周坤論，黃劍釗，陶 偉，李艷萍，李 強

（1.廣西壯族自治區(qū)氣象技術(shù)裝備中心，南寧 530022；2.廣西壯族自治區(qū)氣象信息中心，南寧 530022）

引言

天氣現(xiàn)象是指一定條件下在大氣、地面出現(xiàn)并可以觀測到的物理現(xiàn)象，主要分為降水現(xiàn)象、地面凝結(jié)、視程障礙、雷電及其它現(xiàn)象等5 大類。其中降水類天氣現(xiàn)象有3 大類11 種，分別為液態(tài)降水（雨、陣雨、毛毛雨）、固態(tài)降水（雪、陣雪、冰粒、米雪、霰、冰雹）、混合降水（雨夾雪、陣性雨夾雪）［1］。

早期，由于相關(guān)探測技術(shù)還不成熟，降水類天氣現(xiàn)象一直都是人工觀測。而人工觀測存在主觀性強、簡單化、定性化等問題，對不同降水類型以及起始和結(jié)束時間的判斷存在一定難度，尤其是夜間降水觀測。為開展天氣現(xiàn)象自動化觀測，推動氣象現(xiàn)代化建設(shè)，2010 年以來，中國氣象局相關(guān)研究人員根據(jù)目前自動化觀測技術(shù)的發(fā)展現(xiàn)狀對其展開調(diào)研［2］；并對我國主要氣象臺站（50 年來）長期觀測天氣現(xiàn)象進行了詳細分析［3］；隨后開展了降水現(xiàn)象儀的試驗并于2015 年完成考核［4］。與此同時，為克服人工觀測的主觀性，針對目前國內(nèi)對雨滴譜降水現(xiàn)象儀常用標定方法存在的問題，中國氣象局探測中心杜波等人開展了雨滴譜降水現(xiàn)象儀對比觀測實驗［5］和雨滴譜降水現(xiàn)象儀綜合測試系統(tǒng)的設(shè)計［6］；國內(nèi)各省份也先后進行降水天氣現(xiàn)象平行觀測數(shù)據(jù)對比分析［7-11］。此外，更多科研人員基于雨滴譜降水現(xiàn)象儀資料的特征統(tǒng)計研究［12］以及在雷達定量評估降水方面也做了大量的研究［13，14］。

近年來，氣象部門開始布設(shè)降水類天氣現(xiàn)象儀，廣西作為首批開展降水類天氣現(xiàn)象平行觀測的省級單位，全區(qū)所有國家級地面氣象觀測站（91 個）于2017 年8 月1 日正式運行，其中，所選用的設(shè)備有DSG1（40 個）、DSG4（10 個）、DSG5（41 個）等3 種型號。人工觀測記錄包括雨、陣雨、毛毛雨、雪、陣雪、雨夾雪、陣性雨夾雪、冰雹等8 種降水現(xiàn)象［15］；自動化觀測則包括雨、毛毛雨、雪、雨夾雪、冰雹等5 種。設(shè)備識別的陣雨、陣雪、陣性雨夾雪分別訂正為雨、雪、雨夾雪。

本文主要對2017 年8 月至2018 年7 月期間廣西91 個國家級地面氣象觀測站自動觀測數(shù)據(jù)進行統(tǒng)計，結(jié)合人工觀測記錄進行對比分析，指出設(shè)備算法識別降水類天氣現(xiàn)象存在的問題，其研究結(jié)果可為評估設(shè)備性能優(yōu)劣方面提供參考。

1 資料和方法

1.1 資料來源

數(shù)據(jù)資料來源于廣西壯族自治區(qū)氣象信息中心，選取2017 年8 月—2018 年7 月廣西所有國家級地面氣象觀測站人工觀測與自動觀測降水類天氣現(xiàn)象數(shù)據(jù)。根據(jù)業(yè)務(wù)改革，人工觀測要求嚴格按照《地面氣象觀測規(guī)范》要求進行，白天期間（08∶00—20∶00）各地市臺站值班員分別在08∶00、11∶00、14∶00、17∶00、20∶00 定時觀測五次，及時記錄出現(xiàn)在視線區(qū)域內(nèi)的天氣現(xiàn)象。夜間出現(xiàn)天氣現(xiàn)象，盡量判斷，不記錄時間。因此觀測資料只選取白天08∶00—20∶00。

