基于名單控制方法的探空測(cè)風(fēng)數(shù)據(jù)質(zhì)量分析*

楊國彬 郭啟云 舒康寧 夏元彩

1 云南省氣象信息中心，昆明 650034 2 中國氣象局氣象探測(cè)中心，北京 100081

提 要： 提出一種基于觀測(cè)數(shù)據(jù)獲取率、獲取準(zhǔn)時(shí)率、質(zhì)量控制正確率和模式一致率的綜合名單控制方法，使用2019年全國120個(gè)探空站測(cè)風(fēng)數(shù)據(jù)對(duì)該方法進(jìn)行驗(yàn)證，并對(duì)觀測(cè)數(shù)據(jù)質(zhì)量進(jìn)行分析。結(jié)果顯示：名單控制可以有效檢查出觀測(cè)數(shù)據(jù)存在問題的站點(diǎn)，名單站點(diǎn)觀測(cè)數(shù)據(jù)相對(duì)于模式數(shù)據(jù)存在明顯的系統(tǒng)性偏差，偏差和均方根誤差相對(duì)于全國平均值都顯著偏大。探空測(cè)風(fēng)數(shù)據(jù)質(zhì)量較好，四季風(fēng)向、風(fēng)速觀測(cè)數(shù)據(jù)和模式數(shù)據(jù)較為一致，偏差分別在±1°和±1.5 m·s-1內(nèi)；秋季風(fēng)向一致性較好；夏季和冬季風(fēng)速一致性低于春季和秋季；風(fēng)向一致性春季和夏季隨氣壓減小先減小后增大，秋季和冬季則相反；風(fēng)速一致性隨氣壓減小基本呈三峰型變化。

引 言

探空觀測(cè)可以定點(diǎn)定時(shí)進(jìn)行高空氣象數(shù)據(jù)的觀測(cè)，受地物、地形及人類活動(dòng)的影響較小，其數(shù)據(jù)是我國主要的氣象數(shù)據(jù)類型之一(高山，2014)；與各種遙測(cè)技術(shù)，如風(fēng)廓線雷達(dá)相比(萬蓉等，2011；吳志根等，2013；曲巧娜等，2016；王棟成等，2019)，它具有探測(cè)精度高，探測(cè)距離遠(yuǎn)的特點(diǎn)(郭啟云等，2018b；曹曉鐘等，2019；胡姮等，2019)。探空觀測(cè)數(shù)據(jù)常被用于檢驗(yàn)數(shù)值預(yù)報(bào)、再分析和遙感探測(cè)產(chǎn)品(趙天保和符淙斌，2009；王金成等，2017；程凱琪等，2020；郭啟云等，2020b)，在科研、模式預(yù)報(bào)、天氣分析、農(nóng)業(yè)和各類氣象服務(wù)之中發(fā)揮著重要的作用(吳泓錕等，2019；李芳芳等，2019；錢媛等，2019)。但由于電磁干擾、儀器變性、信號(hào)突失、下沉氣流和儀器故障等情況會(huì)造成探空觀測(cè)數(shù)據(jù)異常，而探空觀測(cè)數(shù)據(jù)質(zhì)量會(huì)直接影響到數(shù)據(jù)應(yīng)用的效果，因此，在數(shù)據(jù)使用前需對(duì)其進(jìn)行必要的質(zhì)量控制(中國氣象局，2010)。

