汪學(xué)淵 林銀杰 劉德強(qiáng) 林立崢

(1 廈門市氣象局 海峽氣象開放實(shí)驗(yàn)室，福建 廈門 361012；2 福建省災(zāi)害天氣重點(diǎn)實(shí)驗(yàn)室，福州 350001;3 福建省大氣探測(cè)技術(shù)保障中心，福州 350001；4 福建省南平市氣象局，福建 南平 353000；5 福建省氣象臺(tái)，福州 350001)

引 言

風(fēng)廓線雷達(dá)是利用大氣湍流對(duì)電磁波的散射作用進(jìn)行探測(cè)的遙感設(shè)備，可以提供探測(cè)高度范圍內(nèi)的大氣水平風(fēng)速、風(fēng)向、垂直氣流、大氣折射率結(jié)構(gòu)常數(shù)等氣象要素的觀測(cè)，具有較高的時(shí)空分辨率，彌補(bǔ)了常規(guī)探空觀測(cè)時(shí)空密度不足的缺陷。目前，風(fēng)廓線雷達(dá)數(shù)據(jù)在監(jiān)測(cè)預(yù)警、預(yù)報(bào)和數(shù)值同化中應(yīng)用較為廣泛，且取得了豐碩的成果。美國(guó)和日本的業(yè)務(wù)應(yīng)用表明：風(fēng)廓線雷達(dá)資料的同化對(duì)于數(shù)值模式0～12 h，尤其是3～6 h的預(yù)報(bào)具有正效果[1-2]；北京、廣東等地都初步開展了一些同化應(yīng)用的個(gè)例試驗(yàn)，結(jié)果表明：在同化了經(jīng)過質(zhì)量控制處理的風(fēng)廓線資料后，區(qū)域模式的預(yù)報(bào)效果取得了顯著的改善，其中完善的質(zhì)量控制流程則是資料得到有效同化應(yīng)用的關(guān)鍵[3-5]。

近年來，中國(guó)氣象局氣象探測(cè)中心建立了完善的風(fēng)廓線雷達(dá)資料質(zhì)量控制和評(píng)估業(yè)務(wù)，分為臺(tái)站級(jí)和國(guó)家級(jí)質(zhì)控體系，臺(tái)站級(jí)主要對(duì)功率譜資料進(jìn)行質(zhì)控，國(guó)家級(jí)主要對(duì)徑向數(shù)據(jù)質(zhì)控，為風(fēng)廓線雷達(dá)資料的同化應(yīng)用奠定了基礎(chǔ)。采用變分方法進(jìn)行資料同化時(shí)，觀測(cè)誤差和模式背景誤差都必須要滿足高斯分布的假設(shè)[4]。因此，在同化應(yīng)用之前，必須識(shí)別和消除觀測(cè)數(shù)據(jù)中不可靠或包含不能滿足數(shù)據(jù)同化要求的離群值，確保觀測(cè)場(chǎng)與背景場(chǎng)的差值(觀測(cè)增量)近似與高斯分布相一致。

