面与各种要素,如此就出现了观测数据质量问题。
所以,在实际工作过程中,应当有效整理与归纳数据,关注地面气象观测数据质控工作,提升数据的可靠性,此乃现阶段气象数据观测人员面临的关键任务,从而充分满足与适应新形势发展需求。
1.地面气象观测数据综合质量控制的作用及意义通常而言,地面气象观测数据综合质控就是对观测的气象数据展开分析与质检,与此同时对各组数据质量控制的实际状况做好相应的登记,在第一时间发现其中不正确的数据,同时及时将数据修正。
一般条件下,地面气象观测数据必须要开展采集与读数、传递与编码等步骤,各步骤的气象观测数据基本上会所有偏差,因而,综合质量控制必须要严格贯彻在地面气象观测数据的整个过程。
地面气象观测数据综合质控工作不但需要持续健全与更新质控系统,并且还需要强化观测工作人员的责任意识,加强气象观测数据各步骤的质控工作,在提升气象观测数据内在质量的过程中,还可以推进气象观测数据充分服务于天气预报及预测。
地面气象观测数据质量控制方法

K e j i x i n y u a n在我国的一些地区纷纷建立了气象自动观测站,其中的气象观测数据量出现增长的趋势。
而气象观测数据的质量直接对天气预报和测报的准确性造成重要的影响。
在观测中使用数据质量控制的软件,同时在工作人员的配合下实现低错误信息的发现和分析,其对保障地面观测数据的准确性具有重要的意义。
本文阐述的主要内容是上地面观测数据质量控制的重要性,同时对地面观测数据质量的控制方式进行详细的阐述。
地面气象观测数据的获得是进行天气预报和预测的基础,同时也能进行防灾和减灾的指导。
然而在实际工作中,气象数据的测算是由多种因素共同影响的,在期间可能产生一定的质量问题。
所以,在实际的工作中国需要对气象数据的质量进行控制,不断提升数据的准确性和实用性。
!地面气象观测数据质量控制的意义气象观测数据的质量控制的主要内容有对观测数据进行分析和质量检查,同时对观测数据的质量进行记录,能够及时发现其中的错误并进行及时的修改。
在多数的情况下,地面气象观测数据的获得具有一定的程序,即收集、传输、编码和解码等,这些环节的气象观测数据可能存在一定的偏差。
所以,在气象观测数据的过程中始终存在着质量控制问题。
地面气象观测数据的质量控制不仅关系到系统的完善,同时还能够增强工作人员的责任心和使命感,实现观测质量提升的同时能够更好的让天气预报和预测为人民服务。
因此可以说地面气象观测数据的质量控制具有重要的意义。
"格式检查方法"#!文件首行(台站参数)检查第一,区站号是否和文件名中的区站号是一致的。
第二,信息表中的纬度和实际的纬度是否是一致的,最终的结束符是不是$、%,其中的长度是不是和规范中长度是一致的。
第三,站台信息中的经度和实际的经度是不是一致的,而最后的结束符是不是&、',长度是不是和规范的长度是一致的。
第四,台站信息台中的的海拔的高度是不是和观测场中的海拔高度是一致的,同时长度是不是符合规范的要求。
测绘中的地面控制点观测数据质量控制与分析方法

测绘中的地面控制点观测数据质量控制与分析方法导言:测绘是一项十分重要的工作,它涉及到国家的地理信息系统、地图制作、土地管理等方面。
在测绘过程中,地面控制点观测数据的准确性和可靠性对于测绘结果的精度和质量至关重要。
因此,如何对地面控制点观测数据进行质量控制与分析,成为了测绘工作者必须要面对和解决的重要问题。
一、数据采集与处理地面控制点观测数据的采集和处理是测绘工作中的关键步骤之一。
数据的采集主要通过全球定位系统(GPS)、全站仪等设备进行。
在采集数据时,需要注意设备的精确度和数据的连续性。
同时,在使用设备之前,还要进行校准和验证以确保数据的准确性。
数据的处理通常包括数据的预处理、差分处理和后处理。
预处理主要是对原始数据进行筛选、平滑和插值等操作,以消除噪声和异常值。
差分处理是指将观测数据与已知控制点的坐标进行差分计算,以消除建筑物、设备等无关因素的影响。
后处理则主要是对差分处理后的数据进行筛选和验证,确保数据的准确性和可靠性。
二、质量控制与评估在地面控制点观测数据的采集和处理过程中,质量控制与评估是不可或缺的环节。
质量控制主要包括实地验证和数据校核两部分。
1. 实地验证实地验证是指对采集到的地面控制点进行现场检测和验证。
主要包括对控制点的稳定性、准确性和可靠性进行评估。
在进行实地验证时,需要注意环境因素对数据的影响,如天气、地貌等。
同时,还需要准备好相应的测量工具和设备,并严格按照操作规程进行测量。
2. 数据校核数据校核是对处理后的数据进行比对和校验,以确保数据的一致性和准确性。
在进行数据校核时,可以通过对比差分结果和已知控制点的坐标,计算数据的相关性和一致性。
同时,还可以通过统计分析方法对数据进行分析和评估,如均方根误差、中误差等。
三、数据质量分析方法数据质量分析是对数据质量进行判断和评估的过程,其目的是发现和解决数据存在的问题,并提出相应的改进措施。
常见的数据质量分析方法主要包括以下几个方面。
多时次因子EOF迭代方法在降水预测中的初步应用

多时次因子EOF迭代方法在降水预测中的初步应用
李跃清;童文林
【期刊名称】《高原山地气象研究》
【年(卷),期】1997(017)003
【摘要】作者建立的多时次因子EOF迭代预报方法,进行了四川盆地夏半年降
水异常的短期气候预测试验和业务应用。
结果表明,考虑前期着急海区多时次海温因子,预测四川盆地降水异常,效果令人鼓舞。
这一步证明了这种容纳多时次资料,基于EOF迭代的物理统计方法是一种具有强预报能力,实用有效的预报新途径。
【总页数】6页(P5-10)
【作者】李跃清;童文林
【作者单位】成都高原气象研究所;成都高原气象研究所
【正文语种】中文
【中图分类】P457.6
【相关文献】
1.多时次EOF迭代方法在川渝伏旱预测中的应用 [J], 李跃清;汪宝山;廖崇明