大氣風(fēng)場(chǎng)資料是天氣演變分析中最直觀和最有價(jià)值的資料之一(周長(zhǎng)艷等，2015)，根據(jù)大氣風(fēng)場(chǎng)的演變，尤其是高空風(fēng)，可以了解中小尺度強(qiáng)對(duì)流天氣發(fā)生發(fā)展的某些重要物理過程(張培昌等，2001；陳鵬等，2015;王麗吉和楊程，2018；李金輝等，2020)，比如高空槽脊的位置，高、低空急流的強(qiáng)度和深度，冷、暖平流的分布等；高時(shí)空分辨率和高精度的風(fēng)場(chǎng)觀測(cè)數(shù)據(jù)能夠有效提高數(shù)值天氣預(yù)報(bào)準(zhǔn)確性，對(duì)提高強(qiáng)對(duì)流生成發(fā)展趨勢(shì)預(yù)報(bào)能力有重要的意義(李娟等，2016)；此外，通過對(duì)高空風(fēng)的研究，可以為風(fēng)電開發(fā)企業(yè)和政府可持續(xù)開發(fā)利用風(fēng)能資源提供很多參考(孟丹等，2019)。而探空測(cè)風(fēng)是業(yè)務(wù)和科研主要高空風(fēng)觀測(cè)手段之一(董新寧等，2017)，因此，探空測(cè)風(fēng)數(shù)據(jù)的質(zhì)量一直是眾多學(xué)者關(guān)注的重點(diǎn)，國內(nèi)外已有很多機(jī)構(gòu)和學(xué)者采用不同方法對(duì)探空測(cè)風(fēng)數(shù)據(jù)進(jìn)行質(zhì)量控制(Durre et al，2006；Liao et al，2014；Houchi et al，2015；廖捷和周自江，2018；王丹等，2020)和質(zhì)量評(píng)估(郭啟云等，2018a)。

目前，我國針對(duì)探空測(cè)風(fēng)數(shù)據(jù)的質(zhì)量控制主要包括不同高度層的風(fēng)速允許值范圍檢查和水平風(fēng)場(chǎng)的垂直切變檢查等(汪萬林等，2011；Liao et al，2014)，或者通過模式預(yù)報(bào)場(chǎng)的評(píng)估結(jié)果進(jìn)行質(zhì)量控制(郭啟云等，2020a)。黑名單檢查可以剔除與背景場(chǎng)差異較大的觀測(cè)站點(diǎn)(White，2003；St-James and Laroche，2005)，但是目前針對(duì)探空觀測(cè)數(shù)據(jù)的黑名單通常來自和觀測(cè)數(shù)據(jù)質(zhì)量相關(guān)的一些先驗(yàn)信息，或者通過分析質(zhì)量控制結(jié)果、比較觀測(cè)和背景場(chǎng)的偏差等方式來確定(莊照榮等，2014)?，F(xiàn)有對(duì)于探空觀測(cè)數(shù)據(jù)的名單控制方法的研究存在定性化、判斷依據(jù)單一等問題，本文旨在提出一種基于觀測(cè)數(shù)據(jù)獲取、常規(guī)質(zhì)量控制和背景場(chǎng)檢查的綜合觀測(cè)數(shù)據(jù)名單控制方法，據(jù)其將觀測(cè)站點(diǎn)分別列入黑、黃、白名單，從而為數(shù)據(jù)用戶提供參考；使用2019年全國探空測(cè)風(fēng)數(shù)據(jù)對(duì)名單控制方法進(jìn)行驗(yàn)證，并對(duì)2019年全國探空測(cè)風(fēng)數(shù)據(jù)進(jìn)行質(zhì)量分析。

1 數(shù)據(jù)和方法

1.1 數(shù) 據(jù)

從全國綜合氣象信息共享平臺(tái)(China Integrated Meteorological Information Service System，CIMISS)(熊安元等，2015)獲取經(jīng)過國、省、臺(tái)站三級(jí)質(zhì)量控制的帶有質(zhì)量控制碼的2019年1月1日至12月31日119個(gè)(全國探空站共120個(gè)，沈陽站2019年4月1日起停止提供數(shù)據(jù))探空站每天兩個(gè)時(shí)次(00和12 UTC，下同)的探空測(cè)風(fēng)數(shù)據(jù)。通過對(duì)質(zhì)量控制結(jié)果的統(tǒng)計(jì)(表1)發(fā)現(xiàn)，2019年全國探空測(cè)風(fēng)數(shù)據(jù)質(zhì)量較好，各月正確數(shù)據(jù)占比均大于98%，數(shù)據(jù)缺測(cè)是探空測(cè)風(fēng)數(shù)據(jù)存在的主要問題，可疑和錯(cuò)誤均較少，部分月份會(huì)對(duì)數(shù)據(jù)進(jìn)行修改。

