閔錦忠　王晨玨　賈瑞怡

摘要利用江蘇和安徽2012—2014年151個國家站及2 600個區(qū)域站資料，對各類自動站資料的質(zhì)量及其控制方法進行初步探討。采用缺測資料統(tǒng)計、氣候界限值檢查、氣候極值檢查、內(nèi)部一致性檢查、二次迭代的空間一致性檢查、時間一致性檢查、持續(xù)性檢查及綜合決策算法分別對國家站和區(qū)域站資料進行系統(tǒng)的質(zhì)量控制，并根據(jù)質(zhì)量控制結(jié)果進行可疑站點的標(biāo)記。結(jié)果顯示：國家站各要素資料缺測率遠低于區(qū)域站，且資料質(zhì)量總體上均明顯優(yōu)于區(qū)域站；自動站各要素中溫、壓要素的質(zhì)量最好，其次是相對濕度；除了空間一致性檢查中風(fēng)場資料的檢查結(jié)果差別不大外，其余檢查中區(qū)域站資料的未通過率均遠高于國家站資料；將錯誤資料及可疑站點信息進行及時反饋，能改善實時資料質(zhì)量，并為相應(yīng)測站的檢修與維護提供依據(jù)。

關(guān)鍵詞國家自動氣象站；區(qū)域自動氣象站；缺測資料統(tǒng)計；質(zhì)量控制；可疑站點

自人類開始運用儀器探測以來，地面氣象觀測記錄就是最長的，如地面氣溫是目前積累最好的儀器觀測的氣候資料之一，也是氣候狀況的關(guān)鍵參數(shù)（葉篤正等，1991）?，F(xiàn)今，許多國家或地區(qū)都密布著地面自動站，形成了自動氣象站（Automatic Weather Stations，AWS）觀測網(wǎng)。據(jù)統(tǒng)計，我國共有2 000多個國家級地面自動站（國家站），4萬多個區(qū)域級地面自動站（區(qū)域站），部分地區(qū)測站間距已不到10 km。隨著計算機能力及數(shù)值計算水平的不斷提高，氣象研究者們越來越重視高時空分辨率資料在氣象領(lǐng)域中的應(yīng)用，除衛(wèi)星遙感資料、GPS（Global Positioning System）掩星資料、雷達反射率及徑向速度資料外，自動站觀測資料也是高時空分辨率資料的重要來源之一（馮良敏，2012）。

地面自動站站點分布密集且不均勻、測站環(huán)境惡劣、下墊面復(fù)雜差異大、資料實時性強、中小尺度天氣現(xiàn)象明顯、數(shù)據(jù)采集和傳輸自動化程度高等特點，使得其觀測資料的質(zhì)量問題尤為復(fù)雜和嚴重（陶士偉等，2009）。世界氣象組織對地面自動站資料質(zhì)量控制（Quality Control，QC）過程提出指導(dǎo)方針（Zahumensk，2004），并指出自動站資料應(yīng)分為基于臺站的原始資料和數(shù)據(jù)處理中心的加工資料兩個層次進行實時的質(zhì)量控制。任芝花等（2015）研制了一套適用于全國自動站實時觀測數(shù)據(jù)的質(zhì)量控制技術(shù)，建立起臺站、省級、國家級三級質(zhì)量控制系統(tǒng)并應(yīng)用到業(yè)務(wù)中，明顯改善實時上傳數(shù)據(jù)質(zhì)量。

