廖捷 周自江

（國家氣象信息中心，北京 100081）

0　引言

常規(guī)氣象觀測資料通常包括地面站點觀測、輻射站點觀測、農(nóng)業(yè)氣象站點觀測、海洋船舶和浮標觀測、探空氣球、下投式探空儀和飛機觀測、風廓線等觀測獲得的資料。這些資料是天氣預報、全球或地區(qū)氣候監(jiān)測和氣候變化研究、全球或區(qū)域大氣再分析的數(shù)據(jù)基礎(chǔ)。 歐洲中期天氣預報中心（ECMWF）最新再分析系統(tǒng)的評估結(jié)果[1]表明，1979—1990年，常規(guī)觀測占總觀測的比例約35%，對分析的影響權(quán)重高達75%；隨著衛(wèi)星觀測的快速增加，至2015年，常規(guī)觀測占總觀測的比例約10%，對再分析的影響權(quán)重約20%，對大氣再分析依然起到不可忽視的約束作用。高密度地面觀測資料在網(wǎng)格化、融合產(chǎn)品制作和中尺度天氣數(shù)值預報和模式檢驗、水文監(jiān)測預報具有重要作用[2]；垂直高分辨率探空資料已廣泛應(yīng)用于大氣邊界層、平流層重力波特性分析、晴空湍流等研究[3-5]。

長期以來，各類資料的質(zhì)量控制技術(shù)研究主要由歐美科研或業(yè)務(wù)機構(gòu)推動，相關(guān)研究成果成為天氣、氣候業(yè)務(wù)中常規(guī)資料應(yīng)用的基石。面向不同應(yīng)用，觀測資料的質(zhì)量控制可分成三個層次（圖1）。第一個層次針對短臨預報應(yīng)用，在觀測資料進入天氣圖繪制和預報分析時，通過質(zhì)量控制剔除錯誤資料，同時進入數(shù)據(jù)庫或形成包含質(zhì)量控制信息的基礎(chǔ)數(shù)據(jù)集提供用戶下載使用。第二層次為面向數(shù)值模式和同化應(yīng)用的質(zhì)量控制。第三層次為面向長時間序列氣候觀測數(shù)據(jù)集的質(zhì)量控制，除了剔除明顯不合理的觀測數(shù)據(jù)，還涉及數(shù)據(jù)插補、偏差訂正、均一化和不確定性分析技術(shù)等。原美國國家氣候數(shù)據(jù)中心（National Climatic Data Center，NCDC）很早就確定了資料均一化作為質(zhì)量保障和質(zhì)量控制的最高級別。世界氣象組織氣候資料管理指南[6]亦要求氣候數(shù)據(jù)產(chǎn)品研發(fā)應(yīng)保證長時間觀測序列的連續(xù)性、均一性和產(chǎn)品質(zhì)量。

圖1　面向不同應(yīng)用的資料質(zhì)量控制技術(shù)架構(gòu)Fig. 1 Quality control framework for different operational applications

近些年，歐美發(fā)達國家在較為完善的氣象資料質(zhì)量控制業(yè)務(wù)體系上，逐步形成了質(zhì)量控制算法的評估策略，并基于觀測偏差分析和同化應(yīng)用形成比較成熟的數(shù)據(jù)黑名單判別技術(shù)。同時，歷史氣候資料均一化已從年值（或月值）序列的檢驗，發(fā)展為基于逐日觀測分布的訂正，以及基于不同尺度天氣氣候波動分解的時頻域檢測等，產(chǎn)出了一系列氣候基本變量的長序列、均一性產(chǎn)品。經(jīng)過偏差訂正的全球探空溫度和地球表面氣壓等已成為衛(wèi)星遙感數(shù)據(jù)同化分析的訂正標尺。相對而言，我國氣象部門已初步建立了常規(guī)觀測資料質(zhì)量控制業(yè)務(wù)，并圍繞中國及周邊地區(qū)常規(guī)觀測資料的系統(tǒng)偏差問題開展了評估和訂正技術(shù)探討。

《全國氣象現(xiàn)代化發(fā)展綱要（2015—2030年）》和《全國氣象發(fā)展“十三五”規(guī)劃》指出，到2020年基本建成具有世界先進水平的現(xiàn)代氣象業(yè)務(wù)、中國特色的現(xiàn)代氣象服務(wù)體系。面向全國氣象現(xiàn)代化發(fā)展，以服務(wù)公共氣象服務(wù)、氣象預報預測、綜合氣象觀測需求為導向的常規(guī)觀測資料質(zhì)量控制技術(shù)研究已成為未來我國氣象科技發(fā)展的優(yōu)先領(lǐng)域和重點任務(wù)。

1　國外現(xiàn)狀及發(fā)展趨勢

縱觀全球，處于常規(guī)氣象資料處理技術(shù)研究前沿的國際機構(gòu)主要有：美國國家環(huán)境信息中心（National Centers for Environmental Information，NCEI；原NCDC）；美國國家環(huán)境預報中心（National Centers for Environmental Prediction，NCEP）；歐洲數(shù)值預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）；英國東英吉利大學氣候研究中心（Climate Research Unit，CRU）；維也納大學等。上述機構(gòu)分別在質(zhì)量控制技術(shù)的不同分支做出了卓有成效的研究成果。此外，質(zhì)量控制技術(shù)趨向開放性，部分業(yè)務(wù)機構(gòu)通過釋放較為成熟、易于移植應(yīng)用的質(zhì)量控制軟件，來推動觀測資料的科研應(yīng)用和質(zhì)量控制技術(shù)的創(chuàng)新。如美國NCAR的大氣探空數(shù)據(jù)處理軟件（ASPEN）具備開放式的質(zhì)量控制參數(shù)設(shè)置、格式轉(zhuǎn)換和圖形分析功能，已被不同類型用戶廣泛應(yīng)用到眾多科學試驗的氣球探空資料、下投式探空資料的質(zhì)量控制和數(shù)據(jù)處理分析中[7-9]。