2.EOF-CCA模型在山东季降水预测中的应用 [J], 胡桂芳;张苏平;谢考宪
3.基于EOF的降尺度法在福建雨季降水预测中的应用 [J], 何芬赖绍钧龚振彬
4.多时次资料的EOF迭代在云南夏季气候预测中的应用 [J], 段旭;尤卫红;李跃清
5.EOF迭代降尺度方案及其在华东梅汛期降水预测中的应用 [J], 沈愈
因版权原因,仅展示原文概要,查看原文内容请购买。
地面气象观测数据文件质量控制方法

知识文库 第2期189地面气象观测数据文件质量控制方法张志华 曾贵权一直以来,天气和人类活动总是息息相关,大到农业生产、工程进度,小到日常出行,人类活动往往会受到天气情况的影响,特别是在经济发展和科技水平提高的大背景下,人们对于天气预报提出了更高的要求,这就意味着需要更加高质量的地面气象观测数据资料。
在实际的地面气象观测工作中,传统的纸质文件资料已经被数据文件所取代,并且在数据资料审核过程中引入计算机审核环节,这极大提高了地面气象观测数据的文件质量。
但是,我们也应该看到,气象观测数据仅为初始数据,其容易受到诸多因素的影响,而且最终形成天气预报前,还需要经过庞大的计算流程以及对区域历史天气资料的查阅。
然而,无论是气象观测数据收集、组合公式求解,还是对大气情况进行模拟,都只能是得到近似的结果,这就是为何天气预报往往与实际天气情况存在误差的原因,加上气象观测数据存在质量问题的可能性,这将进一步扩大预测同实际情况的误差。
所以,如何采用一定的措施来对地面气象观测数据文件的质量进行控制,提高气象观测数据的准确性,以满足新形势下气象工作的需要,成为当前气象工作者广泛思考的问题。
笔者认为,想要实现地面气象观测数据文件质量控制,可以通过以下几个方面来着手:1、质量控制前的准确 1.1强化质量控制依据每月地面气象观测数据文件(下文简称A 文件)是由全月完整基本数据文件(下文简称B 文件)转换而来,因此,通过A 文件的预审是提高地面气象观测数据质量的重要方法。
但是预审A 文件的过程中难免遇到一些问题,这就需要通过人机预审来对常见问题进行归纳,并且把分钟观测数据(下文简称J 文件)作为A 文件的补充,为地面气象观测数据文件的质量控制提供参考和依据。
1.2建立气象站的地面审核规则库地面审核规则库是实现计算机对数据资料进行审核的基础,其主要是对数据资料的连续性和极值进行判断,减少因人工审核出现错误的可能性。
另外,审核规则库的尺度需要把握好,如果规则过多,则可能会出现过多的疑似错误反馈,规则过少,则可能导致数据审核不到位,最终出现错误的数据。
基于EOF的高时空分辨率自动站温度观测资料质量控制

基于EOF的高时空分辨率自动站温度观测资料质量控制作者:邵宇行秦正坤李昕来源:《大气科学学报》2022年第04期摘要 ;随着我国气象自动化观测技术的发展,全国已经建成了70 000多个自动观测站点,全面实现了气象观测自动化。
自动化观测技术使得气象常规观测资料量得到了飞速增长,这也使得通过质量控制提高自动观测站资料的利用率尤为重要。
利用江苏省气象局提供的2019年12月1日00时—7日23时共168个时次的地面自动站温度观测资料,及ECWMF(European Centre for Medium-Range Weather Forecasts)的ERA5(ECMWF Reanalysis V5)再分析资料中的温度格点资料作为背景场,结合常规质量控制方法及EOF(Empirical Orthogonal Function)质量控制方法,建立了适用于高时空密度的地面温度资料质量控制方法,并对我国中东部地面自动站温度观测资料进行质量控制试验。
结果表明,在利用常规质量控制方法剔除观测资料中明显异常的资料后,针对自动站高密度的特点,通过选择合适的分析区域,EOF分析方法可以很好提取有组织的观测系统信息,从而保证剩余信息更好地满足随机分布特点,利用随机概率分布特点就可以很好剔除异常观测资料,并且可以避免天气变化的影响。
关键词;地面观测自动站;地面温度;常规质量控制;EOF质量控制气象观测资料是进行天气预报、气候预测、重大天气灾害预警预报以及各类气象服务和气象研究的基础,也是推动大气科学发展的原动力。
气象观测资料质量的好坏决定了各类预报及预测的准确性以及各类气象服务的水平,良好的资料质量是进行天气和气候变化研究的前提和保障(王可丽等,2001)。
近年来数值天气预报水平得到显著提高,但是数值模式对于地面天气变量的模拟能力仍然存在一定的不足(Zheng et al.,2009;马旭林等,2017),丰富的地面观测信息有助于更好地认识地面天气变化的动力和热力机制,进而改进模式对地面信息模拟能力,所以地面观测技术的发展对于提高大气边界层乃至高层数值预报水平都有重要价值(徐枝芳等,2007;张利红等,2009)。
关键控制点在气象服务中的应用

关键控制点在气象服务中的应用气象服务对于人们的日常生活、农业生产、交通运输、能源供应等众多领域都具有至关重要的意义。
为了提供更加准确、及时、有效的气象服务,关键控制点的应用发挥着不可或缺的作用。
关键控制点,顾名思义,是在某个过程或系统中能够对结果产生重要影响的关键环节。
在气象服务中,准确识别和有效管理这些关键控制点,能够显著提高气象服务的质量和效益。
首先,气象数据的采集是一个关键控制点。
高质量、准确和全面的气象数据是进行精准气象预测和服务的基础。
气象观测设备的精度、分布密度以及数据传输的稳定性都直接影响着数据的质量。
例如,在一些偏远地区或复杂地形区域,由于观测站点稀少,可能导致数据缺失或不准确。
为了改善这一状况,需要合理增加观测站点,并采用先进的观测技术,如卫星遥感、雷达监测等,以获取更全面、更精确的气象信息。
气象数据的分析处理也是关键控制点之一。
面对海量的气象数据,如何运用科学的方法和先进的技术进行有效的分析,提取有价值的信息,是气象服务中的重要环节。
