自动气象站地面风观测的质量保证外文翻译资料

 2022-12-12 17:18:16

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

自动气象站地面风观测的质量保证

佩德罗：吉姆acute;

J.菲德尔贡扎acute;

胡安·蒙塔acute;查韦斯

摘要

质量良好的气象数据对于了解全球和区域气候非常重要。在在温度和降水的相关记录评估方面已经做出了巨大努力。本研究总结了迄今为止在伊比利亚半岛东北部41个自动气象站获得的风速和风向记录质量的评估。（从1992年到2005年以10和30分钟的时间分辨率获得的观察结果）。采用质量保证体系来筛选1）存储和管理数据相关的操作错误的记录，2）确保观测值在其自然变化范围内，3）时间一致性，以评估各个时间序列中异常低/高的变化。此外，在可能的情况下对数据集中重要的偏差进行分析和校正。总共1.8％的风速和3.7％的风向记录被认为无效，指出风测量中的具体问题。这项研究不仅试图促进科学创造提高质量，但是可能在其他风力数据集中存在潜在错误。

1.引言

近年来，以下应用中对高质量风场观测的需求不断增长：风能资源的评估、质量研究框架中的运输和污染物的分散、由保险对极端风事件的分析、公司或者建筑物和结构的设计等。尽管有必要，但是具体处理与风相关的变量的数据更新过程很少（DeGaetano 1997，1998; Graybeal 2006）。因此，我们对潜在的气候风力数据集中的潜在错误的理解非常有限，阻碍了所需高质量数据集的创建。根据Gandin（1988），与气象记录相关的误差可以分为三大类：随机，系统和粗略误差。随机误差是测量定义所固有的，是真实大气状态的近似，不可避免。系统误差或多或少与纪录值中持续性引入偏差的因素相关联，。偏差可以由于任何给真值带来偏差的实际操作有关。例如，可以是记录仪器的重新校准，传感器的曝光或类型的变化，观察时间的变化等。以时间序列识别和校正这些偏差的技术被称为均匀性调整。粗糙误差与传感器的故障或在数据处理，传输，接收或存储期间引入的错误相关。识别和抑制这种第三类错误记录是任何质量控制（QC）过程的目标（Gandin 1988）。

识别和校正系统误差（或偏差）和抑制气候数据集中的粗糙误差是冗长和耗时的任务，这种过程称为质量保证（QA）。通常，QC和QA同义使用，但它们是两个不同的过程。这两个程序的目的是确保数据的质量，但前者是在获取数据期间执行期间进行，而后者则是针对已存在的数据。为了优化QA过程中所需的资源的使用，尤为重要的是理解常规观察活动以及可能影响测量获取的偶发事件，这种信息被称为元数据（WMO 2008），它通过特定的程序设计来帮助识别可疑观察，以评估记录的真实性。

地面气象观测可以手动或自动从气象站获取。可用于气候研究的第一大气记录来自手动控制站。迄今为止，温度和沉淀是研究最多的变量，因此与其测量相关的系统误差是最容易分析的（例如，Karl等人1989; Vincent等人2002; Wijngaard等人2003; Brunet等人等人2006）。主要重点是检测手工采集记录中的粗略错误，是异常检测（Filippov 1968; Grant和Leavenworth 1972; Eischeid等人1995; Peterson等人1998b; Gonzalez-Rouco等人2001） ，已经研究了更复杂的程序来处理其他类型的问题（Reek等人1992; Kunkel等人1998; Kunkel等人2005）。目前的研究主要集中在比较不同方法的性能以识别粗略误差（Hubbardet al。 2005，2007; You et al。 2007; Durre et al。 2008）。通过校正与温度和降水变量相关的误差获得的知识有利于校正其他手工获取的气象变量相关的误差，例如地表风，压力或湿度（例如，Graybeal等人2004a，b; Feng等人2004; Wan等人2007）。 DeGaetano（1997）开发了一个复杂的QC小时风记录，在美国东部41个站点近40年内手动测量中使用。被认为可疑记录的小百分比指示了数据的良好质量，但是不能排除其它潜在错误仍然可能存在于数据集上的可能性。在随后的研究（DeGaetano 1998）中，作者进一步分析了数据集中的偏差，找到甚至依赖维持气象站的机构的纪录、舍入问题以及处理区分的倾向。 Graybeal（2006）分析了极端风变量与日平均风速到达时间的关系，这些关系有利于评估极端风力记录的质量。