1.1　基本質(zhì)量控制

最初的質(zhì)量控制技術(shù)重點強調(diào)粗大錯誤的剔除，僅決策是否剔除或保留觀測，但并不對觀測進行訂正。在數(shù)據(jù)處理機構(gòu)的實時質(zhì)量控制業(yè)務(wù)和數(shù)據(jù)集制作過程中，除對每個觀測進行單獨控制（如界限值檢查），部分算法會考慮相鄰站點、時間觀測資料的關(guān)系，或者同一站點不同要素之間的物理約束，即空間、時間和內(nèi)部一致性檢查等。

結(jié)合觀測資料時空分布等特征的變化，傳統(tǒng)的質(zhì)量控制方法在不斷發(fā)展和完善。例如，在時間一致性檢查方法方面，Jiménez等[10]進行地面風場跳變異常檢查時，建立了陣風系數(shù)關(guān)系式，并采用線性回歸方法通過大樣本數(shù)據(jù)的統(tǒng)計分析得到陣風系數(shù)的合理范圍；在空間一致性檢查方面，空間回歸檢驗（spatial regression test，SRT）已逐步取代傳統(tǒng)的反距離權(quán)重插值（inverse distance weighting，IDW）、多項式插值等手段，并被廣泛應(yīng)用于中尺度氣象站的小時觀測氣溫、降水等要素的質(zhì)量控制[11-12]、全球地面氣候網(wǎng)數(shù)據(jù)集的日最高/最低氣溫質(zhì)量控制[13]，以及不同中國地面氣象站的在不同歷史時期的氣溫觀測數(shù)據(jù)質(zhì)量的不確定性的定量評估中[14]。進一步地，Steinachker等[15]針對高分辨率自動觀測資料提出了VERA-QC（Vienna Enhanced Resolution Analysis Quality Control）方法，其基于觀測資料高時空自相關(guān)性的錯誤資料甄別方法對一些復雜的站點分布條件下的觀測資料具有較好的處理能力。針對垂直高分辨率（秒級）高空觀測風場資料，Houchi等[16]提出了基于概率密度分布獲取不同厚度層U、V風場閾值的統(tǒng)計質(zhì)量控制（Statistical Quality Control）算法。

美國針對全球常規(guī)地面、高空、海洋等資料已建立比較完善的質(zhì)量控制技術(shù)體系，以此發(fā)布了ISD[17]、IGRA[18]、ICOADS[19]和GHCH-3[20]等多套全球觀測數(shù)據(jù)集。質(zhì)量控制方法判別的可信度是用戶在使用經(jīng)過質(zhì)量控制的數(shù)據(jù)集時的一個關(guān)注焦點。為保證歷史觀測數(shù)據(jù)質(zhì)量控制判別的高可信度， Durre等[21]提出質(zhì)量控制方案設(shè)計過程中應(yīng)包含算法設(shè)計、單個檢查步驟誤判率（false-positive rate）和質(zhì)控方案的總體誤判、未檢查出來錯誤類型的識別和影響評估、補充檢查算法后的再次評估等多個步驟，并建立了一套比較成熟的質(zhì)量保障系統(tǒng)評估策略。采用上述思路，NCEI完成了全球地面、高空歷史資料的處理。對GHCN-Daily數(shù)據(jù)集的質(zhì)量控制包含19個檢查步驟，識別出最高/最低氣溫、降雨、降雪、雪深觀測資料中0.24%的錯誤，其誤判率維持在1%～2%的水平[20]。NCEI對探空溫度的質(zhì)量控制包含了14個檢查步驟，各步驟設(shè)計的參數(shù)均通過一定區(qū)間范圍內(nèi)的優(yōu)選確定，誤判率約為10%[18]。

1.2　考慮觀測和模式背景場關(guān)系的質(zhì)量控制

一些質(zhì)量控制算法借助模式分析場或預報場進行觀測資料的質(zhì)量控制。這些算法或者在同化前實現(xiàn)，如NCEP的綜合質(zhì)量控制算法（Complex Quality Control，CQC）[22]；或者部分或完全嵌入分析或預報的質(zhì)量控制，如變分質(zhì)量控制或動力質(zhì)量控制。

NCEP的常規(guī)資料預處理系統(tǒng)（PREPBUFR）采用綜合質(zhì)量控制實現(xiàn)了對探空、飛機報、風廓線多類觀測資料實施綜合質(zhì)量控制。從規(guī)定等壓面位勢高度的綜合質(zhì)量控制開始，NCEP的探空資料綜合質(zhì)量控制逐漸發(fā)展形成一個包含了溫濕特性層綜合質(zhì)量控制、多個余差分量的完美決策算法[23]，可以可靠地決定或訂正由人為因素導致的計算或傳輸錯誤。值得一提的是，CQC的目的不是簡單的剔除與背景場存在顯著差異的觀測資料，而是剔除或訂正那些錯誤的數(shù)據(jù)（即使這些數(shù)據(jù)和背景場的差異較小），最終目的是通過多個誤差增量的綜合判別來達到所使用觀測資料錯誤特征的最小化。相關(guān)文獻[23]已對探空資料的綜合質(zhì)量控制效果進行了詳細分析。借助ERA-Interim作為參考數(shù)據(jù)，對NCEP飛機報綜合質(zhì)量模塊進行檢驗評估，結(jié)果表明，利用CQC進行質(zhì)量控制后，全球飛機報的整體質(zhì)量改善明顯。如圖2所示，質(zhì)量控制前，全球AMDAR（Aircraft Meteorological Data Relay）報文相對于ERA-Interim的RMSE在2014年10月的部分時次異常偏高（甚至超過2 ℃）；質(zhì)量控制后，各時次的全球溫度RMSE均穩(wěn)定在1.2 ℃附近。