通过运用数值天气预报模型、大数据分析技术以及人工智能算法等,能够对气象数据进行深入挖掘和分析,从而提高天气预报的准确性和精细化程度。
在气象服务的产品制作环节,同样存在关键控制点。
产品的形式和内容需要根据不同用户的需求进行定制化设计。
对于普通公众,气象服务产品可能更侧重于直观易懂的天气状况和温馨提示;而对于农业生产者,可能需要提供更详细的气象灾害预警、农作物生长适宜度等信息;对于交通运输部门,则更关注恶劣天气对道路通行的影响以及相应的应对建议。
因此,根据用户需求精准定制气象服务产品,是提高服务满意度的关键。
气象服务的传播渠道也是一个关键控制点。
随着信息技术的飞速发展,气象服务的传播渠道日益多样化,包括电视、广播、网站、手机应用程序等。
确保这些传播渠道的畅通、及时和准确,能够让气象信息快速到达用户手中。
例如,在突发灾害性天气时,及时通过短信、手机推送等方式向受影响地区的用户发送预警信息,能够有效减少人员伤亡和财产损失。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第35卷㊀第5期气象科学Vol.35,No.5㊀2015年10月JournaloftheMeteorologicalSciencesOct.,2015㊀赵虹,冯呈呈,刘寅.Rec⁃EOF质量控制方法在地面观测2m比湿中的应用.气象科学,2015,35(5):638⁃645.ZHAOHong,FENGChengcheng,LIUYin.ApplicationofrecursiveEOFqualitycontrolto2mspecifichumidityfromground⁃basedobservations.JournaloftheMeteorologicalSciences,2015,35(5):638⁃645.doi:10.3969/2014jms.0045Rec⁃EOF质量控制方法在地面观测2m比湿中的应用赵虹1,2㊀冯呈呈1,3㊀刘寅1,4(1南京信息工程大学资料同化研究中心,南京210044;2南京市六合区气象局,南京210044;3大连市气象局,辽宁大连116000;4江苏省气象探测中心,南京210009)摘要㊀针对地面观测站资料,从资料同化的角度出发,通过引入递归的概念,提出了递归经验正交质量控制(Rec⁃EOFQC)方法,并将该方案应用于不同时段的地面观测资料和不同种类的背景场资料中㊂结果表明:Rec⁃EOFQC方法一般在递归4次之后,质量控制过程达到稳定状态㊂通过递归方法,该质量控制方案能够通过资料本身调整质量控制的临界值,对资料具有普适性㊂而且与传统EOFQC方法相比,Rec⁃EOFQC方案能识别出更多的离群值,并且可以使观测偏差也更接近于高斯分布㊂另外还研究了背景场差异对质量控制的影响,分别利用FNL㊁ERA⁃Interim和JRA⁃25三组资料作为背景场进行地面质量质量控制试验,结果表明JRA⁃25剔除的资料最多,ERA⁃Interim次之,FNL最小㊂无论选用何种资料作为背景场,冬季的资料剔除率始终大于夏季的㊂关键词㊀湿度;地面观测比湿;质量控制;递归经验正交㊀㊀分类号:P413.2㊀㊀㊀doi:10.3969/2014jms.0045㊀㊀㊀文献标识码:B收稿日期(Received):2013⁃09⁃16;修改稿日期(Revised):2014⁃04⁃30;网络出版日期(Publishedon⁃line):2015⁃07⁃22网络出版地址:http://www.cnki.net/kcms/detail/32.1243.P.20150722.1648.010.html基金项目:国家重点基础研究发展计划(973计划)项目(2010CB951600);江苏省普通高校研究生科研创新计划(CXZZ13_0503;CXLX13_483;CXZZ13_0506);江苏高校优势学科建设工程资助项目(PAPD)通信作者(Correspondingauthor):刘寅(LIUYin).liuyin200421@163.comApplicationofrecursiveEOFqualitycontrolto2mspecifichumidityfromground⁃basedobservationsZHAOHong1,2㊀FENGChengcheng1,3㊀LIUYin1,4(1CenterforDataAssimilationinResearchandApplications,NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2LuheMeteorologicalBureau,Nanjing210044,China;3DalianMeteorologicalBureau,LiaoningDalian116000,China;4JiangsuMeteorologicalDetectionCenter,Nanjing210009,China)㊀㊀Abstract㊀nordertoimprovethesurfaceobservationdataassimilationfromground⁃basedstations,throughintroducingtherecursivetheory,arecursiveEOFqualitycontrol(Rec⁃EOFQC)methodisputforwardandisappliedtothesurfaceobservationdatawithdifferentperiodsandthebackgroundfielddatawithdifferentvarieties.ResultsshowthatthequalitycontrolprocessofRec⁃EOFQCmethodisstableasaresultoffourtimesofrecursion.TheRec⁃EOFQCmethodcanadjustthethresholdofthequalitycontrolbythedataitselfandisuniversallyapplicabletodifferentdata.ComparedwiththetraditionalEOFQCmethod,theRec⁃EOFQCschemecanidentifymoreoutliersandcanmaketheobservationerrormoreclosetoGaussiandistribution.Inaddition,FNL,ERA⁃InterimandJRA⁃25datasetsareselectedasback⁃groundfieldstoconductsurfacequalitycontroltest,whoseresultsshowthatoutliersidentifiedbyJRA⁃25asbackgrounddataarethemaximum,ERA⁃InterimtakesthesecondandFNListheminimum.Moreo⁃ver,outliersareidentifiedmoreinwinterthanthoseinsummerregardlessofwhatkindsofdatawerecho⁃senasbackground.Keywords㊀Humidity;Specificground⁃basedhumidityobservations;Qualitycontrol;RecursiveEOF㊀引㊀言地面气象观测资料是大气科学研究的基础,同时也是其他观测资料如雷达㊁卫星等定标的重要依据,其质量直接影响到应用效果,因此资料的质量控制(qualitycontrol,QC)十分重要㊂目前地面观测资料的质量控制的常规方法主要包括极值检查[1⁃2],时间一致性检查[3],内部一致性检查[4],空间一致性检查等[5]㊂对于资料同化而言,还需要利用背景场一致性检查的方法做质量控制㊂即观测资料减背景场的差(O-B)不超过给定的阈值,来判定资料是否可用㊂这样虽然可以有效避免由于观测资料与背景场的偏离太大所造成的模式初值不协调问题,但是这种方法对天气系统的影响敏感,容易剔除反应大气异常状态的观测资料[6]㊂如何合理地避免天气异常对资料质量控制的影响,是发展质量控制方法需要面对的问题㊂经验正交函数(EOF)分解一般是应用于资料的时空变化特征分离,其重构场可以包含资料中最主要的变化特征㊂利用这一特点,QIN,etal[7]通过分析2m温度的主要周期特征,发现背景场对温度周期特征的描述与观测存在偏差,而这种偏差则主要体现在EOF的重构场中㊂之后对包含各种观测误差的EOF的剩余场进行质量控制,取得了较好的效果㊂这种方法还可用于其他资料,如卫星资料的质量控制,结果显示该方法可以提高高分辨率资料的信噪比[8],有效去除资料中存在的波动误差[9],并且能够成功地识别出受无线电干扰的区域[10⁃11]㊂本文从地面资料同化的需要出发,结合EOFQC,通过引入递归的概念,提出了递归EOF质量控制(Rec⁃EOFQC)方案,并将其应用于不同时段的观测和不同种类的背景场资料中㊂通过分析质量控制结果并与传统EOFQC方案进行对比,检验Rec⁃EOFQC对离群值的识别能力及其在不同时段观测资料和不同种类背景场资料中的适用性,以期进一步提高数值模式中地面观测资料的可靠性和利用率,为业务化的质量控制方案提供借鉴㊂1㊀资料和质量控制方法简介1.1㊀资料2008年1月份,频繁的暴风雪袭击了中国的大部分地区,造成了严重的低温雨雪冰冻灾害㊂选取2008年1月1日00时 30日18时和7月1日00时 31日21时(世界时,下同)的2m高度处比湿资料,其中观测数据来自于SYNOP(surfacesynopticobservations),该资料时间分辨率为3h,00时开始,研究区域为(0 70ʎN,55 145ʎE)㊂利用传统质量控制方法对资料进行了预处理,去除了数据中明显存在的误差,在研究区域内1月和7月的观测站个数分别为3340和3356㊂背景场资料分别为美国国家环境预报中心(NCEP)提供的FNL(FinalOperationalGlobalAnal⁃ysis)全球分析资料[12],欧洲中期天气预报中心(ECMWF)提供的最新全球再分析资料ERA⁃Inter⁃im[13]以及日本气象局的JRA⁃25再分析资料[14]㊂其中FNL资料既可以作为WRF中尺度模式的初始场和侧边界条件,又可以单独用来进行天气诊断分析,其水平分辨率为1 0ʎˑ1 0ʎ,垂直方向有26层㊂相比于ERA⁃40,ERA⁃interim资料有更先进的模式和同化方式[14],其水平分辨率为1 5ʎˑ1 5ʎ,垂直方向分为37层㊂JRA⁃25是利用JMA数值预报和同化系统所完成最新一代的全球大气再分析资料,这也是迄今为止在亚洲地区所完成的第一套长期再分析资料,其时间尺度从1979 2004年,水平分辨率为1 25ʎˑ1 25ʎ,垂直方向上有40层㊂这3种资料的时间分辨率都相同,皆为每日4次(00时㊁06时㊁12时㊁18时)㊂由于再分析场与观测站资料的时空分辨率不同,因此采用Lagrange将格点数据插值到相应的站点上㊂ZOU,etal[15]的研究指出利用进行了时间插值后的数据对变量本有的特征影响不大,因此为了研究的方便,利用3次样条插值方法得到03时㊁09时㊁15时以及21时的比湿数据㊂1 