氣象觀測資料質(zhì)量的好壞直接影響其使用效果，地面氣象觀測記錄必須具有代表性、準(zhǔn)確性和比較性（中國氣象局，2003）。21世紀(jì)初，王伯民（2004）提出了氣象資料質(zhì)量控制綜合判別法的加權(quán)判別技術(shù)；張寧等（2010）分析了自動站與基礎(chǔ)站資料之間存在的差異，對自動站氣溫觀測資料的訂正使用提供一定的思路和方法。馬旭林等（2017）指出觀測資料的質(zhì)量控制是數(shù)值預(yù)報資料同化中的重要部分，將直接影響同化分析質(zhì)量；Hubbard and You（2005）設(shè)計了回歸插值方法的空間一致性檢查；傅娜等（2014）運用Barnes插值方法的空間一致性對上海及華東地區(qū)氣溫資料進行質(zhì)量控制，并分析了相關(guān)資料特征；You and Hubbard（2006）將相鄰站點的觀測值作為空間回歸測試中測量站點的初步估計，并應(yīng)用于極端事件的空間測試；黃興友等（2017）利用兩套自動站觀測資料，對儀器換型后數(shù)據(jù)的連續(xù)性進行全面的評估；葉小嶺等（2014，2016）基于基因表達式編程算法對單站氣溫進行質(zhì)量控制，隨后又提出了基于自回歸與反距離加權(quán)的空間質(zhì)量控制方法；趙虹等（2015）指出將經(jīng)驗正交函數(shù)分解質(zhì)量控制方法在WRF（Weather Research Forecast）三維變分同化系統(tǒng)具有較高的應(yīng)用潛力；Xu et al.（2013）用雙權(quán)重平均法和改進的EOF（Empirical Orthogonal Function）分析方法分兩階段對2 m溫度資料進行質(zhì)量控制；Steinacker et al.（2011）利用氣象參數(shù)時間和空間的一致性設(shè)計了有獨立模型的自相關(guān)的質(zhì)量控制方法；徐枝芳等（2013）將全國分成8個區(qū)域，利用歷史存檔資料建立了一套適用于新建地面自動站資料控制技術(shù)。除此之外，美國國家氣候資料中心對資料進行完善的質(zhì)量控制，制作了全球歷史氣候網(wǎng)GHCN（Global Historical Climatology Network）、全球日氣候資料數(shù)據(jù)集GDCN（Global Daily Climatology Network）、全球地面小時數(shù)據(jù)集ISHD（Intergated Surface Hourly Database）等有代表性的數(shù)據(jù)集（劉小寧和任芝花，2005）。任芝花等（2010）、趙煜飛等（2011）分別對全國自動站逐小時相對濕度資料和降水資料進行了質(zhì)量評估，并建立了相關(guān)的數(shù)據(jù)集。

質(zhì)量控制是利用操作技術(shù)與手段使資料的質(zhì)量符合一定要求的過程，其最主要的目的是檢測出缺測數(shù)據(jù)、錯誤數(shù)據(jù)以及修正可能的誤差，確保這些數(shù)據(jù)在被使用時盡可能準(zhǔn)確合理（Zahumensk，2004）。本文采用的質(zhì)量控制方法在資料的時間維度和空間維度上都進行質(zhì)量檢查，通過基于地面常規(guī)觀測資料歷史極值的氣候極值檢查、考慮特殊地形的二次迭代的空間一致性檢查及改進的綜合決策算法等一系列的質(zhì)量控制方法，對蘇皖地區(qū)地面自動站資料進行質(zhì)量控制。

1研究數(shù)據(jù)及方法

與其他觀測資料相比，地面自動站資料的最大優(yōu)點是時空分辨率高，且觀測量為模式變量，但是由于資料受到測站周圍環(huán)境、人為干擾、設(shè)備老化等的影響，其質(zhì)量問題較為嚴重，導(dǎo)致目前自動站資料的利用率偏低。為了保證自動站資料具有代表性、準(zhǔn)確性和可比較性，通常在使用自動站資料之前，需要對自動站資料進行質(zhì)量控制。

11研究數(shù)據(jù)

研究區(qū)域選取為安徽省和江蘇省，所用資料為區(qū)域內(nèi)2012年1月1日00時（北京時間，下同）至2014年12月31日23時的逐小時自動站資料中的本站氣壓、2 m處氣溫和相對濕度以及10 m處風(fēng)向、風(fēng)速資料，其中區(qū)域內(nèi)有151個國家站和2 600個區(qū)域站。圖1a、1b分別為國家站和區(qū)域站的站點分布，站點分布的密集程度與城市經(jīng)濟發(fā)展水平及地區(qū)地貌、地理環(huán)境有關(guān)。

12質(zhì)量控制方案

采用氣候界限值檢查、基于區(qū)域常規(guī)地面觀測資料各月歷史極值的氣候極值檢查、僅針對風(fēng)場的內(nèi)部一致性檢查、剔除孤立高山的二次迭代的空間一致性檢查、時間一致性檢查、時間步長48 h的持續(xù)性檢查和改進的綜合決策算法共7種質(zhì)量控制方法。