引入自动气象站其允许提高采样的时间分辨率。此外，观察是在一天的一定时间间隔进行的，从而消除了与观察时间变化相关的手动观察中的一些偏差（Wuetal.2005）。然而，新的自动协议引入了新类型的系统和粗糙度。例如，Wade（1987）确定了由于站附近的障碍物导致的风速记录以及由于风向标偏移的不正确放置而导致的风向偏差。然而，与在自动气象站获得的风记录相关的错误仅仅被分析为程序的一部分，只涉及校正其他气象变量中的错误，而不涉及与这种类型的测量相关的具体问题的深度（例如， Wade 1987; Meek and Hatfield 1994; Shafer et al.2000）。

表1.气象站的代码如图1所示。 1：名称，纬度，经度，海拔，地平面以上的传感器高度和安装日期

本研究总结了应用在41个自动气象站的观测结果。 首先，QA过程屏幕记录以检测粗略错误，以便随后分析，并且如果可能的话，纠正数据集中最重要偏差。 在13年期间以10或30分钟的时间分辨率收集可用的观察结果。 据我们所知，以前的研究没有专门提高从自动化天气预报中获得的风记录的质量，并且在这么长的时间内。 QC系统应用于数据在收购期间非常有限或不存在，因此错误记录的潜在数量可能会很高。 在这个意义上，研究不仅尝试提供改进的风力数据集，而且还讨论了可能出现在其他数据集中的潜在错误。

以下部分描述观测数据集。 第3节和第4节分别描述了用于处理粗糙和系统误差的QA过程的方法。 由处理粗糙误差的QA部分无效的记录的时空分布在第5节中给出，并且由于偏差的校正引入的修正是第6节讨论了修正的影响，第7节讨论了修正的影响，第8节给出了结论。

2 观测风数据

风速和风向测量资料是从1992年1月1日至2005年10月7日在位于西班牙东北部的一个复杂区域（图1）的Comunidad Foralde Navarra（CFN）上的41个自动气象站（表1）收集的。 这些站由三个不同的机构管理：Gobierno de Navarra（GN，图1中的圆圈），Agencia Estatal de Meteorologi。（AEMET，图1中的正方形）和Riegos de Navarra（RN，图1中的菱形）。 大多数电台位于遵循世界气象组织（WMO）标准的地点，但有些地点不符合这些标准。 例如，Pamplona Larrabide和Estella-Lizarra位于建筑物的顶部。 GN站的观测是通过调制解调器获得的，每天有三次呼叫，或者通过无线电中继实时地获得。 GN通过每日FTP从AEMET和RN收到观测值，它负责存储和维护整个数据集。 关于气象站的维护操作的元数据非常有限。 仅提供了从2000年到2002年年底为国家电台的风传感器所进行的操作的信息。所有站记录了以米每秒为单位的风速和相对于北的以度为单位的风向。然而，使用两个不同的风传感器来获取观测值。 GN和RN风传感器能够测量高达60 m/s的风速，并提供1.0 m /s的切入风速，而AEMET采用的风速计能够记录50 m /s的最大风速，呈现0.3m/ s的俯风速度。除了由RN管理的站之外，记录的时间分辨率为10分钟，其在2004年3月以后每30分钟提供风观测的平均值。

图1. CFN在伊比利亚半岛内的位置。 阴影代表高程（右）圆，正方形和菱形分别表示来自GN，AEMET和RN的气象单元的位置。与表1中的气象站有关的每个位置可以用来获得更具体的细节


各种数据集之间的另一个差异来源是风速变化不大。一些数据集将零风向值分配给零风速记录，保持360度为北风。其他数据集独立处理风速和风向测量，而不特别注意平静记录。由GN促进的原始风力数据集包含两种平静记录的处理。这是由于每个机构选择的不同标准以及随时间采用的标准的变化。为了避免这种偏差，我们决定采用所有记录的标准。因为对于平静风，存在具有零风向值的周期，并且它们到规则风向值的变换是不容易的，所以决定将零风向值分配给零风速记录的标准为最终采用。

3. QA方法：粗糙误差

粗糙误差这里应用的QA包括顺序应用若干检查，以在风速和风向时间序列中识别可疑数据。 测试以逻辑顺序排列，以有效地评估关于问题类型的观察的可靠性。检查Q直接观察到的观察结果是无效的，而其他观察者报告可疑的观察结果用于以后的检查，在QA中引入一定程度的主观性。通过以这样的方式设计以减少需要手动检查的周期的数量，减轻了这种特性。 没有尝试替换时间序列中引入的缺失值。

图2 QA的图。 在薄矩形中表示每个检查应用于数据的名称。 粗体的四个矩形包括与操作错误，限制一致性，时间一致性和偏差相关联的检查。 第三个矩形包含两个附加的正方形（虚线），用于检查记录中的正常低和高的变化