2㊀EOFQC方法简介EOF的原理是利用数学方法将原始变量场的时空结构进行正交分解,构成为数很少的不相关典型模态来代替原始变量场,其中每个模态都含有尽可能多的原始场信息㊂取解释方差足够大的前n个模态可以构成EOF的重构场,该重构场在保留资料最主要的变化特征的同时,还能够更好地保留反映大气异常状态的数据;而EOF的剩余场则包含了各种误差和观测噪音,因此针对剩余场进行质量控制9365期㊀赵虹,等:Rec-EOF质量控制方法在地面观测2m比湿中的应用可以有效的识别可疑数据,这也是EOFQC相对于传统的背景场一致性检查的优点之一㊂EOFQC方法需在时空场上展开,以1月份为例,首先取前N个时次的数据构成第一个样本(S1),参考文献[7],N取为64,如公式(1)中黑色框所框出的数据,对其进行质量控制后,第65个时次资料的质量控制可以用其前N-1个时次的数据补齐,记为S2,如公式(1)中的第一个虚线框所示,依此类推,1月份共有176个样本(S1-S176),式(1)中的最后一个虚线框即为最后一个样本㊂㊀㊀对每个样本采取EOFQC的过程可分为以下4步:(1)对数据进行EOF分解之后得到剩余场和重构场,分别记为qOBSres㊁qBFres㊁qOBSreb和qBFreb,其中上标OBS代表观测,BF代表背景场,下标res代表剩余场,reb代表重构场;(2)计算第k个站点第n个时次的权重值wk,nwk,n=(qOBSres-qBFres)k,n-Mcσ.(2)其中σ=mid[(qOBSres-qBFres)-mid(qOBSres-qBFres)],为绝对中位数偏差;M=qOBSres-qBFres;c=7 5;若wk,n>1 0,则wk,n=1 0㊂(3)使用双权重平均值和双权重偏差可以减小离群值对统计平均值的影响[16]㊂计算双权重平均值(qOBSres-qBFresbw)和双权重标准偏差(Sbw)qOBSres-qBFresbw=M+ðk,n[(qOBSres-qBFres)k,n-M](1-w2k,n)ðk,n(1-w2k,n)2,(3)Sbw={Nði=1[(qOBSres-qBFres)k,n-M]2(1-w2k,n)4}0 5ðk,n=1(1-w2k,n)(1-5w2k,n)}.(4)由(4)计算每个站点每个时次对应的Z值(Zk,n),若大于给定的临界值Z0,则认为该观测点为离群点㊀Zk,n=(qOBSres-qBFres)k,n-qOBSres-qBFresbwSbw>Z0.(5)1 3㊀递归经验正交质量控制(Rec⁃EOFQC)方法简介㊀㊀临界值是EOFQC方法中最关键的因素之一,因此为了能够客观地根据资料本身确定质量控制中的临界值,需要发展新的方案㊂模式的模拟能力是相对稳定的,因此正确的观测资料和对应的背景场之间偏差的标准差也应该是相对稳定的㊂根据这样的特性,考虑引入递归方法,逐步对资料进行质量控制,直到质量控制后O-B的标准偏差达到准稳定状态,这样可以实现每次质量控制时的临界值由资料本身的特征来确定㊂具体步骤(图1)为首先对资料进行EOF分解,利用双权重算法对剩余场的O-B做质量控制;其次为清楚的了解每一步质量控制的结果,参考Shafer,etal[3]对数据质量的标记方法,引入数据质量标记Mrk,n,其中k代表站点,n代表时次,上标r代表递归次数,初始值为0,通过质量控制的数据标记为0,离群点标记为l;最后利用每次通过质量控制的数据计算qOBSres-qBFres的双权重标准偏差SrBW和标准偏差Sr,其中SrBW可代入(5)式的分母参与第r+1次质量控制过程㊂由于标准偏差是由通过质量控制的相对准确观测资料所计算出的,故递归第r+1次的观测标准偏差必定小于第r次的标准偏差,当前后两次标准偏差之差小于0 0005时,质量控制结束,否则就进入到下一次质量控制过程直至结束㊂另外值得注意的是,质量控制结束后,所有数据都有其质控标记,其中0代表数据质量最高,从1开始,数据质量随着控制码数值的增加可信度逐渐增加㊂2㊀EOFQC与Rec⁃EOFQC结果对比图2为2008年1月和7月比湿观测与背景场之差qOBSres-qBFres的双权重标准偏差的空间分布,可以看出在冬季印度半岛㊁中南半岛以及南洋群岛上的O-B偏差明显大于其他地区,因此对于冬季将研究区域分为南区和北区来进行质量控制,如图中的黑线所示,其中南区有836个站,北区有2504个站㊂对于夏季而言,双权重标准偏差在研究区域的分布较为均匀,仅在印度半岛北部㊁中国的中部地区以及50ʎN以北的高纬地区有零星的大值区存在㊂这里给出的是冬夏前8天的结果,在1月份和7月份的其他时次,qOBSres-qBFres的双权重标准偏差也为类似的空间分布㊂对于冬季而言,由于南区的标准偏差要046气㊀㊀象㊀㊀科㊀㊀学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀35卷图1㊀Rec⁃EOFQC流程图Fig.1㊀FlowchartofRec⁃EOFQC远大于北区,若用同一Z0值做质量控制会导致南区剔除资料过多,北区剔除资料过少,所以南区的Z0应当相对小一点,北区的Z0应该相对大一些,选取3 0和3 5作为南区和北区的Z0值;对于夏季选取3 0作为Z0值㊂图2㊀2008年(a)1月份和(b)7月份比湿观测与背景场之差qOBSres-qBFres的双权重标准偏差的空间分布(a中的实线代表南北区的分界线)Fig.2㊀ThespatialdistributionofstandarddeviationsforqOBSres-qBFresin(a)Januaryand(b)July,2008(Thesolidlinein(a)indicatestheboundarybetweenthesouthandnorthregions)以冬季为例,图3为资料剔除率㊁标准偏差,偏态和峰度随递归次数的变化,由图可知各变量在递归4次后逐渐趋于稳定㊂资料剔除率随递归次数逐渐增加,最终南北区的资料剔除率分别稳定在9 0%和6 0%左右㊂O-B的标准偏差随递归而逐渐降低,最终南区的偏差由初始的0 90降为0 70,北区的偏差则由0 30降为0 