圖2　2014年10月質(zhì)量控制前后全球AMDAR報文溫度相對于ERA-Interim再分析的逐6 h平均偏差和均方根誤差Fig. 2 Six-hourly Bias and RMSE of global AMDAR temperatures relative to ERA-Interim as before (red) and after (blue) the quality control for Oct. 2014

考慮到GTS交換的全球高空觀測資料隱含了儀器換型、站點對原始資料處理方法等多種因素綜合導致的系統(tǒng)偏差，美國從1964年開始采用輻射訂正模塊（Radiation Correction，RADCOR）對實時高空天氣報的位勢高度和溫度進行調(diào)整。RADCOR早期的訂正表假定探空溫度系統(tǒng)偏差和太陽高度角相關(guān)，依據(jù)日間和夜間觀測溫度的差異確定，未考慮不同儀器之間的系統(tǒng)偏差。隨著對比觀測試驗的開展以及數(shù)值天氣預報精度和水平的提升，NCEP先后對RADCOR訂正表進行了兩次調(diào)整。作為PREPBUFR探空資料處理的一個子模塊，MERRA、CFSR等多套美國大氣再分析對全球探空資料的偏差訂正均采用了NCEP RADCOR訂正表[24]。

ECMWF對觀測資料的變分質(zhì)量控制一直處在國際前沿，最早采用了變分質(zhì)量控制（Variational Quality Control，VarQC）[25]。VarQC定義觀測誤差的概率密度函數(shù)為“好”資料的高斯型概率密度函數(shù)分布與受非氣象意義干擾的“壞”資料的概率密度函數(shù)分布的組合，后者通常采用均勻分布。這一處理使得分析場不易受到錯誤觀測資料的影響，同時可以避免屏蔽掉一些關(guān)鍵的正確觀測資料，特別是在有較強天氣系統(tǒng)發(fā)生區(qū)域的觀測資料。2014年，ECMWF完成VarQC的升級，其對觀測誤差概率密度函數(shù)采用Huber norm分布模型[23]。相對于VarQC采用的“高斯+均勻”組合分布，Huber norm分布模型對背景場質(zhì)量控制起到一個十分重要的松弛作用，特別適用于極端天氣事件中觀測資料的應(yīng)用。該算法已被應(yīng)用于ECMWF業(yè)務(wù)模式對氣球探空、下投式探空、船舶、浮標、自動和人工觀測地面、機場觀測等多類觀測的溫度、風場和氣壓要素的質(zhì)量控制，但未用到濕度觀測的質(zhì)量控制。這是由于比濕或相對濕度的觀測偏差統(tǒng)計遠離高斯分布或Huber分布，并且無法通過正態(tài)化處理解決。目前ECMWF已開始在業(yè)務(wù)系統(tǒng)中對探空溫度、飛機觀測溫度實施變分偏差訂正[26-28]，并取得較好的效果。

英國氣象局數(shù)值天氣預報的自動質(zhì)量控制采用了基于貝葉斯理論的質(zhì)量控制思路，其核心思想是在得知觀測場、背景場及誤差分布基礎(chǔ)上基于貝葉斯理論給出觀測值可能為錯誤的可能性[29]。日本氣象廳采用了動力質(zhì)量控制，其基本理念為預報誤差在擾動較大的地區(qū)相對更大，質(zhì)量控制選取的觀測和背景場偏差閾值與局地水平梯度及預報場3 h趨勢有關(guān)[30]。

1.3　氣候資料均一性訂正

所有氣候數(shù)據(jù)集產(chǎn)品研發(fā)過程中需要經(jīng)過兩個步驟的質(zhì)量控制：第一層次的質(zhì)量控制的重點在于避免在質(zhì)量控制環(huán)節(jié)將極端天氣氣候事件的正確觀測資料剔除，第二層次的質(zhì)量控制主要是對數(shù)據(jù)集中一些系統(tǒng)性偏差進行檢查和控制，核心是氣候資料的均一性問題。

地面氣候數(shù)據(jù)集產(chǎn)品中，較為代表的為美國、加拿大、澳大利亞、歐洲多國研發(fā)的產(chǎn)品。例如，CRU重點開展全球陸地近地面氣溫變化檢測和分析，建立了全球陸地地面氣溫格點數(shù)據(jù)集（Climatic Research Unit Temperature Database，CRUTEM），基于該數(shù)據(jù)集獲得的過去100多年全球陸地地面氣溫長期變化的趨勢結(jié)果是政府間氣候變化專門委員會歷次評估報告的關(guān)鍵科學憑據(jù)，也為全球和區(qū)域尺度氣候變化檢測、預估和影響評估研究提供了基礎(chǔ)觀測數(shù)據(jù)。關(guān)于地面氣候資料均一性訂正研究成果及技術(shù)特色已有相關(guān)文獻綜述[31-32]，本文不再贅述。