大氣中的各氣象要素基本上都是一維觀測(cè)向量，目前針對(duì)單一要素(如溫度、濕度等)的質(zhì)量控制普遍采用了雙權(quán)重標(biāo)準(zhǔn)差(Biweight Standard Deviation, BSD)方法，它通過給定的閾值來剔除離群值，質(zhì)控效果較好[6-8]。然而，對(duì)于水平風(fēng)場(chǎng)(u/v)而言，BSD方法無法實(shí)現(xiàn)對(duì)二維觀測(cè)向量的同時(shí)質(zhì)控。迭代加權(quán)最小協(xié)方差行列式(the Iterated Reweighted Minimum Covariance Determinant,IRMCD)[9]是在最小協(xié)方差行列式(MCD)[10-11]基礎(chǔ)上發(fā)展起來的方法。MCD是應(yīng)用穩(wěn)健統(tǒng)計(jì)中最早的仿射同變和高魯棒性多元離群點(diǎn)檢測(cè)規(guī)則之一。自從引入計(jì)算效率較快的fast-MCD算法以來[12]，MCD已被應(yīng)用于醫(yī)學(xué)，金融，圖像分析和化學(xué)等領(lǐng)域。然而，由于傳統(tǒng)MCD方法在檢測(cè)離群值時(shí)存在一定量的誤判，Cerioli[9]在其基礎(chǔ)上引入了防“假陽性”機(jī)制以減少誤判，應(yīng)用于多元變量離群點(diǎn)檢測(cè)。IRMCD可以對(duì)多維向量同時(shí)進(jìn)行處理，ZHANG, et al[13]將IRMCD方法用于風(fēng)廓線雷達(dá)水平風(fēng)離群值檢測(cè)發(fā)現(xiàn)：IRMCD對(duì)于二維風(fēng)廓線雷達(dá)水平風(fēng)觀測(cè)資料的質(zhì)控效果要好于BSD方法。研究從實(shí)際應(yīng)用角度加深了對(duì)這兩種質(zhì)控方法的認(rèn)識(shí)。然而，由于IRMCD依賴于形狀分布參數(shù)，這些參數(shù)隨數(shù)據(jù)集的大小而變化，ZHANG, et al[13]沒有就這些參數(shù)對(duì)于質(zhì)控效果的影響進(jìn)行深入討論。此外也沒有給出晴雨條件下兩種方法質(zhì)控效果的對(duì)比研究。

為了進(jìn)一步全面深入考察兩種方法的差異性，本文將從統(tǒng)計(jì)指標(biāo)、波形指標(biāo)、概率密度分布、離群值分布多方面對(duì)IRMCD和BSD方法處理風(fēng)廓線雷達(dá)資料離群值的能力和效果進(jìn)行更深入的對(duì)比分析，揭示兩種方法的差異性和優(yōu)異性。

1 資料和方法

1.1 資料

風(fēng)廓線資料挑選了福建省運(yùn)行比較可靠的9部CFL-06型號(hào)的雷達(dá)資料，分別是：建甌(58737)、建寧(58822)、羅源(58845)、連城(58912)、武平(58917)、德化(58935)、秀嶼(58938)、平和(59125)和翔安(59140)。由于本文的重點(diǎn)在于考察IRMCD方法與BSD方法在混合雷達(dá)站點(diǎn)資料處理離群值過程中的性能和效果，所以將生成的風(fēng)場(chǎng)小時(shí)數(shù)據(jù)作為原始觀測(cè)數(shù)據(jù)。前期關(guān)于臺(tái)站級(jí)和國(guó)家級(jí)質(zhì)量控制有關(guān)部門和學(xué)者已做了大量研究，并取得了積極的研究成果，不再贅述。

利用9部風(fēng)廓線雷達(dá)2018年2月2—11日10 d的小時(shí)風(fēng)場(chǎng)數(shù)據(jù)作為原始觀測(cè)數(shù)據(jù)，將觀測(cè)數(shù)據(jù)分為降水和非降水天氣，在這里降水和非降水的判定準(zhǔn)則按照風(fēng)廓線雷達(dá)垂直速度w≥2 m·s-1判定為降水，獲得了65 000個(gè)非降水觀測(cè)數(shù)據(jù)并在其中隨機(jī)抽取5 000、10 000、30 000、60 000個(gè)觀測(cè)數(shù)據(jù)；同時(shí)也獲得了12 750個(gè)降水觀測(cè)數(shù)據(jù)并在其中抽取5 000、12 750個(gè)觀測(cè)數(shù)據(jù)，以考察IRMCD方法和BSD方法處理不同天氣情況下不同觀測(cè)樣本量在統(tǒng)計(jì)指標(biāo)和波形指標(biāo)上是否有較大差異。