模式背景場(chǎng)資料采用相同時(shí)段的中國氣象局?jǐn)?shù)值預(yù)報(bào)中心研發(fā)的全球與區(qū)域同化預(yù)報(bào)系統(tǒng)(Global-Regional Assimilation and Prediction System，GRAPES)的東北半球區(qū)域中尺度預(yù)報(bào)產(chǎn)品GRAPES_GFS v2.0(張萌等，2019)，空間分辨率為0.25°×0.25°，垂直方向從1 000～10 hPa，共26層；本文使用的是每個(gè)觀測(cè)時(shí)次前一時(shí)次的12 h預(yù)報(bào)產(chǎn)品與觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析。

在名單站點(diǎn)分析中引入歐洲中期數(shù)值預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts，ECMWF，簡(jiǎn)稱EC)東北亞地區(qū)高分辨率數(shù)值確定性預(yù)報(bào)產(chǎn)品進(jìn)行對(duì)比分析，該數(shù)據(jù)空間分辨率為0.25°×0.25°，垂直方向從925～10 hPa，共19層，無30 hPa等壓面。

參照日本氣象廳(Japan Meteorological Agency，JMA)對(duì)探空測(cè)風(fēng)數(shù)據(jù)的評(píng)估標(biāo)準(zhǔn)(http:∥qc.kishou.go.jp/)進(jìn)行觀測(cè)數(shù)據(jù)粗大誤差的剔除，風(fēng)速涉及的標(biāo)準(zhǔn)等壓面包括1 000、925、850、700、500、400、300、250、200、150、100 hPa，風(fēng)向涉及的標(biāo)準(zhǔn)等壓面包括500、400、300、250、200、150 hPa，基于上述標(biāo)準(zhǔn)等壓面數(shù)據(jù)展開研究。

1.2 方 法

基于CIMISS探空測(cè)風(fēng)數(shù)據(jù)獲取量、數(shù)據(jù)獲取時(shí)間和數(shù)據(jù)質(zhì)量控制碼等有關(guān)信息計(jì)算觀測(cè)數(shù)據(jù)獲取率、獲取準(zhǔn)時(shí)率和質(zhì)量控制正確率，并基于觀測(cè)數(shù)據(jù)與GRAPES模式預(yù)報(bào)數(shù)據(jù)的偏差和均方根誤差計(jì)算模式一致率。定義綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)為R，則：

(1)

R=0.1R1+0.1R2+0.4R3+0.4R4

(2)

某站點(diǎn)某觀測(cè)時(shí)次，R1為實(shí)際從CIMISS獲取的數(shù)據(jù)總量與應(yīng)該獲取的數(shù)據(jù)總量的比率，只要任意從CIMISS獲取到該站任意標(biāo)準(zhǔn)等壓面的觀測(cè)數(shù)據(jù)，則認(rèn)為數(shù)據(jù)獲取成功；R2為每個(gè)觀測(cè)時(shí)次之后120 min內(nèi)獲取的數(shù)據(jù)總量與實(shí)際獲取的數(shù)據(jù)總量的比率；R3為標(biāo)準(zhǔn)等壓面上質(zhì)量控制碼為0(數(shù)據(jù)正確)、4(數(shù)據(jù)為修改值)的數(shù)據(jù)總量與實(shí)際獲取的數(shù)據(jù)總量的比率。

1.2.1 模式一致率

以GRAPES模式預(yù)報(bào)產(chǎn)品作為背景場(chǎng)數(shù)據(jù)，通過計(jì)算觀測(cè)數(shù)據(jù)與背景場(chǎng)數(shù)據(jù)的偏差(Bias)和均方根誤差(RMSE)，根據(jù)偏差小于閾值的比例計(jì)算出對(duì)應(yīng)的模式一致率R4。具體計(jì)算步驟如下：

若某時(shí)次某一標(biāo)準(zhǔn)等壓面上，某探空站點(diǎn)觀測(cè)數(shù)據(jù)為O，背景場(chǎng)數(shù)據(jù)為B，則觀測(cè)偏差為：

Bias=O-H(B)

(3)

式中:H為觀測(cè)算子，即通過水平和垂直的空間插值將格點(diǎn)上的背景場(chǎng)數(shù)據(jù)插值到站點(diǎn)。

某站點(diǎn)j觀測(cè)數(shù)據(jù)與背景場(chǎng)數(shù)據(jù)的均方根誤差為：

(4)