維也納大學長期致力全球高空均一性訂正數(shù)據(jù)集研制。2007年發(fā)布的RAOBCORE（Radiosonde Observation Correction using Reanalysis）[33]數(shù)據(jù)集是全球首套日定時均一性訂正數(shù)據(jù)集。該數(shù)據(jù)集以ERA-40再分析背景場作為參考序列進行斷點監(jiān)測和均一性訂正，包括了全球1184個探空站點的探空資料均一化溫度資料，時間長度從1958年至今。隨后，維也納大學發(fā)布了RICH（Radiosonde Innovation Composite Homogenization）數(shù)據(jù)集[34]。RICH包括兩個版本，分別為 RICH-obs和RICH-τ，RICH-obs和RICH-τ均是基于RAOBCORE檢測得到的斷點借助臨近站資料研制而成。不同之處在于，RICH-obs直接以臨近站觀測資料作為參考序列進行目標站溫度的訂正；RICH-obs基于臨近站與背景場偏差構(gòu)建參考序列，對目標站和背景場偏差訂正后返回目標站，該方法部分保留了背景場對訂正值的影響，同時可以降低插值誤差。MERRA[35]、JRA55[36]、ERA-Interim[37]等多套全球大氣再分析對探空溫度的偏差訂正均應(yīng)用了RAOBCORE的訂正結(jié)果。

2　國內(nèi)現(xiàn)狀分析

我國學者在常規(guī)資料質(zhì)量控制、評估和均一性檢測訂正方面取得了系列成果，為深入理解中國歷史資料問題及成因、氣候變化的原因和機理做出了貢獻[38-42]。通過近10年的努力，初步解決了我國基礎(chǔ)資料歷史遺留質(zhì)量問題，中國地面、高空和輻射基礎(chǔ)數(shù)據(jù)的可用率分別提高了2.72%、1.94%和1.41%；消化改造美國和加拿大先進的均一化方法，研制完成中國2400個地面氣象站氣溫、相對濕度等要素均一化產(chǎn)品，以及中國高空氣溫、濕度月值均一性訂正產(chǎn)品[43-44]。我國氣候資料均一性研究現(xiàn)狀可參考文獻[32]。

地面觀測資料質(zhì)量控制一直是我國質(zhì)量控制業(yè)務(wù)的發(fā)展重點。目前已經(jīng)自主研發(fā)了全球地面天氣報質(zhì)量控制方案，建成了比較完善的中國實時地面自動站質(zhì)量控制三級質(zhì)量控制系統(tǒng)[38]和實時—歷史資料一體化業(yè)務(wù)流程，實現(xiàn)了逐小時地面觀測資料的實時質(zhì)量控制[39]。以此為基礎(chǔ)，具體包括基于線性回歸數(shù)據(jù)估計方法的質(zhì)量檢測算法[45]、雷達估測降水對氣象自動站降水的輔助質(zhì)量控制[46]等部分新研發(fā)的質(zhì)量檢測算法逐步應(yīng)用于業(yè)務(wù)系統(tǒng)，并通過時間、空間和內(nèi)部一致性檢查等多個質(zhì)量檢測步驟的綜合應(yīng)用，提升了地面自動站觀測、氣象塔梯度觀測等資料的錯誤數(shù)據(jù)質(zhì)量檢測能力[45,47-48]?？臻g回歸檢驗、基于自回歸與反距離加權(quán)的AI方法、基因表達式編程等新技術(shù)已應(yīng)用于歷史資料質(zhì)量控制和觀測數(shù)據(jù)質(zhì)量的不確定性定量評估研究中[14,49-50]。

我國對歷史高空數(shù)據(jù)集和業(yè)務(wù)數(shù)值天氣預報同化前的質(zhì)量控制思路多沿用順序質(zhì)量控制思路，近年來對其中的一些具體算法進行了改進，如靜力學檢查判別算法改進[42]和高空風垂直切變檢查算法改進[40]等。在改進的高空風垂直切變檢查算法中，包含了兩次風切變檢查，并通過不同參數(shù)條件下算法誤判率和漏判率的評估，確定了最優(yōu)的檢查參數(shù)[40]（圖3），其中，參數(shù)f是決定相鄰層次風向、風速差異閾值的均方根誤差倍數(shù)。NCEP、ECMWF多年對全球歷史探空資料評估分析均指出中國歷史探空資料中由于探空儀換型和臺站輻射訂正不當引起的中國探空溫度長期偏高，并在同化前對中國歷史探空溫度進行了訂正[51-52]?？紤]到通過GTS實時獲取的中國地區(qū)元數(shù)據(jù)信息完整性和質(zhì)量較差，國外機構(gòu)統(tǒng)計確定的訂正量的適用性亟待評估。針對該問題，國家氣象中心近兩年開展了面向GRAPES（Global/Regional Assimilation and Prediction System）同化應(yīng)用的全球探空溫度輻射偏差訂正研究，并取得了較好進展。

圖3　風垂直切變檢查敏感性試驗得到的不同系數(shù)f對應(yīng)的誤判率、漏判率（a）和判斷準確率（b）[40]Fig. 3 Percentages of the wrong-rejected (solid line), lostrejected (dash line) (a) and good-judged (b) data by using various values of f between 3 and 7 via the sensitivity experiments for the first vertical-wind-shear check