在7種質(zhì)量控制方法中，前兩種為閾值檢查，內(nèi)部一致性檢查是根據(jù)邏輯進行判斷，空間一致性檢查和時間一致性檢查則用相應(yīng)的檢查余差的標(biāo)準(zhǔn)差作為判據(jù)，這兩種方法以及持續(xù)性檢查均人為地設(shè)置了判據(jù)的最小值，綜合決策算法則是將前6種檢查方法的結(jié)果綜合的考慮。

2結(jié)果與分析

21缺測統(tǒng)計

國家站和區(qū)域站不僅在站點的分布密度上有很大的差異，在各要素資料的缺測情況上也存在著較大的差異。對區(qū)域內(nèi)國家站和區(qū)域站各要素資料3 a的缺測數(shù)據(jù)分別進行統(tǒng)計（圖2），國家站各要素資料缺測率基本一致；而在區(qū)域站中，相對濕度資料的缺測率相對最高，氣壓要素的缺測率相對最低。從年份變化趨勢來看，國家站各要素在2012年的缺測率遠高于后兩年，區(qū)域站各要素的缺測率均呈減小的趨勢。而各要素3年的總?cè)睖y率（圖3）國家站資料均遠小于區(qū)域站資料。

22質(zhì)量控制方案結(jié)果

從氣候的角度不可能出現(xiàn)的要素臨界值稱之為氣候?qū)W界限值，各要素的氣候?qū)W界限值主要由不同時間、不同區(qū)域?qū)υ撘氐慕y(tǒng)計和分析得到。依據(jù)《地面氣象觀測記錄質(zhì)量控制標(biāo)準(zhǔn)》，表1給出了各要素的氣候?qū)W界限值范圍，超出范圍的資料標(biāo)識為錯誤資料。

氣候極值是指某個固定站點某要素歷史上出現(xiàn)過的最大值或最小值，考慮到自動站多數(shù)為新建，所得極值作為歷史極值不具有代表性，因此選取江蘇省和安徽省32個常規(guī)地面觀測站1951—2013年63 a的歷史觀測資料，統(tǒng)計出各要素不同月份的氣候極值（表2）作為閾值。對于超出氣候極值的觀測記錄，則標(biāo)識為可疑資料。

圖6是基于氣候極值檢查的各氣象要素的可疑率。與氣候界限值檢查結(jié)果相似，國家站各要素資料的可疑率遠小于區(qū)域站，風(fēng)場資料幾乎全部通過檢查；區(qū)域站中相對濕度要素的可疑率最高，達0287%，其次是氣溫資料，可疑率為0053%。

內(nèi)部一致性檢查也稱邏輯檢查，是對同一時間觀測的氣象要素間的關(guān)系必須符合某種物理聯(lián)系的檢查。此方法只針對風(fēng)場進行檢查，當(dāng)風(fēng)向為C（靜風(fēng)）、風(fēng)速大于02 m/s，或者風(fēng)速為0、風(fēng)向大于1°時，都認為是不符合邏輯的，至少有一處為錯誤資料，在此將風(fēng)場資料（包括風(fēng)向和風(fēng)速）均標(biāo)識為錯誤資料。

圖7是風(fēng)場資料經(jīng)內(nèi)部一致性檢查的錯誤率。與前兩種方法得出的結(jié)果類似，區(qū)域站風(fēng)場資料的錯誤率遠大于國家站，國家站風(fēng)場資料的錯誤率為0280%，區(qū)域站風(fēng)場資料的錯誤率為1816%，利用該方法檢查出的錯誤資料要遠多于前兩種方法。

對空間一致性檢查、時間一致性檢查及持續(xù)性檢查分別設(shè)定了余差標(biāo)準(zhǔn)差的最小值（表3），以減少由于中小尺度天氣影響要素變化偏大而被誤判為錯誤資料的可能。