式中:M為計(jì)算時(shí)段內(nèi)，第j個(gè)觀測(cè)站點(diǎn)某一標(biāo)準(zhǔn)等壓面的觀測(cè)數(shù)據(jù)總量，則所有觀測(cè)站點(diǎn)的平均均方根誤差為：

(5)

式中:N為觀測(cè)站點(diǎn)總量。

(6)

1.2.2 名單控制標(biāo)準(zhǔn)

通過上述方法計(jì)算各探空站在每個(gè)觀測(cè)時(shí)次的數(shù)據(jù)質(zhì)量因子，進(jìn)行月平均，再根據(jù)式(2)計(jì)算得到各個(gè)站點(diǎn)的月平均綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)R，根據(jù)表2中的名單控制標(biāo)準(zhǔn)(相關(guān)界限值通過一年的數(shù)據(jù)多次試驗(yàn)得出，能夠較好地控制不同名單站點(diǎn)的比例)，將各觀測(cè)站點(diǎn)列入不同的名單。站點(diǎn)若被列入黑名單，則認(rèn)為其觀測(cè)數(shù)據(jù)可能存在較為嚴(yán)重的錯(cuò)誤；若被列入黃名單，則認(rèn)為其觀測(cè)數(shù)據(jù)可能存在錯(cuò)誤；若被列入白名單，則認(rèn)為其觀測(cè)數(shù)據(jù)正確。

表2 各站點(diǎn)觀測(cè)數(shù)據(jù)名單控制標(biāo)準(zhǔn)Table 2 List control standard for observation data of each station

1.2.3 質(zhì)量分析指標(biāo)

衡量任意兩個(gè)氣象要素之間關(guān)系密切程度的統(tǒng)計(jì)量是相關(guān)系數(shù)，對(duì)于觀測(cè)數(shù)據(jù)(O)與背景場(chǎng)數(shù)據(jù)(B)的相關(guān)系數(shù)計(jì)算公式為：

(7)

式中：Cov(O,B)為觀測(cè)數(shù)據(jù)與背景場(chǎng)數(shù)據(jù)的協(xié)方差;Var(O)、Var(B)分別為觀測(cè)數(shù)據(jù)與背景場(chǎng)數(shù)據(jù)的方差。相關(guān)系數(shù)越大，說明該層等壓面的觀測(cè)數(shù)據(jù)和背景場(chǎng)數(shù)據(jù)相關(guān)程度越大，數(shù)據(jù)一致性越高，本文采用t檢驗(yàn)法來對(duì)相關(guān)系數(shù)進(jìn)行顯著性水平檢驗(yàn)。

2 結(jié)果和分析

2.1 名單控制結(jié)果

通過對(duì)2019年全國探空站點(diǎn)風(fēng)向和風(fēng)速分別進(jìn)行名單控制，結(jié)果顯示，2019年全國探空站點(diǎn)風(fēng)向和風(fēng)速觀測(cè)數(shù)據(jù)質(zhì)量均較好，所有站點(diǎn)風(fēng)速逐月綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)均大于85%，無任何站點(diǎn)被列入黑、黃名單；由圖1可知，56146站風(fēng)向1月被列入黃名單、2—3月被列入黑名單，其他月份所有站點(diǎn)風(fēng)向綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)均大于90%。

圖1 2019年1月(a)，2月(b)，3月(c)，4月(d)風(fēng)向名單控制結(jié)果Fig.1 The resultsa of wind direction list control for January (a), February (b), March (c) and April (d) 2019

2.2 名單站點(diǎn)分析

表3給出了56146站2019年逐月質(zhì)量因子和綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)。由表3可知，1—3月該站風(fēng)向觀測(cè)數(shù)據(jù)模式一致率R4<70%，這是由300 hPa 以上部分等壓面偏差超過閾值造成的(圖2a)，從而導(dǎo)致綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)R<85%而被列入黃、黑名單。