25左右,这说明资料中离群点可通过递归质量控制过程逐步的被识别出㊂偏态和峰度都是描述数据统计特征的量,其中偏态可以描述变量取值分布是否对称,峰度可以描述变量取值的陡峭程度,偏态等于0和峰度等于3则说明数据为正态分布㊂南北区的O-B的偏态随递归次数先缓慢增大又逐渐减小,最后都稳定在0左右㊂南区的O-B峰度由初始的3 4逐渐降低到3 0左右,接近于正态分布,北区的峰度虽通过递归质量控制后略有降低,仍表现为尖顶峰的统计特征㊂另外由于观测误差在递归4次之后观测误差趋于稳定,因此数据质量可根据递归次数分为0㊁1㊁2㊁3,4级㊂为了更清楚地比较Rec⁃EOFQC和EOFQC的区别,图4为两种方法质量控制后每个站点上离群值出现的累积次数㊂可以明显看出,无论采取何种方案,离群值出现次数大于20次以上的站点主要集中分布在青藏高原的右侧边缘㊁中国东南部的沿海地区㊁朝鲜半岛以及日本列岛南部地区㊂Rec⁃EOFQC比EOFQC能识别出更多的离群值,在上述区域离群值出现的累积次数大多在40次以上,主要原因可能因为海洋㊁陆地和大气3个模式在海陆交界地带耦合,使得模式背景场在海陆交界误差较大,从而O-B偏差较大,这种偏差较大的数据可以通过递归自身不断地降低质量控制的临界值而逐步被识别出来㊂由于背景场的模式耦合误差,在后期数据应用1465期㊀赵虹,等:Rec-EOF质量控制方法在地面观测2m比湿中的应用图3㊀(a)南北区资料剔除率,qOBSres-qBFres的(b)标准偏差,(c)偏态以及(d)峰度随递归时次的变化Fig.3㊀(a)Percentageofremoveddata,(b)standarddeviation,(c)skewnessand(d)kurtosisofqOBSres-qBFresateachrecursivetimeforthesouthandnorthregions图4㊀2008年1月站点上离群值出现的累积次数(a)EOFQC;(b)Rec⁃EOFQC;(c)只Rec⁃EOFQCFig.4㊀TotalnumberofremoveddataateachstationbyQCmethodusing(a)EOFQC,(b)Rec⁃EOFQCand(c)onlyRec⁃EOFQC时可以适当地考虑用其质量控制等级较高的 离群点 数据,即其他地区的数据用0级数据,而对于海陆交界处的观测资料,可以考虑用其3级或4级数据㊂为了更清楚地分析Rec⁃EOFQC的结果,图4c为只由Rec⁃EOFQC过程单独识别出的离群值,即Mrk,n=1而Mrk,n=0,r=1代表传统EOFQC㊂由图4c显示两种质量控制方案差异较大的地区主要集中在中国东南部沿海地区和日本区域,尤其是21 35ʎN,112 132ʎE(图4c中的黑色矩形框)范围内,其站点上的离群值出现次数多在80次以上㊂为了解Rec⁃EOFQC单独识别出的离群值的特征,统计该区域离群值出现次数小于20或大于80的站点,并对这两类站点上的比湿求平均,平均值分别记为qle20与qge80㊂观测和背景场中qle20与qge80随时间的变化可见图5,当离群值次数小于20时,除2008年1月10日,背景场的比湿比观测偏大约1g/kg之外,在1月份的其他时次两者非常接近;但是当离群值次数大于80次以上时,在整个1月份,背景场与观测都有较大的偏差,且前者的值明显大于后者,说明由Rec⁃EOFQC识别出的离群点上的观测与背景场确实有较大的偏离㊂概率密度函数可以描述随机变量的值在某个确定的取值点附近出现的可能性㊂一般在同化系统中要求O-B的概率尽量的满足正态分布㊂图6给出三组背景场资料下南北区质量控制前后的概率密度函数分布㊂以FNL资料为例,南区的资料在质量控制前已接近于正态分布,无论采取何种EOFQC,都能有效的提高O-B在0附近出现的概率密度,并且Rec⁃EOFQC的概率略高于传统EOFQC;北区的资料在质量控制前O⁃B的最大概率密度出现在-0 4左右,明显的呈非高斯分布状态,且左右概率密度函数不对称,原始数据中O-B<0的资料要多于O-B>0的资料,经过传统EOFQC后,概率直密度函数呈对称性分布,使得资料的分布更为均匀,但是中心的概率密度函数分布近似于直线,不随O-B的大小变化,表现为平顶峰,不符合高斯分布的特点,而且Rec⁃EOFQC可以有效地纠正这一缺陷,使得中心概率密度函数呈尖顶峰,更接近于高斯分布的 钟形 特征㊂3㊀不同背景场资料下Rec⁃EOFQC的结果㊀㊀EOFQC方法与背景场资料的选取有关,而采用Rec⁃EOFQC对观测进行质量控制其结果是否依246气㊀㊀象㊀㊀科㊀㊀学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀35卷图5㊀图4矩形区域内中1月份逐日离群值次数(a)小于20或(b)大于80的站点上比湿平均值Fig.5㊀Averagespecifichumidityatstationswheretotalnumberofoutliers(a)islessthan20or(b)greaterthan80ateachobservationtimeinJanuaryinrectangularregionofFig.4图6㊀2008年1月份南区(上行)北区(下行)3种背景场下比湿的概率密度函数分布(a,d)FNL;(b,e)ERA⁃Interim;(c,f)JRA⁃25Fig.6㊀Probabilitydensityfunctiondistributionofhumidityratiounderthreekindsofbackgroundfieldinsouthregion(upper)andnorthregions(below)(a,d)FNL;(b,e)ERA⁃Interim;(c,f)JRA⁃25inJanuaryof2008赖背景场的选择,基于以上思想,选取FNL,ERA⁃In⁃terim和JRA⁃25作为背景场,分别对2008年1月与7月份的比湿进行质量控制,分别记为QWFNL㊁QWERA㊁QWJRA和QSFNL㊁QSERA㊁QSJRA,其中下