空間一致性檢查是根據(jù)氣象要素在空間分布上的規(guī)律而進行的檢查，當(dāng)兩個氣象觀測站點之間的距離越近時，它們所測氣象要素值也應(yīng)越接近。本文將被檢站的觀測值與其鄰近測站的觀測值進行比較，采用二次迭代的Barnes客觀分析方法（Barnes，1964），該方法中影響半徑（R）的取值與資料的空間分辨率有關(guān)，所以本文對國家站資料及區(qū)域站各要素資料所取的影響半徑有所不同（表4）。

二次迭代就是對經(jīng)過一次迭代檢查后的正確資料參與二次插值，以再次檢驗一次迭代后未通過檢查的資料正誤，減小錯誤資料的插值對周圍測站資料檢查產(chǎn)生的負面影響?？紤]到有些站點位于孤立高山上，其站點資料可能會影響空間一致性檢查的結(jié)果，所以在進行該檢查前，將海拔大于150 m、且周圍10 km內(nèi)鄰近測站少于3個的站點資料剔除，其中共剔除10個國家站和100個區(qū)域站，當(dāng)資料的觀測余差超過其標(biāo)準(zhǔn)差的3倍時標(biāo)識為可疑資料，超過其標(biāo)準(zhǔn)差的4倍時標(biāo)識為錯誤資料。

圖8是空間一致性檢查各要素的一次、二次迭代的未通過率。第二次迭代后，各要素的未通過率與第一次迭代相比，均有一定程度的減少，且可疑率減少較明顯，但各要素的錯誤率在增加，說明二次迭代后，更多的錯誤資料被標(biāo)識出來，同時減少由于該錯誤資料影響周圍測站資料未通過檢查的可能。除風(fēng)場資料外，其他各要素資料區(qū)域站的錯誤率要遠高于國家站。二次迭代后，國家站風(fēng)場資料的未通過率及錯誤率均為最高，未通過率分別為1159%和0814%，氣壓資料的未通過率最低；區(qū)域站中未通過率最高的是風(fēng)向資料1316%，其次是氣壓資料1258%，而錯誤率最高的是氣壓資料1110%，其次是相對濕度0760%，氣溫資料的未通過率最低。國家站未通過檢查的各要素都是可疑資料所占比例較大，而區(qū)域站未通過檢查的溫、壓、濕要素則是錯誤資料占了絕大部分。

時間一致性檢查是依據(jù)氣象要素隨時間變化的連續(xù)性，將被檢時次的觀測資料與其鄰近時次的觀測資料進行比較，該方法檢查的敏感度與資料的時間分辨率有關(guān)。本文用24 h內(nèi)國家站或區(qū)域站所有站點相鄰時次的觀測值的變化范圍（后一時間的觀測值減去前一時次的觀測值）的標(biāo)準(zhǔn)差作為判據(jù)，來判斷資料的質(zhì)量，當(dāng)相鄰時次的要素資料變化范圍超過3倍判據(jù)時，則標(biāo)識為可疑資料，變化范圍超過4倍判據(jù)時，則標(biāo)識為錯誤資料。

圖9是時間一致性檢查各要素的未通過率?？梢姡瑖艺竞蛥^(qū)域站資料各要素的檢查結(jié)果相差不大，且未通過檢查的資料基本為可疑資料，即沒有較大異常的不理想突變，其中可疑資料最多的是風(fēng)向資料，可疑率分別為1630%和1675%，其次是相對濕度資料，可疑率分別為0851%和0927%，氣壓資料的可疑率相對最小。

持續(xù)性檢查與時間一致性檢查相反，是從氣象要素時間變化的另一個角度來檢查觀測資料是否合理，當(dāng)觀測資料連續(xù)多個時次沒有變化或者變化太小時，可能是由于儀器出現(xiàn)故障或者數(shù)據(jù)傳輸出現(xiàn)問題等，認為該系列資料是可疑的。本文選定時間步長為48 h，當(dāng)要素48 h內(nèi)變化的標(biāo)準(zhǔn)差小于給定的判據(jù)時，則標(biāo)識為可疑資料。