從56146站1—4月風(fēng)向觀測(cè)數(shù)據(jù)與EC、GRA- PES模式數(shù)據(jù)平均偏差的垂直分布(圖2b)可以看出，該站風(fēng)向觀測(cè)數(shù)據(jù)相對(duì)于兩種模式數(shù)據(jù)均偏小，200 hPa及以上等壓面觀測(cè)數(shù)據(jù)相對(duì)于EC和GRAPES模式數(shù)據(jù)的偏差均超過閾值，因而可以確定為觀測(cè)數(shù)據(jù)異常造成偏差較大，導(dǎo)致模式一致率較低。因?yàn)樵撜?月和3月連續(xù)出現(xiàn)在黑名單中，對(duì)其進(jìn)行了跟蹤反饋，經(jīng)與臺(tái)站核實(shí)，判定為L(zhǎng)波段測(cè)風(fēng)雷達(dá)標(biāo)定存在問題造成數(shù)據(jù)異常，4月重新對(duì)雷達(dá)進(jìn)行找北標(biāo)定后，觀測(cè)數(shù)據(jù)不再有問題，5月以后風(fēng)向觀測(cè)數(shù)據(jù)模式一致率R4均為100%(表3)。這表明，本文提出的名單控制方法可以有效檢查出觀測(cè)數(shù)據(jù)存在問題的站點(diǎn)，對(duì)名單站點(diǎn)進(jìn)行跟蹤解決后可以有效提高觀測(cè)數(shù)據(jù)質(zhì)量。

表3 56146站2019年逐月質(zhì)量因子和綜合觀測(cè)數(shù)據(jù)質(zhì)量指數(shù)(單位：%)Table 3 Monthly quality factor and comprehensive observation data quality index at Station 56146 in 2019 (unit: %)

圖2 56146站觀測(cè)數(shù)據(jù)與GRAPES模式數(shù)據(jù)逐月偏差(a)和 1—4月觀測(cè)數(shù)據(jù)與EC、GRAPES模式數(shù)據(jù)平均偏差(b)Fig.2 The monthly Bias between observation data and GRAPES mode data (a) and average Bias between observation data and EC and GRAPES model data from January to April (b) at Station 56146

為進(jìn)一步分析名單站點(diǎn)與全國所有站點(diǎn)平均結(jié)果的差異，圖3分別給出了不同等壓面56146站和全國平均偏差和均方根誤差，由圖可知，所有等壓面56146站偏差相對(duì)于全國平均值偏差大于10°，均方根誤差較全國平均值偏大5°～7°；56146站偏差和均方根誤差相對(duì)于全國平均值的偏差極大值均出現(xiàn)在150 hPa，分別為11.6°和7.4°。

圖3 不同等壓面56146站和全國平均偏差(a)和均方根誤差(b)Fig.3 The Bias (a) and RMSE (b) of Station 56146 and national average with different mandatory levels

由上述分析可知150 hPa相對(duì)偏差是所有等壓面里面最大的，因此圖4給出了2019年1—4月56146站150 hPa的風(fēng)向觀測(cè)數(shù)據(jù)、EC和GRAPES模式數(shù)據(jù)逐時(shí)次變化序列。由圖可知，三種數(shù)據(jù)隨時(shí)間變化的趨勢(shì)一致；兩種模式數(shù)據(jù)差異不大，而觀測(cè)數(shù)據(jù)相對(duì)于模式數(shù)據(jù)存在明顯的系統(tǒng)性偏小，1月15日12 UTC開始系統(tǒng)性偏差顯著增大，2、3月偏差較大，對(duì)雷達(dá)重新進(jìn)行找北標(biāo)定后4月7日00 UTC開始偏差顯著減小。1—4月觀測(cè)數(shù)據(jù)與EC、GRAPES模式數(shù)據(jù)平均偏差分別為-13.2°、-10.4°，-13.4°、-12.5°，-12.3°、-12°，-9.5°、-8.8°。

圖4 2019年1月(a)，2月(b)，3月(c)和4月(d)56146站150 hPa的 風(fēng)向觀測(cè)數(shù)據(jù)、EC和GRAPES模式數(shù)據(jù)逐時(shí)次變化序列Fig.4 Hourly distribution of wind direction observation data, EC and GRAPES model data at Station 56146 at 150 hPa in January (a), February (b), March (c) and April (d) 2019