模式背景場(chǎng)數(shù)據(jù)選取了歐洲數(shù)值預(yù)報(bào)中心(ECWMF)哥白尼CS35數(shù)據(jù)庫(kù)中高空u/v分量的小時(shí)再分析數(shù)據(jù)，并對(duì)模式背景數(shù)據(jù)在垂直和水平方向進(jìn)行了插值處理，以獲得與觀測(cè)數(shù)據(jù)相同高度的背景場(chǎng)u/v分量，因此，u/v分量觀測(cè)增量可以定義為:

ombu(i)=obsu(i)-mu(i)，

(1)

ombv(i)=obsv(i)-mv(i)，

(2)

其中：i=1,2,....n，n表示風(fēng)觀測(cè)數(shù)據(jù)總量；u，v分別表示風(fēng)在水平方向兩個(gè)分量。ombu(i)表示u分量的觀測(cè)增量；ombv(i)表示v分量的觀測(cè)增量；obsu(i)表示u分量的觀測(cè)值，由OOBS產(chǎn)品文件中的風(fēng)速V和風(fēng)向θ根據(jù)-V×sinθ計(jì)算公式獲得；obsv(i)表示v分量的觀測(cè)值，由OOBS產(chǎn)品文件中的風(fēng)速V和風(fēng)向θ根據(jù)-V×cosθ計(jì)算公式獲得；mu(i)表示u分量的模式背景值，mv(i)表示v分量的模式背景值。以下所有指標(biāo)和參數(shù)的計(jì)算都是基于u/v分量的觀測(cè)增量進(jìn)行運(yùn)算，如果觀測(cè)增量判定為離群值，那么對(duì)應(yīng)的原始觀測(cè)數(shù)據(jù)定義為離群值。

1.2 迭代權(quán)重的最小協(xié)方差矩陣方法(IRMCD)

假設(shè)n個(gè)樣本p個(gè)維度的數(shù)據(jù)集可以表示為：

Y=[y(1)......y(n)]T，

(3)

那么y(i)=(yi1......yip)T為第i個(gè)樣本點(diǎn)，矩陣Y的平均值μ和協(xié)方差矩陣∑，如果Y中存在離群值，那么μ和∑已經(jīng)被離群值污染。本文應(yīng)用穩(wěn)健統(tǒng)計(jì)分析方法，通過檢測(cè)每個(gè)觀測(cè)值魯棒距離的平方與χp,1-α分布相差較大的距離定義為Y中的離群值，可以得到μ和∑的穩(wěn)健估計(jì)值。其中1-α為χ分布的分位數(shù)，α一般取0.025。IRMCD是一種基于重加權(quán)MCD估計(jì)值而發(fā)展起來的穩(wěn)健估計(jì)方法[14-15]。對(duì)于有限樣本離群值檢測(cè)的IRMCD方法的步驟如下：

(1)在樣本Y中，如果h(n/2≤h

(4)

協(xié)方差估計(jì)為：

，(5)

其中：C0為比例常數(shù)[9]。

(2)在Y中,y(i)的魯棒距離的平方可以定義為：

，(6)

它測(cè)量了觀測(cè)值到假定非離群值的中心位置的距離。樣本Y中所有觀測(cè)值的權(quán)重系數(shù)可以通過DIS的值確定：

(7)

(3)為了增強(qiáng)效率，對(duì)y(i)進(jìn)行加權(quán)步驟：

(8)

[y(i)-μRMCD]T，

(9)

那么重新加權(quán)后魯棒距離的平方為：

(10)

(4)參考文獻(xiàn)[9]中，

(12)

那么數(shù)據(jù)集Y中沒有離群值。

按照上述步驟，使用預(yù)設(shè)的γ值，可以檢測(cè)多變量數(shù)據(jù)集Y中的離群值。

1.3 雙權(quán)重標(biāo)準(zhǔn)差方法(BSD)