圖10是持續(xù)性檢查各要素的可疑率。國家站資料各要素除相對濕度外，幾乎全部通過檢查，這可能與濕敏電阻的敏感性較差有關(guān)，相對濕度要素的可疑率為0069%；區(qū)域站各要素資料的可疑率均明顯高于國家站，可見區(qū)域站設(shè)備及傳感器的檢修與維護等方面遠不及國家站水平，區(qū)域站風(fēng)速資料的可疑率最高為0954%，其次是氣壓和風(fēng)向資料，可疑率分別為0739%和0714%，氣溫資料的可疑率明顯低于其他要素。

不同的質(zhì)量檢查方法都有其本身的針對性與局限性，其對不同原因產(chǎn)生的錯誤資料的敏感程度也不相同，只采用一種檢查方法判定資料正誤的可信度較低。而綜合決策算法是將前6種檢查方法的結(jié)果綜合考慮，進一步判別可疑資料的正誤，其效果直接受各單項檢查方法的好壞影響，其結(jié)果的可信度則高于前6種任意單項檢查方法的結(jié)果，具體步驟如下：

1）對資料進行標(biāo)識：未經(jīng)過質(zhì)量控制的資料標(biāo)識為0；正確資料標(biāo)識為1；可疑資料標(biāo)識為2；錯誤資料標(biāo)識為3。

2）對經(jīng)過質(zhì)量控制的資料的大于1的標(biāo)識進行求和。

3）當(dāng)質(zhì)量標(biāo)識之和大于4時，即該資料至少未通過兩種質(zhì)量控制方法的檢查，且至少一次被標(biāo)識為錯誤資料，則將該資料最終質(zhì)量標(biāo)識置為3。

4）當(dāng)質(zhì)量標(biāo)識之和等于4時，考慮到空間一致性檢查的敏感度較高，若該資料通過空間一致性檢查（即質(zhì)量標(biāo)識為1），則將該資料最終質(zhì)量標(biāo)識置為2；若該資料在空間一致性檢查中標(biāo)識為2，則將該資料最終質(zhì)量標(biāo)識置為3。

5）當(dāng)質(zhì)量標(biāo)識之和等于3時（即只在一種檢查中質(zhì)量標(biāo)識為錯誤資料，其余檢查均通過），考慮內(nèi)部一致性檢查出的錯誤資料肯定為錯誤資料，其余則考慮是極端天氣事件或局地中小尺度天氣現(xiàn)象，若該資料未通過內(nèi)部一致性檢查，則將該資料最終質(zhì)量標(biāo)識置為3，其余情況則將該資料最終質(zhì)量標(biāo)識置為2。

圖11是綜合決策算法檢查各要素的未通過率。在未通過檢查的資料中，可疑資料所占比例較大；區(qū)域站各要素資料的未通過率及錯誤率均明顯高于國家站。風(fēng)向資料的未通過率及風(fēng)場資料的錯誤率在國家站和區(qū)域站中均是最高，國家站和區(qū)域站中風(fēng)向的未通過率分別為2791%、5185%，風(fēng)向、風(fēng)速的錯誤率分別為0381%、0304%和1929%、1855%；國家站的氣壓資料及區(qū)域站的氣溫資料，其未通過率及錯誤率均為最低，資料質(zhì)量相對最好。

圖12是采用不同質(zhì)量控制方法對國家站和區(qū)域站資料檢查各要素資料的錯誤率。各要素資料基本通過氣候界限值檢查；國家站各要素和區(qū)域站氣溫、氣壓、相對濕度要素經(jīng)過空間一致性檢查出的錯誤率最高。綜合決策算法并不是將各種檢查方法的結(jié)果進行簡單的疊加，而是將所有檢查方法進行綜合考慮，所以其檢查出的各要素錯誤資料并非最多。整體而言，國家站各要素資料的質(zhì)量均明顯優(yōu)于區(qū)域站，自動站各要素中氣溫、氣壓資料的質(zhì)量最好，其次是相對濕度，風(fēng)場資料的質(zhì)量最差。

23可疑站點統(tǒng)計

為了更好地分析質(zhì)量控制結(jié)果，統(tǒng)計了自動站各要素錯誤資料數(shù)最多的站點。表5、表6分別是國家站、區(qū)域站各要素錯誤資料最多的前10個站點。國家站中，溫度、氣壓、濕度要素均可疑的站點有58265、58520，溫度、濕度要素均可疑的站點有58041、58040、58432，溫度、氣壓要素均可疑的站點有58531，風(fēng)場錯誤資料的分布相對均勻；區(qū)域站中，站點779374的溫度、濕度要素均可疑，另外比較