1.2 數(shù)據(jù)篩選

全區(qū)91 個站點，使用的降水現(xiàn)象儀類型如表1。DSG1 型40 個、DSG4 型10 個、DSG5 型41 個。若剔除個別臺站非設(shè)備原因與維護造成的缺測天數(shù)［16］，全區(qū)設(shè)備觀測數(shù)據(jù)總計33045d，共計23825445 條分鐘記錄。其中，設(shè)備正常運行狀態(tài)，剔除降水類現(xiàn)象缺測數(shù)據(jù)，有效數(shù)據(jù)應(yīng)為23800307 條（08∶00-20∶00）。

表1 降水現(xiàn)象儀類型

計算三種類型設(shè)備年缺測率結(jié)果如表2 所示，全區(qū)降水類天氣現(xiàn)象儀平均缺測率為0.11%，DSG1型缺測率（0.22%）明顯大于DSG4 型、DSG5 型，特別地三類設(shè)備中DSG5 型年應(yīng)觀測總次數(shù)最高（10675847 次），缺測率反而最低（0.01%）。

表2 降水現(xiàn)象儀的年缺測率（單位：%）

1.3 處理方法

廣西國家級地面氣象觀測站按現(xiàn)行業(yè)務(wù)要求開展降水類天氣現(xiàn)象觀測，人工觀測降水現(xiàn)象按照地面氣象觀測規(guī)范要求記錄，記錄降水的起始和結(jié)束時間，計算出每次降水過程中人工觀測降水的持續(xù)時間。以人工記錄時間為參照標準，通過統(tǒng)計以及分析不同類型設(shè)備平行觀測數(shù)據(jù)的捕獲率、吻合率、漏報率、錯報率、空報率，對DSG1、DSG4 和DSG5 型降水類天氣現(xiàn)象儀性能進行評估。計算公式如下［7-8］：

此外，在處理降水類天氣現(xiàn)象方面，結(jié)合廣西當?shù)貙嶋H天氣特征，人工甄別陣雨和毛毛雨方面存在很大的局限性，為減少人工觀測與設(shè)備觀測產(chǎn)生的誤差，統(tǒng)一把陣雨和毛毛雨歸為雨。因此，本研究將人工觀測和自動觀測資料降水類天氣現(xiàn)象分為雨、雪、雨夾雪、冰雹四類。DSG1、DSG4、DSG5 三類設(shè)備安裝的地市區(qū)域下文分別記為G1（南寧、梧州、貴港、玉林、百色、崇左）、G4（北海、防城港、欽州）、G5（柳州、桂林、賀州、河池、來賓）。

2 結(jié)果與分析

通常認為不同類型的設(shè)備觀測的降水類天氣現(xiàn)象也存在不同的差異。為探討設(shè)備類型對降水類天氣現(xiàn)象的識別差異以及與程序算法的關(guān)聯(lián)，對91 個臺站平行觀測資料進行統(tǒng)計分析，以人工觀測數(shù)據(jù)為參考標準，設(shè)備類型分為DSG1、DSG4、DSG5 三類，降水類型分為雨、雪、雨夾雪、冰雹四類。下文按設(shè)備類型分別對降水現(xiàn)象進行統(tǒng)計以及分析其捕獲率、吻合率、漏報率、錯報率、空報率。

2.1 自動觀測與人工觀測分鐘數(shù)對比

表3 為三類設(shè)備降水類天氣現(xiàn)象分鐘記錄表。由表可知，廣西全年降水類型主要以雨為主，人工觀測降雨發(fā)生的分鐘數(shù)均明顯大于設(shè)備觀測的，主要原因為廣西降雨普遍時斷時續(xù)，人工觀測時間段是連續(xù)的，而設(shè)備觀測則是分散不連續(xù)的。此外，廣西全年人工觀測到降雪、雨夾雪、冰雹的分鐘數(shù)較少，特別是G4 等區(qū)域人工沒有觀測到；但設(shè)備觀測到雪、雨夾雪、冰雹的分鐘數(shù)明顯比人工觀測的多。