QA的流程图如图1所示。 尽管大多数步骤（在QA图的中间列中描述的那些步骤）是共同的，但风速和风向数据独立评估为两个变量。 处理粗略错误的测试被细分为三个主要组：1）检查以检测与数据集的存储和维护相关的操纵错误，2）一致性检查的限制，以去除在允许的变化范围之外的记录，以及3）检查通过评估具有异常低/高变化的记录来确保单个时间序列的时间一致性。 包括两者之间空间一致性的可能性在不同位置获得的观察（例如，Kunkel等人1998; Shafer等人2000）。 然而，站点不够靠近以确保在平均周期（10分钟）内类似的条件，因此这种检查的直接实施不能直接进行。未来这方面的研究将有助于提高现有质量保证的绩效。

以下描述不同检查每个组。

  1. 操作错误

首先，风速和方向观测被筛选以检测操纵误差（图2）。 这些类型的错误与数据的管理和存储相关。时间评估在单个站的测量内检测具有重复观察的周期。它需要选择一个时间步长来离散时间序列以定义要检查的周期。用于离散时间序列的周期的长度应该是接收和存储数据的时间长度。在这个特定的风力数据集中，数据接收中的频率为每8小时和24小时（见第2节），因此这些是选择的时间步长。因此，将每个周期与其余周期进行比较，寻找一致的测量，并验证它们的方差高于零，比较不限于连续周期。记录具有重复记录的时间段和站的代码以用于随后的检查。这些情况之一可以在图2中观察到。来自Lekaroz站的风速观测显示几天，由于自然变率，具有强烈的昼夜循环;然而，5月的第一天和第二天有相同的测量。这些天还在风向时间序列（未示出）中呈现重合的测量值，这表明从一个观测到另一个观测的不正确的时间分配。基本类型的重合不太可能发生，消除两天的风速和风向测量，并且标记为缺少值。

图 3.两个相同观测值的风速记录的例子。 （a）在Lekaroz观察到的与潜在的时间错误观测相关的时期的记录。 具有重合观察的两个连续的24小时周期用黑色突出显示。（b）Aguilar de Codes和AoizAgoitz观察的潜在空间错位的记录。 黑色实线突出了7月1日的重合记录

对操纵误差的空间检查允许检测站之间的重合测量。它报告具有重复记录的周期的日期和站的代码，如果它们存在超过8小时的相同测量，这是数据采集中的最短周期，并且如果它们的方差大于零。比较不限于具有相同日期的8小时周期，而是每个周期将给定站与其余站的所有8小时周期进行比较。在时间和空间评估中施加大于零的方差是为了避免具有恒定测量的周期，这将在后续检查中处理。在两个站点的测量中的典型的重合间隔在图3b中显示。来自Aguilar de Codes和Aoitz-Agoitz的速度时间在一天内是一致的。风向呈现类似的行为，在同一天与风速（未示出）巧合。相同的风向观测最终从两个站的时间序列中移除。

  1. 限制一致性

在校正操纵误差之后，应用限制一致性检查以去除不切实际的观察（图2）。 此检查强加高和低限制对于一个变量的可能值，并且认为在所允许的范围之外的观察结果无效。 阈值可以基于给定传感器的静态或动态范围（Meek和Hatfield 1994）。 在此质量保证中，限制取决于风速计特性。 因此，低风速限制固定在0.0 m /s，RN和GN站高限制为60.0 m /s和AEMET站为50.0 m/ s。

  1. 时间一致性

QA的下一步是确保时间一致性的时间（图2）。速度检查分为两组：第一个查找具有异常低变化的周期，第二个查找异常高变化的记录。对于向导时间序列的情况，仅应用查找具有异常低的变化的周期的时间一致性检查。 这是因为湍流的影响,在考虑的时间尺度（10和30分钟）是相关的，并且可以产生相对快速和大的变化，其中甚至在两个连续记录之间的风向的逆转可以被认为是有效的

  1. 异常低变异

异常低的变化是那些显示出非常恒定的时期。在风速的情况下，等于或高于1.0m /s的恒定风速的周期与低于1.0m /s的风速的周期之间产生差异。这允许单独处理与平静期和与其他现象相关的重复。在先前的风QC中进行该分化（DeGaetano 1997）。分离平静和非平滑的风速限制应该是风速计的切入风速，因为较低的风速测量结果是由于超过一个温度的平行进行的。1.0m /s的选择与GN和RN传感器的切入风速一致（见第2节）。考虑对于EMET站选择阈值为0.3m/ s的可能性，因为这是其传感器的切入风速。然而，为了保持这个理论切入风速为0.3m/ s，传感器的严格维护操作将是必要的，以减轻由于不利的气象条件的影响其恶化（Fiebrich等人2006）。因为没有可用的元数据来评估维护操作是否足够，并且一些初步检查显示传感器准确度确实可能恶化，在静风和非风的风之间

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27163]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章