明顯的有氣壓要素最為可疑的站點739155、734758、738556，濕度要素最為可疑的站點773752及風(fēng)場最為可疑的站點773559、733456。標(biāo)記出的可疑站點，其可疑的原因可能是站點的數(shù)據(jù)傳輸有問題、相應(yīng)的傳感器出現(xiàn)偏差、觀測儀器老化或者出現(xiàn)故障等，將各測站錯誤資料的信息和突出的可疑站點信息反饋給相應(yīng)測站，便于其及時檢修、維護測站，對錯誤資料進行時空訂正，以及研究不同儀器適應(yīng)性偏差的修正技術(shù)。

3結(jié)論與討論

江蘇和安徽是較發(fā)達的省份，經(jīng)常因各類氣象災(zāi)害造成重大損失，因此有效利用各類觀測資料提高天氣預(yù)報能力是氣象工作者重點關(guān)注的問題，本文針對兩省布設(shè)較多的地面自動站資料質(zhì)量控制方法入手，探討了各類自動站資料的質(zhì)量及其控制方法，得到如下結(jié)論：

1）本文從地面自動站資料本身的特點出發(fā)，利用氣候界限值檢查、氣候極值檢查、內(nèi)部一致性檢查、二次迭代的空間一致性檢查、時間一致性檢查、持續(xù)性檢查及綜合決策算法這7種質(zhì)量控制方法，對蘇皖地區(qū)2012—2014年3 a的自動站溫度、氣壓、濕度、風(fēng)場資料進行了較為系統(tǒng)的質(zhì)量控制過程，有效地檢查出了資料中存在的各種錯誤信息。

2）國家站各要素資料的缺測率要明顯小于區(qū)域站資料，經(jīng)質(zhì)量檢查后兩者的結(jié)果也有一定的差異，總體而言，國家站資料質(zhì)量要明顯優(yōu)于區(qū)域站資料；自動站各要素資料中，溫度、氣壓資料質(zhì)量最好，其次是濕度，風(fēng)場資料的質(zhì)量最差。

3）國家站資料是經(jīng)過簡單質(zhì)量控制的，因此其在前3種檢查方法（氣候界限值檢查、氣候極值檢查、內(nèi)部一致性檢查）中的未通過率明顯小于區(qū)域站資料；在空間一致性檢查中，經(jīng)過二次迭代后資料的未通過率均有所減小，而錯誤資料有所增多，國家站溫度、氣壓、濕度要素的未通過率及錯誤率明顯低于區(qū)域站，而風(fēng)場資料檢查結(jié)果差別不大；在時間一致性檢查中兩者結(jié)果較為一致；在持續(xù)性檢查中，區(qū)域站資料的未通過率遠遠高于國家站資料。

4）對國家站和區(qū)域站均標(biāo)記出一些不同要素相對應(yīng)的可疑站點，可以將各測站質(zhì)量控制后的結(jié)果，尤其是錯誤資料及可疑資料的信息及時反饋給相應(yīng)測站，便于其及時檢修與維護測站，并且對錯誤資料進行時空訂正。下一步的工作是實地考察可疑站點，找出可能的影響因子以研究儀器的適應(yīng)性偏差修正技術(shù)，并進一步進行誤差機理分析及誤差空間分布特征的研究，以便建立觀測資料的誤差訂正與質(zhì)量控制模型。

參考文獻（References）

Barnes S L，1964.A technique for maximizing details in numerical weather map analysis[J].J Appl Meteor Climatol，3：396409.

馮良敏，2012.自動站資料質(zhì)量控制及其三維變分同化研究[D].南京：南京信息工程大學(xué).Feng L M，2012.Study on surface automatic weather station data quality control and its three dimensional variational assimilation[D].Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

傅娜，陳葆德，譚燕，等，2014.上海自動站氣溫資料的空間質(zhì)量控制與特征分析[J].大氣科學(xué)學(xué)報，37（2）：199207.Fu N，Chen B D，Tan Y，et al.，2014.Spatial quality control and characteristic analysis of AWS temperature data in Shanghai[J].Trans Atmos Sci，37（2）：199207.（in Chinese）.