我國高空資料處理的另一個難點為濕度資料的質(zhì)量控制和偏差訂正問題。多個學者的研究均揭示我國探空系統(tǒng)完成L波段換型，由于儀器失靈等因素導致濕度數(shù)據(jù)經(jīng)常出現(xiàn)持續(xù)為2%不變、或者300 hPa以上持續(xù)性的異常高濕等系統(tǒng)性錯誤[53]。針對L波段探空系統(tǒng)換型后濕度系統(tǒng)偏干導致的時間序列非均一，實現(xiàn)了溫度露點差、相對濕度的均一性訂正[43,54]。面向同化應(yīng)用，郝民等[55]開展了中國L波段探空濕度的偏差訂正并取得較好的效果。面向全球大氣再分析需求，如何和溫度偏差訂正工作結(jié)合，完成歷史探空溫濕度定時值觀測資料的訂正，仍有待進一步探討研究。

我國同化系統(tǒng)對地面氣壓和高空氣溫、位勢高度、風場等同化變量的變分質(zhì)量控制處于起步階段，目前在區(qū)域GRAPES的3DVAR同化系統(tǒng)中對地面、船舶、探空和飛機觀測資料方面開展了變分質(zhì)量控制試驗[56]，結(jié)果表明，變分質(zhì)量控制在區(qū)域GRAPES同化系統(tǒng)中應(yīng)用對提高數(shù)值預報模式的預報水平具有正面效果（圖4）。

圖4　2009年6—8月連續(xù)試驗24h降水的ETS評分（a）與預報偏差B值（b）[56]Fig. 4 Equitable threat score (a) and bias (b) of 24 h precipitation with and without variational quality controls via experiments in June - August 2009

3　機遇和挑戰(zhàn)

氣象業(yè)務(wù)、服務(wù)和科研工作不僅要求有充分的資料，而且要確保資料的高質(zhì)量。預計到2020年，我國發(fā)展的全球數(shù)值天氣預報模式水平分辨率達到10 km，區(qū)域數(shù)值天氣預報模式水平分辨率達到1～3 km，氣候預測模式水平分辨率達到30 km。模式的精細化要求所輸入的觀探測資料具有很高的準確性，即資料能夠真實反映大氣運動的三維狀態(tài)。這要求觀探測資料的質(zhì)量控制工作需要進行重大改進和提高，以確保提供到用戶手中的資料都是質(zhì)量可靠且可用。

和歐美機構(gòu)相比，國內(nèi)針對常規(guī)資料的質(zhì)量控制主要局限于中國大陸地區(qū)資料，對整個亞洲地區(qū)特別是全球資料質(zhì)量控制的深入研究還較少；均一性訂正及產(chǎn)品研制工作集中在地面觀測資料，缺乏自主發(fā)展的全球高空觀測數(shù)據(jù)來支撐全球、區(qū)域大氣再分析和全球高空氣候變化。由于缺乏足夠可信的元數(shù)據(jù)支持，同時受到數(shù)據(jù)源完整性制約，國外學者開展全球資料質(zhì)量控制和偏差訂正時，對中國地區(qū)資料的處理不確定性偏大。上述局限性不利于對全球氣候變化時空規(guī)律監(jiān)測信息的完整掌握，也降低了常規(guī)資料作為評估衛(wèi)星資料質(zhì)量（特別是中國地區(qū)）的基準數(shù)據(jù)的可信度。面向現(xiàn)代氣象業(yè)務(wù)的資料應(yīng)用需求，應(yīng)從質(zhì)量控制系統(tǒng)建設(shè)和完善、質(zhì)量控制技術(shù)創(chuàng)新兩方面推動常規(guī)氣象資料質(zhì)量控制工作的發(fā)展。

3.1　綜合質(zhì)量控制系統(tǒng)建設(shè)

首先，應(yīng)梳理國家級各類氣象資料質(zhì)量控制系統(tǒng)、省級氣象資料質(zhì)控系統(tǒng)（MDOS）、數(shù)值預報系統(tǒng)中資料預處理系統(tǒng)，以及美國NCEP PrepBUFR資料預處理系統(tǒng)中的氣象資料質(zhì)量控制算法，制定氣象資料質(zhì)量控制算法清單，整合出面向各類氣象業(yè)務(wù)不同時效應(yīng)用需求的、全國普適（區(qū)域可選）的、模塊化的、權(quán)威的質(zhì)量控制業(yè)務(wù)方案。在此基礎(chǔ)上，構(gòu)建多源資料交互驗證的綜合質(zhì)量控制與評估業(yè)務(wù)平臺，逐步實現(xiàn)資料同化前的統(tǒng)計質(zhì)控與同化階段變分質(zhì)控有機對接。在自主研發(fā)的基礎(chǔ)上，不斷集成應(yīng)用國際上先進的質(zhì)量控制算法，優(yōu)先填補海洋、L波段秒級探空、飛機報、風廓線、近地面通量等觀測資料實時質(zhì)量控制業(yè)務(wù)的薄弱區(qū)。優(yōu)化氣象資料質(zhì)量控制業(yè)務(wù)布局，健全“觀測端—信息端—應(yīng)用端”相互補充、動態(tài)反饋的質(zhì)量控制業(yè)務(wù)，實現(xiàn)對各類觀測資料從觀測到應(yīng)用全流程的實時質(zhì)量監(jiān)控，顯著降低極端天氣過程和關(guān)鍵天氣過程中實時質(zhì)量控制后“可疑”數(shù)據(jù)的比例。