2.3 觀測(cè)數(shù)據(jù)質(zhì)量分析

為了進(jìn)一步分析2019年全國探空測(cè)風(fēng)的風(fēng)向和風(fēng)速數(shù)據(jù)質(zhì)量，分別從不同標(biāo)準(zhǔn)等壓面不同季節(jié)的風(fēng)向和風(fēng)速觀測(cè)數(shù)據(jù)與GRAPES模式數(shù)據(jù)的偏差、均方根誤差、相關(guān)系數(shù)三個(gè)方面對(duì)2019年探空測(cè)風(fēng)數(shù)據(jù)進(jìn)行質(zhì)量分析，相關(guān)指標(biāo)的計(jì)算和統(tǒng)計(jì)都是基于標(biāo)量法進(jìn)行的。

2.3.1 偏差

由表4可知，四季各等壓面風(fēng)向偏差均在±1°內(nèi)。春季500～250 hPa為負(fù)偏差，其他等壓面為正偏差，負(fù)偏差隨氣壓減小而減小，正偏差則反之；夏季除250和200 hPa外均為正偏差，總體來說偏差絕對(duì)值隨氣壓減小先減小后增大；秋季各等壓面正負(fù)偏差交替出現(xiàn)，偏差絕對(duì)值隨氣壓減小先增大后減小；冬季各等壓面均為負(fù)偏差，偏差絕對(duì)值隨氣壓減小基本呈“W”型變化。所有等壓面絕對(duì)偏差平均值秋季遠(yuǎn)小于其他季節(jié)；不同等壓面各季節(jié)絕對(duì)偏差在500 hPa：冬季>春季>夏季>秋季，400 hPa：夏季>秋季>冬季>春季，300 hPa：冬季>秋季>春季>夏季，250 hPa：冬季較大，200和150 hPa：春季>夏季>冬季>秋季。

表4 各季節(jié)各等壓面風(fēng)向偏差(單位：°)Table 4 Bias of wind direction at different mandatory levels in each season (unit: °)

由表5可知，四季各等壓面風(fēng)速偏差均在±1.5 m·s-1內(nèi)，1 000 hPa均為負(fù)偏差，其他等壓面以正偏差為主，偏差隨氣壓減小基本呈三峰型變化，峰值分別出現(xiàn)在1 000、700和200 hPa。春季和冬季250和200 hPa偏差較大，夏季和秋季1 000 hPa偏差較大。所有等壓面絕對(duì)偏差平均值冬季>夏季>秋季>春季；不同等壓面各季節(jié)絕對(duì)偏差在1 000 hPa：秋季>夏季>冬季>春季，925 hPa:春季>秋季>夏季>冬季，850和500 hPa夏季偏差較大，其他等壓面冬季較大。

表5 同表4，但為風(fēng)速(單位：m·s-1)Table 5 Same as Table 4, but for wind speed (unit: m·s-1)

2.3.2 均方根誤差

由表6和表7可知，四季各等壓面風(fēng)向均方根誤差在4.58°～15.65°，隨氣壓減小而減小，不同等壓面均方根誤差大小均是夏季>秋季>春季>冬季。四季各等壓面風(fēng)速均方根誤差在2.07～4.54 m·s-1，隨氣壓減小先增大后減小，700 hPa及以下等壓面均方根誤差均小于3 m·s-1，300和250 hPa等壓面均方根誤差較其他等壓面大；不同等壓面各季節(jié)均方根誤差在1 000 hPa秋季>冬季>夏季>春季，其他等壓面春季最大、秋季最小。

表6 各季節(jié)各等壓面風(fēng)向均方根誤差(單位：°)Table 6 RMSE of wind direction in different mandatory levels in each season (unit: °)

表7 同表6，但為風(fēng)速(單位：m·s-1)Table 7 Same as Table 6, but for the wind speed (unit: m·s-1)

2.3.3 相關(guān)系數(shù)

由表8可知，四季各等壓面風(fēng)向相關(guān)系數(shù)均大于0.80，并且通過了0.01的顯著性水平檢驗(yàn)，均隨氣壓減小而增大；不同等壓面各季節(jié)相關(guān)系數(shù)在500 hPa夏季、秋季較冬季、春季大，400 hPa及以上等壓面秋季、冬季較春季、夏季大。