表3 降水現(xiàn)象分鐘記錄數(shù)總計

2.2 自動觀測與人工觀測過程次數(shù)對比

自動觀測與人工觀測降水過程次數(shù)如表4?？傮w上，三類設(shè)備自動和人工觀測降水過程次數(shù)相差很大，相比于人工觀測，自動觀測過程次數(shù)均明顯更多。廣西各地市全年降水過程較多，設(shè)備和人工都較容易識別，而設(shè)備更精細化。若出現(xiàn)間歇性降水，設(shè)備可識別出多個降水過程而人工通常會記為一次；在識別雪、雨夾雪和冰雹方面，三種設(shè)備與人工觀測數(shù)據(jù)都存在很大誤差。

表4 不同設(shè)備降水現(xiàn)象過程次數(shù)總計（單位：次）

2.3 捕獲率、吻合率、漏報率、錯報率、空報率對比

（1）捕獲率對比

人工觀測降水過程起止期間，若自動觀測能夠正確識別該次降水類型的分鐘數(shù)達1min 以上即認為設(shè)備正確捕獲該次降水過程。由表5 可知，DSG1、DSG4、DSG5 三類設(shè)備對全年降雨過程的捕獲率超過了80%，特別是DSG5 型天氣現(xiàn)象儀捕獲率最高，達到了90%以上，與文獻［6］研究結(jié)果相近［6］。此外，全區(qū)人工觀測降雪、雨夾雪、冰雹過程次數(shù)極少，總計31 次；與降雨過程捕獲率相比，G1 區(qū)域6 次冰雹（捕獲率66.67%），G5 區(qū)域7次降雪（捕獲率57.14%），捕獲率均明顯偏低，尤其是G5 區(qū)域人工觀測雨夾雪14 次無正確捕獲。

（2）吻合率對比

由表5 可以看出，DSG1、DSG4 型識別降雨過程吻合率相近，且都超過50%，DSG5 型吻合率最高（58.22%），這與2.2 中的解釋一致，若出現(xiàn)間歇性降水，設(shè)備可精準識別出降水起止的分鐘數(shù)，而人工往往很難判斷降水起止時間，通常會記為連續(xù)性降水，從而出現(xiàn)降雨過程捕獲率高達80%以上，而吻合的分鐘數(shù)僅達到50%以上。另外，三類設(shè)備識別降雪、雨夾雪、冰雹的吻合率較低，結(jié)合2.1 設(shè)備與人工觀測分鐘數(shù)對比，自動觀測出現(xiàn)錯判降雪、雨夾雪、冰雹的分鐘數(shù)較多。

（3）漏報率對比

如表5 所示，與DSG1（47.95%）、DSG4（49.42%）型設(shè)備相比，DSG5 型漏報率略?。?1.15%）；DSG1型識別降雪（人工觀測24min）全部漏報，冰雹（人工觀測28min）漏報率為25%；總體上DSG5 型識別降雨、雪、雨夾雪、冰雹的漏報率都小于45%，較文獻［7］的研究結(jié)果略?。?］。結(jié)合實際觀測業(yè)務(wù)分析漏報主要原因，自動觀測分鐘數(shù)據(jù)分散不連續(xù)，普遍要比臺站人工觀測記錄的分鐘數(shù)少。

表5 不同設(shè)備識別降水現(xiàn)象的捕獲率、吻合率、漏報率、錯報率、空報率對比

（4）錯報率對比

如表5 所示，全區(qū)降雨較多，觀測分鐘數(shù)據(jù)量大，三類設(shè)備識別的降雨錯報率均較低。結(jié)合上述2.5，三類設(shè)備在識別降雪、雨夾雪、冰雹等降水類型方面，漏報和錯報占主導(dǎo)；雨夾雪的錯報率最高，主要原因是雨夾雪為混合降水，人工和設(shè)備識別難度較高；查看數(shù)據(jù)發(fā)現(xiàn)人工觀測為雪、雨夾雪、冰雹時候，設(shè)備多識別為雨。