在上述工作基礎(chǔ)上，應(yīng)開展深度質(zhì)量分析評估，強化觀測資料的誤差分析。特別是面向數(shù)值預報和全球大氣再分析需求，開展非正態(tài)分布要素的標準化處理或非線性變量變換，開展不同變量不同型號儀器的觀測誤差統(tǒng)計，開展不同歷史時期全球探空溫度的系統(tǒng)偏差分析和輻射誤差訂正。結(jié)合掩星、地基水汽產(chǎn)品等觀測資料開展多源高空濕度觀測資料對比評估和訂正，解決我國現(xiàn)有探空濕度異常偏干問題?；谌虻孛嫣鞖鈭蟆⒑Ｑ蟠?、浮標觀測的表面氣壓與模式模擬場的差異，實現(xiàn)表面氣壓系統(tǒng)偏差的定量估計、信度分析和偏差訂正?；谫|(zhì)量控制、評估結(jié)果，發(fā)布資料質(zhì)量黑名單，并滾動更新，保障各類觀測資料準確可靠和定量應(yīng)用。

3.2　質(zhì)量控制技術(shù)創(chuàng)新

應(yīng)面向世界科技前沿，依托國家氣象科技體系和創(chuàng)新工程的實施，聯(lián)合海內(nèi)外科技力量，引進消化改造與自主研發(fā)相結(jié)合。具體地，應(yīng)引入多種技術(shù)手段，開展常規(guī)觀測資料處理核心技術(shù)攻關(guān)。在已有的氣象資料質(zhì)量控制業(yè)務(wù)基礎(chǔ)上，針對不同應(yīng)用需求，研究構(gòu)建不同的質(zhì)量控制方案。

首先，細化質(zhì)量控制算法，完善質(zhì)量控制步驟。例如，“時間一致性檢查”：結(jié)合區(qū)域天氣氣候特征，研究細化觀測要素微變檢查和跳變檢查的閾值；飛機、船舶等移動觀測采用與現(xiàn)場觀測環(huán)境相關(guān)的可變閾值?！皟?nèi)部一致性檢查”：研究極端天氣背景下觀測要素間的物理約束條件，避免將極端天氣氣候事件的正確觀測資料剔除?！翱臻g一致性檢查”：考慮中國東西部站點密度非均一等情況，研究適用于中小尺度小時觀測氣溫、降水等要素的空間回歸檢驗方法，利用觀測資料的高時空自相關(guān)性增強對錯誤資料甄別能力。“高空觀測資料的垂直一致性檢查”：重點研究對垂直高分辨率（秒級）觀測資料采用低通濾波檢查，剔除異常觀測值。

其次，緊跟國際發(fā)展趨勢，不斷發(fā)展和應(yīng)用三維變分質(zhì)量控制、貝葉斯質(zhì)量控制和綜合質(zhì)量控制等技術(shù)，提升各類資料的質(zhì)量控制能力和應(yīng)用水平。

第三，優(yōu)化和集成多種氣候資料均一化方法，如：標準正態(tài)檢驗、二項回歸技術(shù)、多元線性回歸、序列均一性多元分析等，發(fā)展更長時間尺度的時間均一性檢查算法，引入效果較好的空間回歸檢查，著力解決歷史觀測資料存在的一些持續(xù)性系統(tǒng)錯誤和儀器漂移問題；開展觀測資料的系統(tǒng)偏差訂正方法研究及偏差訂正工作，利用經(jīng)過偏差訂正后的觀測資料，開展不確定性分析，確定合理的誤差概率分布模型及參數(shù)，提升資料應(yīng)用水平。

第四，開展質(zhì)量控制方法判斷能力的評估檢驗，促使質(zhì)量控制判別能力保證在一個較高的可信度水平，即讓應(yīng)用系統(tǒng)了解被判為錯誤的數(shù)據(jù)中正確數(shù)據(jù)的比例（第一類錯誤），以及多少錯誤的數(shù)據(jù)被視為正確而保留在數(shù)據(jù)集中（第二類錯誤）。

4　結(jié)語

綜上所述，國際上成熟的氣象資料質(zhì)量控制系統(tǒng)嚴格考慮了質(zhì)量控制算法的科學性，以及總體或單個檢查步驟的誤判和漏判情況，并給出其影響評估，從而有針對性地設(shè)計出補充檢查步驟，確保觀測數(shù)據(jù)質(zhì)量控制判別過程的高可信度。大氣運動過程有其自身復雜性和易變性，現(xiàn)有的地基、天基和空基觀測因觀測原理、觀測視角不同，造成各觀測系統(tǒng)輸出資料的誤差也不同，導致對大氣狀態(tài)“真值”的描述非常困難，也正因如此，成熟的氣象資料質(zhì)量控制系統(tǒng)充分利用多來源觀測資料或多種觀測要素，在遵循統(tǒng)一的大氣運動物理規(guī)律前提下進行相互校驗，形成了綜合質(zhì)量控制。隨著數(shù)值預報的發(fā)展，歐美各國均在同化系統(tǒng)中對常規(guī)資料進行變分質(zhì)量控制。目前我國氣象資料質(zhì)量控制業(yè)務(wù)處在完善階段，已自主研發(fā)了一批常規(guī)氣象觀測資料質(zhì)量控制技術(shù)方案，建立了實時—歷史氣象資料一體化業(yè)務(wù)流程，實現(xiàn)了從傳統(tǒng)的“非實時質(zhì)控+人工審核”向“實時資料質(zhì)量控制、評估和反饋”轉(zhuǎn)變。在此基礎(chǔ)上，未來發(fā)展應(yīng)聚焦構(gòu)建多源資料交互驗證的綜合質(zhì)量控制與評估平臺，集成應(yīng)用國際上先進的質(zhì)量控制算法，實現(xiàn)資料同化前的統(tǒng)計質(zhì)控與同化階段變分質(zhì)控有機對接。

[1]András H, Berrisford P, Biavati G, et al. The impact of observations in the latest ECMWF reanalysis system. 6th Workshop on the Impact of Various Observing Systems on NWP. Shanghai, China.May 2016.