黃興友，唐云志，張長春，2017.黃山黟縣雙套自動觀測站數(shù)據(jù)的質(zhì)量評估[J].大氣科學(xué)學(xué)報，40（2）：263272.Huang X Y，Tang Y Z，Zhang C C，2017.Data quality evaluation of the doubleset automatic weather station in Yixian，Huangshan[J].Trans Atmos Sci，40（2）：263272.（in Chinese）.

Hubbard K G，You J S，2005.Sensitivity analysis of quality assurance using the spatial regression approach—a case study of the maximum/minimum air temperature[J].Journal of Atmospheric and Oceanic Technology，22（10）：15201530.

劉小寧，任芝花，2005.地面氣象資料質(zhì)量控制方法研究概述[J].氣象科技，33（3）：199203.Liu X N，Ren Z H，2005.Progress in quality control of surface meteorological data[J].Meteor Sci Tech，33（3）：199203.（in Chinese）.

馬旭林，和杰，周勃旸，等，2017.非高斯分布觀測誤差資料的變分質(zhì)量控制對暴雨預(yù)報的影響[J].大氣科學(xué)學(xué)報，40（2）：170180.Ma X L，He J，Zhou B Y，et al.，2017.Effect of variational quality control of NonGaussian distribution observation error on heavy rainfall prediction[J].Trans Atmos Sci，40（2）：170180.（in Chinese）.

任芝花，趙平，張強，等，2010.適用于全國自動站小時降水資料的質(zhì)量控制方法[J].氣象，36（7）：123132.Ren Z H，Zhao P，Zhang Q，et al.，2010.Quality control procedure for hourly precipitation data from automatic weather stations in China[J].Meteor Mon，36（7）：123132.（in Chinese）.

任芝花，張志富，孫超，等，2015.全國自動氣象站實時觀測資料三級質(zhì)量控制系統(tǒng)研制[J].氣象，41（10）：12681277.Ren Z H，Zhang Z F，Sun C，et al.，2015.Development of threestep quality control system of realtime observation data from AWS in China[J].Meteor Mon，41（10）：12681277.（in Chinese）.

Steinacker R，Mayer D，Steiner A，2011.Data quality control based on selfconsistency[J].Mon Wea Rev，139（12）：39743991.

陶士偉，仲躋芹，徐枝芳，等，2009.地面自動站資料質(zhì)量控制方案及應(yīng)用[J].高原氣象，28（5）：12021209.Tao S W，Zhong J Q，Xu Z F，et al.，2009.Quality control schemes and its application to automatic surface weather observation system[J].Plateau Meteor，28（5）：12021209.（in Chinese）.

王伯民，2004.基本氣象資料質(zhì)量控制綜合判別法的研究[J].應(yīng)用氣象學(xué)報，15（Z1）：5059.Wang B M，2004.A study on synthetic differentiation method for basic meteorological data quality control[J].J Appl Meteor Sci，15（Z1）：5059.（in Chinese）.

徐枝芳，陳小菊，王軼，2013.新建地面氣象自動站資料質(zhì)量控制方法設(shè)計[J].氣象科學(xué)，33（1）：2636.Xu Z F，Chen X J，Wang Y，2013.Quality control scheme for newbuilt automatic surface weather observation stations data[J].J Meteor Sci，33（1）：2636.（in Chinese）.

Xu Z F，Wang Y，F(xiàn)an G Z，2013.A twostage quality control method for 2m temperature observations using biweight means and a progressive EOF analysis[J].Mon Wea Rev，141（2）：798808.

葉篤正，曾慶存，郭裕福，1991.當(dāng)代氣候研究[M].北京：氣象出版社：211.Ye D Z，Zeng Q C，Guo Y F，1991.Study of contemporary climate[M].Beijing：China Meteorological Press：211.（in Chinese）.