（5）空報率對比

如表5 所示，三類設(shè)備空報率都較低，一年中無降水現(xiàn)象的時間較長，當人工觀測無降水時，自動觀測很少有降水現(xiàn)象發(fā)生，這樣使得人工沒觀測到降水現(xiàn)象的分鐘數(shù)很多，以致空報率極低。

2.4 錯判分析

據(jù)統(tǒng)計，近年來廣西全年出現(xiàn)雪、雨夾雪、冰雹的天氣非常少，結(jié)合2.1 和2.4，G1 區(qū)域全年人工觀測降雪24min（吻合分鐘數(shù)0）、冰雹28min（吻合分鐘數(shù)7）；G4 區(qū)域全年人工觀測無降雪、雨夾雪、冰雹；G5 區(qū)域人工觀測降雪537min（吻合分鐘數(shù)72）、雨夾雪432min（吻合分鐘數(shù)0）、冰雹26min（吻合分鐘數(shù)0）。綜合以上情況，相比于人工觀測，自動觀測降雪、雨夾雪、冰雹的分鐘數(shù)相對較多，雨誤判為雪、雨夾雪和冰雹等占絕大部分，特別是瞬時雨強較大的暴雨，雨滴重疊容易誤判為冰雹［17，18］，而G1 區(qū)域DSG1 型設(shè)備容易誤判為冰雹，而G5 區(qū)域DSG5 型設(shè)備容易誤判為雪，這可能與G1、G5 區(qū)域的降水雨強或者設(shè)備內(nèi)在的程序識別算法有關(guān)。此外，環(huán)境也是造成誤判的重要因素，如：草木灰、蜘蛛網(wǎng)、昆蟲等。

3 結(jié)論和討論

結(jié)合人工和自動觀測，對廣西2017 年8 月一2018 年7 月DSG1、DSG4 和DSG5 型降水類天氣現(xiàn)象儀自動觀測數(shù)據(jù)進行整理和統(tǒng)計分析，總結(jié)如下：

（1）廣西91 個國家站點數(shù)據(jù)完整性好，全區(qū)年降水以雨為主，設(shè)備平均缺測率符合不大于2%的要求，DSG5 型設(shè)備數(shù)據(jù)完整性最高（數(shù)據(jù)量最大，缺測率最低：0.01%）。

（2）在降水過程中，三類設(shè)備對降雨的捕獲率較高，均超過80%，DSG5 型設(shè)備捕獲率最高（90.18%），吻合率較好（大于50%），錯報率較低；但三類設(shè)備對雪、雨夾雪、冰雹的識別均較困難，但DSG1 型設(shè)備對冰雹的捕獲率為66.67%，DSG5 型設(shè)備對雪的捕獲率為57.14%；另外漏報和錯報率較高，特別是雨夾雪（錯報率70.6%）。

（3）人工觀測無降雪、雨夾雪、冰雹，三類設(shè)備均將雨誤判為雪、雨夾雪和冰雹的分數(shù)較多；特別地DSG1 型設(shè)備容易誤判為冰雹，DSG5 型設(shè)備容易誤判為雪。

綜上所述，降水類天氣現(xiàn)象儀自動化觀測對降雨過程識別較強，捕獲率較高，大大減輕了基層觀測人員的工作壓力，降低了人工觀測的主觀性，能全面連續(xù)地反映降水實情。但遇到暴雨時，雨滴重疊易將雨錯判為雪、雨夾雪、冰雹等，且漏報錯報率較高，三類設(shè)備需在雪、雨夾雪、冰雹等微降水和混合類降水方面進行更好地智能識別和質(zhì)控算法優(yōu)化。此外，廣西自動觀測與人工觀測期限為一年，且人工觀測對值班人員的專業(yè)技能及工作經(jīng)驗要求較高，數(shù)據(jù)質(zhì)量易受主觀判斷的影響，僅從缺測率、捕獲率、吻合率、漏報率、錯報率、空報率等還未能準確評估三類設(shè)備性能的優(yōu)劣，后期將從設(shè)備端識別的降水粒子的屬性分析，進一步加強雨滴譜的特征研究。