表8 各季節(jié)各等壓面風(fēng)向相關(guān)系數(shù)Table 8 Correlation coefficient of wind direction at different mandatory levels in each season

由表9可知，四季各等壓面風(fēng)速相關(guān)系數(shù)在0.57～0.95，都通過了0.01的顯著性水平檢驗(yàn)，春季、夏季隨氣壓減小先增大后減小，秋季、冬季925 hPa 較上下等壓面略大，850～100 hPa隨氣壓減小先增大后減?。?00 hPa以下等壓面各季節(jié)相關(guān)系數(shù)差異不大，其他等壓面冬季最大夏季最小。

表9 同表8，但為風(fēng)速Table 9 Same as Table 8, but for wind speed

3 結(jié) 論

本文提出一種基于觀測(cè)數(shù)據(jù)獲取、常規(guī)質(zhì)量控制和背景場(chǎng)檢查的綜合觀測(cè)數(shù)據(jù)名單控制方法，使用2019年全國探空測(cè)風(fēng)數(shù)據(jù)對(duì)該方法進(jìn)行了驗(yàn)證，對(duì)名單控制結(jié)果進(jìn)行了分析，并對(duì)探空測(cè)風(fēng)的風(fēng)向和風(fēng)速數(shù)據(jù)進(jìn)行質(zhì)量分析，得到以下主要結(jié)論：

(1)2019年全國探空測(cè)風(fēng)數(shù)據(jù)質(zhì)量較好，數(shù)據(jù)缺測(cè)是探空測(cè)風(fēng)數(shù)據(jù)存在的主要問題，可疑和錯(cuò)誤數(shù)據(jù)均較少。名單控制可以有效檢查出觀測(cè)數(shù)據(jù)存在問題的站點(diǎn)，名單站點(diǎn)觀測(cè)數(shù)據(jù)隨時(shí)間變化的趨勢(shì)與不同模式數(shù)據(jù)一致，但相對(duì)于模式數(shù)據(jù)存在明顯的系統(tǒng)性偏差，偏差和均方根誤差相對(duì)于全國平均值都顯著偏大。

(2)相對(duì)于模式數(shù)據(jù)，四季各等壓面風(fēng)向偏差在±1°內(nèi)，春季、夏季偏差絕對(duì)值隨氣壓減小先減小后增大，秋季、冬季則隨氣壓減小先增大后減?。淮杭?50 hPa以下等壓面觀測(cè)數(shù)據(jù)小于模式數(shù)據(jù)，250 hPa以上則相反，夏季除250和200 hPa外觀測(cè)數(shù)據(jù)均大于模式數(shù)據(jù)，秋季觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)較為一致，正負(fù)偏差交替出現(xiàn)，冬季所有等壓面觀測(cè)數(shù)據(jù)小于模式數(shù)據(jù)。四季各等壓面風(fēng)速偏差在±1.5 m·s-1內(nèi)，偏差隨氣壓減小基本呈分別在1 000、700和200 hPa出現(xiàn)峰值的三峰型變化；除1 000 hPa外，觀測(cè)數(shù)據(jù)基本都大于模式數(shù)據(jù)，總體來說，春季、秋季較夏季、冬季觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)更為一致。

(3)相對(duì)于模式數(shù)據(jù)，四季各等壓面風(fēng)向均方根誤差在4.58°～15.65°，隨氣壓減小而減??；不同等壓面均方根誤差大小均是夏季>秋季>春季>冬季。四季各等壓面風(fēng)速均方根誤差在2.07～4.54 m·s-1，隨氣壓減小先增大后減小；除1 000 hPa外，各等壓面均方根誤差春季最大、秋季最小。

(4)四季風(fēng)向、風(fēng)速觀測(cè)數(shù)據(jù)和模式數(shù)據(jù)顯著相關(guān)，風(fēng)向平均相關(guān)系數(shù)均大于0.8，風(fēng)速相關(guān)系數(shù)在0.57～0.95，各季節(jié)風(fēng)向、風(fēng)速相關(guān)系數(shù)基本隨氣壓減小而增大。所有等壓面風(fēng)向相關(guān)系數(shù)平均值為秋季>冬季>夏季>春季；風(fēng)速夏季略小，其他季節(jié)相當(dāng)。