[2] 潘旸, 沈艷, 宇婧婧, 等. 基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達三源降水融合試驗. 氣象學報, 2015, 73(1): 177-186.

[3]卞建春, 陳洪濱, 呂達仁. 用垂直高分辨率探空資料分析北京上空下平流層重力波的統(tǒng)計特性. 中國科學D 輯地球科學, 2004,24(8): 748-756.

[4]Basha G, Ratnam M V. Identification of atmospheric boundary layer height over a tropical station using high-resolution radiosonde refractivity profiles: Comparison with GPS radio occultation measurements. Journal of Geophysical Research Atmospheres, 2009.114(11): 713-721.

[5]Clayson C A, Kantha L. On Turbulence and Mixing in the Free Atmosphere Inferred from High-Resolution Soundings. Journal of Atmospheric and Oceanic Technology, 2008. 25(6): 833-852.

[6]WMO. Guidelines on climate data management. 2007, WMO-TD No. 1376.

[7]Wang J, Bian J, Brown W O, et al. Vertical Air Motion from T-REX Radiosonde and Dropsonde Data. Journal of Atmospheric and Oceanic Technology, 2009, 26(5): 928–942.

[8]Ciesielski P E, Haertel P T, Johnson R H, et al. Developing High-Quality Field Program Sounding Datasets. Bull Amer Meteor Soc,2012, 93(3): 325–336.

[9]Wang J, Young K, Hock T, et al. A long-term, high-quality, highvertical-resolution GPS Dropsonde dataset for hurricane and other studies. Bulletin of the American Meteorological Society, 2015, 96:961–973.

[10]Jiménez P A, González-Rouco J F, Navarro J, et al. Quality assurance of surface wind observations from automated weather stations. Journal of Atmospheric and Oceanic Technology, 2010,27(7): 1101–1122.

[11]You J, Hubbard K G. Quality Control of Weather Data during Extreme Events. Journal of Atmospheric and Oceanic Technology,2006, 23: 184–197.

[12]Fiebrich C A, Morgan C R, McCombs A G, et al Quality Assurance Procedures for Mesoscale Meteorological Data. Journal of Atmospheric and Oceanic Technology, 2010, 27(10): 1565–1582.

[13]Durre I, Menne M J, Gleason B E, et al. Comprehensive automated quality assurance of daily surface observations. J Appl Meteor Climatol, 2010, 49(8): 1615–1633.

[14]Xu C D, Wang J F, Hu M G, et al. Estimation of uncertainty in temperature observations made at meteorological stations using a probabilistic spatiotemporal approach. J Appl Meteor Climatol,2014, 53(6): 1538–1546.

[15]Steinacker R, Mayer D, Steiner A. Data quality control based on self-consistency. Monthly Weather Review, 2011, 139(12):3974–3991.

[16]Houchi K, Stoffelen A, Marseille G J, et al. Statistical quality control of high-resolution winds of different radiosonde types for climatology analysis. J Atmos Oceanic Technol, 2015, 32(10):1796-1812.

[17]Lott J N. The quality control of the integrated surface hourly database. 84th AMS Annual Meeting, January 10-13, 2004, Seattle,WA.

[18]Durre I, Vose R S, Wuertz D B. Overview of the integrated global radiosonde archive. J Climate, 2006, 19(1): 53-68.

[19]Woodruff S, Worley S, Lubker S, et al. ICOADS release 2.5:extensions and enhancements to the surface marine meteorological archive. Int J Climatol, 2010, doi:10.1002/joc.2103.

[20]Lawrimore J H, Menne M J, Gleason B E, et al. An overview of the global historical climatology network monthly mean temperature data set, version 3. J Geophys Res, 2011, 116, doi:10.1029/2011jd016187.

[21]Durre I, Menne M J, Vose R S. Strategies for evaluating quality assurance procedures. J Atmos Oceanic Technol, 2008, 47(6):1785-1791.

[22]Gandin L S. Complex quality control of meteorological observations. Mon Wea Rev, 1988, 116(5): 1137–1156.

[23]Collins W G. The operational complex quality control of radiosonde heights and temperatures at the National Centers for Environmental Prediction. Part I: Description of the method. J Appl Meteor, 2001, 40: 137-151.

[24]Collins W. Determination of new adjustment tables in order to bring radiosonde temperature and height measurements from different sonde types into relative agreement. EMC/NCEP/NOAA, 1999.

[25]Andersson E, J?rvinen H. Variational quality control. Q J R Meteorol Soc, 1999, 125: 697–722.

[26]Tavolato C, Isaksen L. On the use of a Huber norm for observation quality control in the ECMWF 4D-Var. Q J R Meteorol Soc, 2014, DOI: 10.1002/qj.2440.

[27]Milan M, Haimberger L. Predictors and grouping for variational bias correction of radiosonde. ECMWF ERA Report Series, 2015,No. 2.