葉小嶺，周建華，熊雄，2014.一種基于GEP的地面氣溫觀測資料的質(zhì)量控制方法[J].熱帶氣象學(xué)報，30（6）：11961200.Ye X L，Zhou J H，Xiong X，2014.A GEPbased method for quality control of surface temperature observations[J].J Trop Meteor，30（6）：11961120.（in Chinese）.

葉小嶺，施林紅，熊雄，等，2016.AI方法在地面氣溫觀測資料質(zhì)量控制中的應(yīng)用[J].氣候與環(huán)境研究，21（1）：17.Ye X L，Shi L H，Xiong X，et al.，2016.Application of AI method to quality control in surface temperature observation data[J].Climatic Environ Res，21（1）：17.（in Chinese）.

You J S，Hubbard K G，2006.Quality control of weather data during extreme events[J].Journal of Atmospheric and Oceanic Technology，23（2）：184197.

Zahumensk I，2004.Guidelines on quality control procedures for data from automatic weather station[R].World Meteorological Organization.

張寧，江志紅，吳立廣，2010.江蘇省自動站與基礎(chǔ)站降水觀測資料質(zhì)量分析[J].大氣科學(xué)學(xué)報，33（5）：606614.Zhang N，Jiang Z H，Wu L G，2010.Quality analysis of rainfall data from automatic weather station and basic weather station in Jiangsu Province[J].Trans Atmos Sci，35 （5）：606614.（in Chinese）.

趙虹，秦正坤，王金成，等，2015.經(jīng)驗正交函數(shù)分解質(zhì)量控制法在地面觀測變分同化中的個例研究與應(yīng)用[J].氣象學(xué)報，73（4）：749765.Zhao H，Qin Z K，Wang J C，et al.，2015.Case studies and application of the Empirical Orthogonal Function quality control in variational data assimilation systems for surface observation data[J].Acta Meteorologica Sinica，73（4）：749765.（in Chinese）.

趙煜飛，任芝花，張強，2011.適用于全國氣象自動站正點相對濕度資料的質(zhì)量控制方法[J].氣象科學(xué)，31（6）：687693.Zhao Y F，Ren Z H，Zhang Q，2011.Quality control procedure for hourly relative humidity data from national automatic weather stations[J].J Meteor Sci，31（6）：687693.（in Chinese）.

中國氣象局，2003.地面氣象觀測規(guī)范[M].北京：氣象出版社.China Meteorological Bureau，2003.Specification of surface observation[M].Beijing：China Meteorological Press.（in Chinese）.

Quality control and result analysis for surface AWS data in Jiangsu and Anhui Provinces

MIN Jinzhong，WANG Chenjue，JIA Ruiyi

Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters（CICFEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China

It has important significance if the surface automatic weather stations （AWS） data with high spatial and temporal resolution can be fully applied in the weather forecast，but it is hard to ensure the quality of data for various reasons.AWS data from 151 national AWS and 2 600 regional AWS in Jiangsu and Anhui Provinces are selected to discuss the quality of all kinds of AWS data and the quality control（QC） scheme.Based on the AWS data from 2012 to 2014，the missing rates are estimated respectively.A systematic and sophisticated QC scheme containing the missing data statistics，the climate limit check，the climate extreme value check，the internal consistency check，the second iterated space consistency check，the time consistency check，the continuous check and the comprehensive decisionmaking algorithm is designed for selecting out accurate information and rejecting abnormal information.Whats more，the suspicious stations are marked according to the results of QC scheme.It turns out that not only the missing rates of national AWS data of various meteorological elements are apparently lower than the regional ones according to the statistics，but also the quality of national AWS data is obviously better than the regional ones in general.Among various elements，the quality of temperature and pressure data is best，the next is the quality of relative humidity data，and the quality of wind data is worst.The fail rates of all elements of regional AWS data are much higher than the national ones in the QC scheme，except for the wind field data in the second iterated space consistency check，which has little difference between the regional and national AWS data.If the results of QC scheme，especially the information of error data and suspicious stations can be provided to the corresponding stations in time，it is beneficial to the improvement of the realtime data quality and the maintenance and correction of corresponding instruments.

national automatic weather stations；regional automatic weather stations；missing data statistics；quality control；suspicious station

doi：1013878/j.cnki.dqkxxb.20160417001

（責(zé)任編輯：袁東敏）