雙權(quán)重離群值判別計(jì)算方法(簡(jiǎn)稱雙權(quán)重標(biāo)準(zhǔn)法，又稱 Z-Score 法)如下:設(shè)有n個(gè)樣本(xi,i=1,2,...n)

(1)計(jì)算每個(gè)樣本量xi(i=1,2,..,n)的權(quán)重函數(shù):

(13)

其中：C為“敏感參數(shù)”，取C=7.5，當(dāng)|wi|>1.0時(shí)，設(shè)定wi為1，M為樣本量的中位數(shù)，MAD為絕對(duì)偏差中位數(shù)，即|xi-M|的中位數(shù)。

(14)

計(jì)算雙權(quán)重標(biāo)準(zhǔn)差(BSD)：

(15)

對(duì)每一個(gè)xi計(jì)算Z-Score值：

(16)

如果Zi>Zthresh，那么xi被認(rèn)定為離群值[16]，Zthresh為設(shè)定好的閾值，一般取2～4。

2 結(jié)果分析

2.1 基于正態(tài)波形指標(biāo)的最優(yōu)參數(shù)判定準(zhǔn)則和指標(biāo)分析

這里引入了峰度和偏度兩個(gè)統(tǒng)計(jì)指標(biāo)來形容觀測(cè)增量數(shù)據(jù)的波形是否符合正態(tài)分布情況，峰度(Kurtosis)是描述總體中所有取值分布形態(tài)陡緩程度的統(tǒng)計(jì)量，峰度為0表示該總體數(shù)據(jù)分布與正態(tài)分布的陡緩程度相同；偏度(Skewness)是統(tǒng)計(jì)數(shù)據(jù)分布偏斜方向和程度的度量，當(dāng)偏度接近0則可認(rèn)為分布對(duì)稱。兩個(gè)指標(biāo)都是以接近0值為最優(yōu)值，因此可以組合峰偏值KS指標(biāo)，表示如下：

KS=|Ku|+|Kv|+|Su|+|Sv|，

(17)

其中：Ku，Kv表示u,v分量的峰度；Su,Sv表示u,v分量的偏度。

那么當(dāng)IRMCD和BSD方法分別取不同的參數(shù)γ和Zthresh時(shí)，質(zhì)控后的觀測(cè)增量的KS值應(yīng)該具有最小值，KS取最小值所對(duì)應(yīng)的參數(shù)γ和Zthresh值就是兩種方法的最優(yōu)解，就是本文所需要的最優(yōu)觀測(cè)增量數(shù)據(jù)。在以往的研究中，γ參數(shù)的典型取值為0.025[17-18]，表示在樣本集中期望2.5%比例的離群值，本文設(shè)定γ范圍為0.080～0.001[13]，每0.001的間隔考察KS值是否達(dá)到最小值，KS最小值所對(duì)應(yīng)的γ值就是IRMCD處理此次觀測(cè)樣本增量的最優(yōu)解；以同樣的方式對(duì)Zthresh的取值范圍設(shè)定在4.0～1.0,每0.01的間隔考察KS值是否達(dá)到最小值，KS最小值所對(duì)應(yīng)的Zthresh值就是BSD處理此次觀測(cè)樣本增量的最優(yōu)解。從總樣本中隨機(jī)抽取了無降水樣本60 000個(gè)和降水樣本12 000個(gè)，分別繪制了KS值隨γ參數(shù)和Z閾值變化曲線(圖1、2)，無降水樣本用藍(lán)色表示，降水用紅色表示，γ參數(shù)以0.001的間隔在0.080～0.001取值對(duì)應(yīng)一個(gè)KS值，從圖1中可以看出，KS值的變化曲線呈現(xiàn)不規(guī)則拋物線形狀，有且僅有一個(gè)最低點(diǎn)，所對(duì)應(yīng)γ參數(shù)就是IRMCD方法所需的最優(yōu)解，當(dāng)然對(duì)于不同的數(shù)據(jù)集KS最小值以及γ參數(shù)都會(huì)有所不同；同樣，Zthresh以0.1的間隔在4.0～1.0取值對(duì)應(yīng)一個(gè)KS值，從圖2中可以看出，KS值的變化曲線同樣呈現(xiàn)不規(guī)則拋物線形狀，總能找到KS最小值，所對(duì)應(yīng)Zthresh就是BSD方法所需的最優(yōu)解。這說明所制定的通過峰偏值KS指標(biāo)判定數(shù)據(jù)達(dá)到最優(yōu)正態(tài)分布的合理性。