[28]Isaksen L, Vasiljevic D, Dee D, et al. Bias correction of aircraft data implemented in November 2011. ECMWF Newsletter, 2012,131: 6.

[29]Lorenc A C, Hammon O. Objective quality control of observations using Bayesian methods. Theory, and a practical implementation. Q J R Meteorol Soc, 1988, 114: 515-543.

[30]Onogi K. A data quality control method using forecasted horizontal gradient and tendency in a NWP system: dynamic QC.J Meteor Soc. Japan, 1998, 76: 497–516.

[31]任國玉, 任玉玉, 李慶祥, 等．全球陸地表面氣溫變化研究現(xiàn)狀、問題和展望. 地球科學進展, 2014, 29(8): 934-946.

[32]李慶祥. 我國氣候資料均一性研究現(xiàn)狀與展望. 氣象科技進展,2016, 5(1): 67－74.

[33]Haimberger L. Homogenization of radiosonde temperature time series using innovation Statistics. J Climate, 2007, 20(7):1377-1403.

[34]Haimberger L, Tavolato C, Sperka S. Homogenization of the global radiosonde temperature dataset through combined comon with reanalysis background series and neighboring stations. J Climate, 2012, 25(23): 8108-8131.

[35]Rienecker M M, Suarez M J, Gelaro R, et al. MERRA: NASA’s Modern-Era retrospective analysis for research and applications. J Climate, 2011, DOI: 10.1175/JCLI-D-11-00015.1.

[36]Kobayashi S, OTA Y, Harada Y, et al.. The JRA-55 Reanalysis:General specifications and basic characteristics. J Meteor Soc Japan, 2015, 93(1): 5-48.

[37]Dee D P, Uppala S M, Simmons A J, et al. The ERA-Interim reanalysis: con figuration and performance of the data assimilation system. Q J R Meteorol Soc, 2011, 137(656): 553–597.

[38]任芝花, 張志富, 孫超, 等. 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. 氣象, 2015, 41(10): 1268-1277.

[39]王海軍, 閆蕎蕎, 向芬, 等. 逐時氣溫質(zhì)量控制中界限值檢查算法的設(shè)計. 高原氣象, 2014, 33(6): 1722-1729.

[40]Liao J, Wang B, Li Q X. A new method for quality control of Chinese rawinsonde wind observations. Adv Atmos Sci, 2014,31(6): 1293-1304.

[41]阮新, 熊安元, 胡開喜, 等. 中國歷史探空資料部分等壓面位勢高度錯誤訂正. 應(yīng)用氣象學報, 2015, 26(3): 257-267.

[42]熊安元. 中國地面和高空氣候變化數(shù)據(jù)產(chǎn)品研發(fā)技術(shù). 北京: 氣象出版社, 2015.

[43]陳哲, 楊溯, 劉靚珂. 1979-2012中國探空相對濕度資料的非均一性檢驗與訂正. 氣象, 2015, 41(11): 1374-1382.

[44]陳哲, 楊溯. 1979—2012中國探空溫度資料中非均一性問題的檢驗與分析. 氣象學報, 2014, 72(4): 794-804.

[45]王海軍, 劉瑩. 綜合一致性質(zhì)量控制方法及其在氣溫中的應(yīng)用.應(yīng)用氣象學報, 2012, 23(1): 69-76.

[46]張志強, 孫超. 自動氣象站質(zhì)量控制系統(tǒng)中覆蓋軟件的涉及與實現(xiàn). 計算機應(yīng)用, 2013, 33(4): 1169-1172.

[47]金莉莉, 何清, 李振杰, 等. 烏魯木齊市氣象塔梯度觀測資料質(zhì)量控制與處理. 氣象, 2016, 42(6): 732-742.

[48]徐枝芳, 陳小菊, 王軼. 新建地面氣象自動站資料質(zhì)量控制方法設(shè)計. 氣象科學, 2013, 33(1): 26-36．

[49]葉小嶺, 周建華, 熊雄. 一種基于GEP的地面氣溫觀測資料的質(zhì)量控制方法. 熱帶氣象學報, 2014, 30(6): 1196-1200.

[50]葉小嶺, 施林紅, 熊雄, 等. AI方法在地面氣溫觀測資料質(zhì)量控制中的應(yīng)用. 氣候與環(huán)境研究, 2016, 21(1): 1-7.

[51]Kistler R, Kalnay E, Collins W, et al. The NCEP–NCAR 50-year reanalysis: Monthly means CD-ROM and documentation. Bull Amer Meteor Soc, 2001, 82: 247–268.

[52]Uppala S M, K?llberg P W, Simmons A J, et al. The ERA-40 reanalysis. Q J R Meteorol Soc, 2005, 131: 2961–3012.

[53]王英, 熊安元. L波段探空儀器換型對高空濕度資料的影響. 應(yīng)用氣象學報, 2015, 26(1): 76-86.

[54]Zhao T, Dai A, Wang J. Trends in tropospheric humidity from 1970 to 2008 over china from a homogenized radiosonde dataset. J Climate, 2012, 25(13): 4549–4567.

[55]郝民, 龔建東, 王瑞文, 等. 中國L波段探空濕度觀測的質(zhì)量評估及偏差訂正. 氣象學報, 2015, 73(1): 187-199.

[56]郝民, 張華, 陶士偉, 等. 變分質(zhì)量控制在區(qū)域GRAPES-3DVAR中的應(yīng)用研究. 高原氣象, 2013, 32(1): 122-132.