标FNL㊁ERA㊁JRA分别代表FNL㊁ERA⁃Interim和JRA⁃25三组背景场资料(下同),上标W和S分别代表冬季和夏季㊂当ERA⁃Interim和JRA⁃25资料做为背景场时,冬季离群值累积出现次数的空间分布与FNL类似(图略),主要的离群点出现在中国东南部沿海与日本列岛,从图6质量控制前后的概率密度函数中也可以看出,对于南区资料而言,选用ERA⁃Interim和JRA⁃25资料做背景场后,Rec⁃EOFQC和EOFQC可以有效地提高中心区的O-B的概率密度函数,且前者略微大于后者;而对于北区资料,与QWERA相反的是,QWERA和QWJRA在质量控制前O-B的概率密度函数呈右偏态的特征,无论是采用传统EOFQC还是Rec⁃EOFQC,QWERA后的O-B都类似于正态分布,而对QWJRA采用传统EOFQC后,O-B的概率密度函数仍然表现为右偏态的特征,Rec⁃EOFQC则能有效地纠正这一缺陷,使得观测偏差的概率密度函数近似为正态分布,由此得到的数据会更有利于资料同化㊂夏季不同背景场下各个站点上离群值累积出现次数的分布与冬季有很明显的不同(图7),离群值主要分散的出现在各个区域,如云贵高原㊁广西㊁江苏㊁甘肃以及日本列岛的部分地区,对照图1b可以发现这些地区也是O-B双权重偏差大的地区㊂另3465期㊀赵虹,等:Rec-EOF质量控制方法在地面观测2m比湿中的应用外,各组背景场下Rec⁃EOFQC后的概率密度函数也非常接近于高斯分布(图略)㊂由上可知,无论是选用不同时段的观测数据,还是选用不一样的背景场资料,Rec⁃EOFQC方案总能识别出观测偏离背景场大的点,并且使得质量控制后的数据更接近于高斯分布,满足了数值模式资料同化中对观测误差的假设㊂为进一步分析不同背景场下质量控制的结果,图8为QWFNL㊁QWERA㊁QWJRA和QSFNL㊁QSERA㊁QSJRA资料剔除率随时间的变化,不同线条代表不同的背景场资料㊂无论是冬季还是夏季,不同背景场下资料的剔除率随时间变化的趋势比较一致,选用JRA⁃25资料作为背景场后的剔除率略微大于其他两组资料,通过计算总的资料剔除率也可以发现,QJRA过程资料剔除的最多,冬季为12 71%,夏季为8 33%,QFNL的冬夏资料剔除率分别为8 31%和7 24%,QERA则分别为11 21%和7 33%㊂无论选用何种资料作为背景场,冬季剔除的资料大于夏季㊂因为本文提出的质量控制方案是以后续同化为出发点,所以质量控制是依据O-B的大尺度分量之外的偏差进行的,模式对冬季水汽模拟的误差较小可能是导致冬夏季剔除率差异的原因,同样,不同模式对水汽模拟的误差大小可能是导致三组背景场下剔除率略有差异的原因,但其中差异的真正原因还需要对资料做进一步的分析㊂4 结论与讨论传统的EOFQC可以保留反映大气异常状态的数据,并有效去除观测噪音㊂本文在此基础上提出了Rec⁃EOFQC方案㊂该方案可以逐步地将离群值识别出来,并且能够根据观测场和背景场资料本身确定最终质量控制的临界值㊂通过选用不同的背景场资料,对2008年冬季和夏季的观测比湿进行质量控制试验,得到了以下结论:(1)在递归4次之后,资料剔除率㊁O-B的标准偏差㊁偏态以及峰度都达到一个较为稳定的状态㊂(2)Rec⁃EOFQC方案比EOFQC方案能识别出更多的离群值,这些离群值主要集中在沿海地区㊂通过 Rec⁃EOFQC 可以有效地提高O-B在0附近出现的概率,使得资料分布更加对称,概率密度函数分布更接近于高斯分布㊂㊀㊀(3)Rec⁃EOFQC结果表明冬季的离群值主要图7㊀2008年7月选用(a)FNL;(b)ERA⁃Interim;(c)JRA⁃25资料作为背景场后站点上离群值出现的累积次数Fig.7㊀TotalnumberofremoveddataateachstationbyRec⁃EOFQCusing(a)FNL;(b)ERA⁃Interim;(c)JRA⁃25asbackgroundfield图8㊀2008年1月(a)和7月(b)分别选用3种资料作背景场质量控制后资料剔除率随时间的变化Fig.8㊀ThepercentageofremoveddataateachobservationtimebyrecursiveEOFqualitycontrolusingthreekindsofbackgrounddatainJanuary(a);July(b)of2008446气㊀㊀象㊀㊀科㊀㊀学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀35卷集中分布在青藏高原的右侧边缘㊁中国东南部的沿海地区㊁朝鲜半岛以及日本列岛等地区;而夏季的离群值分布较为分散,与标准偏差大值区相对应㊂(4)通过比较不同背景场资料下质量控制的结果,发现选用JRA⁃25资料作为背景场,识别出的离群点最多㊂无论选用何种资料作为背景场,冬季的离群资料百分比都大于夏季的,这可能是因为模式对水汽模拟的误差有差异造成的㊂由于资料长度的限制,只对2008年冬夏两季的资料进行了分析㊂另外由于冬季的中国南北天气差异很大,本文将冬季水汽分区进行质量控制,但是具体分区的位置也需要更多的资料进行进一步验证㊂综上,本文利用Rec⁃EOFQC方案对水汽资料进行了质量控制,取得了较为满意的结果㊂但对其他变量如气温㊁气压等要素的质量控制还需要进一步检验㊂另外,通过Rec⁃EOFQC方案的数据是否有利于后续的资料同化,是否能有效地改进数值预报效果也需要进一步的研究㊂致谢:感谢FloridaStateUniversity的邹晓蕾教授,尤其感谢南京信息工程大学的秦正坤博士对本文的细心指导㊂参㊀考㊀文㊀献[1]㊀WMO.Guidetometeorologicalinstrumentsandmethodsofobser⁃vation.7thed.Geneva,Switzerland:WorldMeteorologicalOrgani⁃zation,2008:618⁃619.