圖1 KS值隨γ參數(shù)變化曲線

圖2 KS值隨Z閾值變化曲線

從樣本數(shù)據(jù)中隨機(jī)抽取5 000、10 000、30 000、60 000個(gè)非降水觀測(cè)數(shù)據(jù)和5 000和12 750個(gè)降水觀測(cè)數(shù)據(jù),分別利用IRMCD和BSD兩種方法通過調(diào)整γ和Zthresh使KS值達(dá)到最小值，各個(gè)參數(shù)值如表1所示，其中Ku表示原始觀測(cè)u分量增量數(shù)據(jù)峰度指標(biāo)，Ku′表示經(jīng)過IRMCD或BSD方法質(zhì)控后的u分量增量數(shù)據(jù)峰度指標(biāo)，以此類推。從峰度和偏度指標(biāo)來看，在非降水樣本中u分量的峰度Ku值保持在7.2左右，經(jīng)過質(zhì)控后Ku′下降到0.01左右，v分量的峰度Kv值保持在25左右，經(jīng)過質(zhì)控后Kv′下降到0.15左右；u分量的偏度Su值保持在-1.6左右，經(jīng)過質(zhì)控后Su′下降到0.1左右，v分量的偏度Sv值保持在-4.3左右，經(jīng)過質(zhì)控后Sv′下降到0.2左右。從波形指標(biāo)上看，兩種方法都起到很好的質(zhì)控效果，在降水天氣下峰度和偏度指標(biāo)有著類似的趨勢(shì)。但是從KS指標(biāo)和離群值的數(shù)量來看，IRMCD始終比BSD方法的質(zhì)控效果更好。圖3展示了KS指標(biāo)在不同樣本下的變化曲線，IRMCD方法始終在0.4左右，而BSD方法始終在0.5左右，兩者之間相差0.1，說明IRMCD方法質(zhì)控后的數(shù)據(jù)更符合高斯或正態(tài)分布；從離群值的數(shù)量上來看，IRMCD方法始終比BSD方法判斷的離群值要多，由表2可見，兩種方法能夠判別離群值占總樣本的比例在11%～13%之間，但前者比后者要多0.6%,Avgu和Sdu分別代表u分量的絕對(duì)平均值和標(biāo)準(zhǔn)差，以此類推，經(jīng)過兩種方法的處理后，相對(duì)于原始數(shù)據(jù)都有極大的改進(jìn)，質(zhì)控后的Sdu基本保持在2.1～2.3，總體上IRMCD在絕對(duì)平均值和標(biāo)準(zhǔn)差指標(biāo)都優(yōu)于BSD方法。說明IRMCD方法無論在波形指標(biāo)、統(tǒng)計(jì)指標(biāo)和離群值數(shù)量上都優(yōu)異于BSD方法，而且兩種方法在樣本的數(shù)量多少以及是否降水天氣都不影響各自離群值判斷能力。

表2 IRMCD和BSD不同采樣統(tǒng)計(jì)指標(biāo)表

圖3 兩種方法的KS指標(biāo)對(duì)比曲線

2.2 兩種方法的概率密度和散點(diǎn)分布差異

一般來說，IRMCD和BSD方法在判定離群值的本質(zhì)上是等價(jià)的：給定一個(gè)穩(wěn)健的均值和標(biāo)準(zhǔn)差，數(shù)據(jù)集向量Y中的離群值通過它們與穩(wěn)健擬合存在較大距離來識(shí)別。以非降水天氣下60 000樣本為例，圖4、5分別為u/v分量的觀測(cè)增量在不同方法處理后的概率密度和分位數(shù)—分位數(shù)(Q-Q)圖，其中U-質(zhì)控前表示u分量原始觀測(cè)增量；U-IRMCD表示u分量觀測(cè)增量經(jīng)過IRMCD質(zhì)控后的觀測(cè)增量；U-BSD表示u分量觀測(cè)增量經(jīng)過BSD質(zhì)控后的觀測(cè)增量，以此類推。這能反映觀測(cè)增量數(shù)據(jù)的分布情況，U-質(zhì)控前和V-質(zhì)控前的概率密度分布類似于高斯分布，但不是嚴(yán)格的高斯分布，可以看出陡峭的峰值和左右兩側(cè)分布的不對(duì)稱存在異常值。更準(zhǔn)確地說，在相對(duì)應(yīng)Q-Q散射的兩端存在較大差異，與其相對(duì)應(yīng)的u/v觀測(cè)增量的峰度值分別為7.35/25.09以及偏度值分別為-1.62/-4.29都說明原始觀測(cè)增量數(shù)據(jù)分布嚴(yán)重偏離正態(tài)分布。從U-IRMCD和V-IRMCD的概率密度分布和Q-Q散點(diǎn)可以看出質(zhì)控后的概率密度分布更接近于標(biāo)準(zhǔn)正態(tài)分布，Q-Q散點(diǎn)幾乎以直線收斂，表明幾乎所有離群點(diǎn)已被剔除，從相對(duì)應(yīng)u/v觀測(cè)增量的峰度值分別為0.0/-0.13以及偏度值分別為-0.07/-0.17，從數(shù)值上也說明質(zhì)控后的數(shù)據(jù)逼近標(biāo)準(zhǔn)正態(tài)分布。同樣的U-BSD和V-BSD的概率密度分布和Q-Q散點(diǎn)以及相對(duì)應(yīng)的峰度值分別為-0.01/-0.21以及偏度值分別為-0.09/-0.20能得到相同的結(jié)論，說明兩種方法在剔除離群值后都具有較好的正態(tài)分布，但是從峰度值、偏度值、峰偏值和標(biāo)準(zhǔn)差的指標(biāo)對(duì)比來看，明顯IRMCD方法的指標(biāo)優(yōu)于BSD方法，從概率密度直方圖的底部?jī)蓚?cè)還是能看出IRMCD比BSD來得更加平緩；Q-Q散點(diǎn)兩側(cè)IRMCD比BSD更加靠近中線位置。值得注意的是，表1的兩種方法的v分量偏度值始終保持在0.2左右，仍然需要最后的偏倚校正[13]。