[2]㊀徐枝芳,陈小菊,王轶.新建地面气象自动站资料质量控制方法设计.气象科学,2013,33(1):26⁃36.XUZhifang,CHENXiaoju,WANGYi.Qualitycontrolschemefornew⁃builtautomaticsurfaceweatherobservationstation sdata.JournaloftheMeteorologicalSciences(inChinese),2013,33(1):26⁃36.[3]㊀ShaferMA,FiebrichCA,ArndtDS,etal.QualityassuranceproceduresintheOklahomaMesonetwork.J.Atmos.OceanicTechnol.,2000,17(4):474⁃494.[4]㊀ReekT,DotySR,OwenTW.Adeterministicapproachtothevalidationofhistoricaldailytemperatureandprecipitationdatafromthecooperativenetwork.Bull.Amer.Meteor.Soc.,1992,73(6):753⁃762.[5]㊀EischeidJK,BruceBC,KarlTR,etal.Thequalitycontroloflong⁃termclimatologicaldatausingobjectivedataanalysis.J.Appl.Meteor.,1995,34(12):2787⁃2795.[6]㊀王轶,徐枝芳,范广州.基于EOF2m温度质量控制方法研究.高原气象,2013,32(2):564⁃574.WANGYi,XUZhifang,FANGuangzhou.StudyofEOFqualitycontrolmethodfor2mtemperature.PlateauMeteorology(inChi⁃nese),2013,32(2):564⁃574.[7]㊀QINZK,ZOUX,LIG,etal.Qualitycontrolofsurfacestationtemperaturedatawithnon⁃Gaussianobservation⁃minus⁃backgrounddistributions.J.Geophys.Res.:Atmospheres(1984⁃2012),2010,115(D16).doi:10.1029/2009JD013695.[8]㊀AntonelliP,RevercombHE,SromovskyLA,etal.Aprincipalcomponentnoisefilterforhighspectralresolutioninfraredmeasure⁃ments.J.Geophys.Res.,2004,109(D23):D23102.doi:10.1029/2004JD004862.[9]㊀ZOUX,MAY,QINZK.Fengyun⁃3Bmicrowavehumiditysounder(MWHS)datanoisecharacterizationandfilteringusingprinciplecomponentanalysis.IEEETransactionsonGeoscienceandRemoteSensing,2012,50(12):4892⁃4902.[10]LIL,NjokuEG,ImE,etal.Apreliminarysurveyofradio⁃fre⁃quencyinterferenceovertheUSinAquaAMSR⁃Edata.IEEETransactionsonGeoscienceandRemoteSensing,2004,42(2):380⁃390.[11]ZHAOJ,ZOUXL,WENGF.WindSatradio⁃frequencyinterfer⁃encesignatureanditsidentificationoverGreenlandandAntarctic.IEEETransactionsonGeoscienceandRemoteSensing,2013,51(9):4830⁃4839.doi:10.1109/TGRS.2012.2230634.[12]KalnayE,KanamitsuM,KistlerR,etal.TheNCEP/NCAR40⁃yearreanalysisproject.Bull.Amer.Meteor.Soc.,1996,77(3):437⁃471.[13]SimmonsAJ,UppalaSM,DeeD,etal.ERA⁃Interim:NewEC⁃MWFreanalysisproductsfrom1989onwards.ECMWFNewsletter,2007,110(110):25⁃35.[14]OnogiK,TsutsuiJ,KoideH,etal.TheJRA⁃25reanalysis.Jour⁃naloftheMeteorologicalSocietyofJapan,2007,85(3):369⁃432.[15]ZOUX,QINZK.Timezonedependenceofdiurnalcycleerrorsinsurfacetemperatureanalyses.Mon.Wea.Rev.,2010,138:2469⁃2475,[16]ZOUX,ZENGZ.AqualitycontrolprocedureforGPSradiooccul⁃tationdata.J.Geophys.Res.:Atmospheres(1984⁃2012),2006,111(D2).doi:10.1029/2005JD005846.5465期㊀赵虹,等:Rec-EOF质量控制方法在地面观测2m比湿中的应用。