表1 IRMCD和BSD不同采樣數(shù)量波形指標(biāo)表

圖4 u增量概率密度直方圖和相對(duì)應(yīng)的Q-Q分布

圖5 v增量概率密度直方和相對(duì)應(yīng)的Q-Q分布

圖6、7為u/v分量離群和非離群值散點(diǎn)分布，將進(jìn)一步理清兩種方法的差異之處。其中“+”表示非離群值，“.”表示離群值，并以不同的顏色代表觀測(cè)值所在的高度，為了更加清晰地表示離群值和非離群值，在4～7 km的非離群值用藍(lán)色表示，4～7 km的離群值青藍(lán)色表示，可以看出0～2 km的離群值以綠色實(shí)心圓分布，表明v分量的觀測(cè)值大于模式值，4～7 km的離群值以青藍(lán)色實(shí)心圓分布，表明v分量的觀測(cè)值小于模式值為主，在所有的離群值中4～7 km占據(jù)了一半以上，這是因?yàn)?月的溫度與濕度低造成風(fēng)廓線雷達(dá)的有效探測(cè)高度在6 km以下，在有效探測(cè)高度以上信噪比越來越弱，生成的風(fēng)場(chǎng)可靠性降低，造成大量的離群值，同時(shí)也可以看到7 km以上存在很少的離群值，因?yàn)?月探測(cè)高度很少能達(dá)到7 km以上。從整體上來看，很明顯，IRMCD和BSD兩者最大的不同在非離群值聚集的形狀上，BSD的非離群值更趨向于“方形”，而IRMCD的非離群值更趨向于“橢圓形”，這是由各自的算法所決定，BSD方法只能處理單向量，根據(jù)觀測(cè)點(diǎn)偏離標(biāo)準(zhǔn)差的倍數(shù)來決定是否為離群值，而IRMCD方法能同時(shí)處理二維向量，通過二維向量距離最小協(xié)方差矩陣中心的距離是否滿足特定分布來判定是否為離群值，這也是IRMCD方法的優(yōu)勢(shì)所在。

圖6 u/v增量BSD離群和非離群值散點(diǎn)

圖7 u/v增量IRMCD離群和非離群值散點(diǎn)

為了更進(jìn)一步地理清兩種方法在判定離群值的不同之處，將兩種方法進(jìn)行對(duì)比(圖8)，在非降水情況下兩種方法都判定為離群值用紅色表示，都判定為非離群值用藍(lán)色表示，僅僅IRMCD方法為離群值但BSD方法為非離群值用綠色表示，僅僅BSD方法為離群值但I(xiàn)RMCD方法為非離群值用黑色表示，可以看出，紅色點(diǎn)離群值所占比例為11.55%，IRMCD方法判定的離群值所占比例為12.41%，BSD方法判定的離群值所占比例為12.24%，因此大部分離群值兩種方法都能識(shí)別，不同的是僅IRMCD方法的非離群值分布更趨向于0值軸附近，在圖8中用綠色部分表示，僅BSD方法判定非離群值分布更趨向于“方形”對(duì)角線附近，在圖8中用黑色部分表示，明顯看出黑色點(diǎn)在4個(gè)角處且必然存在著離群值，但是BSD方法并沒有識(shí)別出來，造成對(duì)非離群值的污染，而IRMCD方法識(shí)別的非離群值顯得更加的平滑，雖然IRMCD方法也有存在錯(cuò)誤識(shí)別離群值的可能性，但是相對(duì)于離群值來說小得多，幾乎可以忽略不計(jì)。在降水情況下，如圖9所示，展示了如上所述相近的分布，僅僅BSD識(shí)別出的離群值聚集在“方形”的對(duì)角線附近，而僅僅IRMCD識(shí)別的離群值聚集在0值軸附近。

圖8 u/v增量無降水BSD和IRMCD散點(diǎn)

圖9 u/v增量降水BSD和IRMCD散點(diǎn)

2.3 IRMCD方法質(zhì)控前后風(fēng)場(chǎng)變化

為了更好地展示原始觀測(cè)風(fēng)場(chǎng)和質(zhì)控后數(shù)據(jù)的變化，圖10、11分別用風(fēng)羽圖展示了雷達(dá)站點(diǎn)(58944)的風(fēng)廓線，2018年2月8日08時(shí)(北京時(shí)，下同)至9日14時(shí)共計(jì)30 h的原始風(fēng)場(chǎng)和IRMCD質(zhì)控后的小時(shí)水平風(fēng)廓線，對(duì)比發(fā)現(xiàn)，原始數(shù)據(jù)最大探測(cè)高度在7 200 m，質(zhì)控后探測(cè)高度在5 000 m，圖11風(fēng)場(chǎng)廓線顯示明顯比圖10干凈、整潔、有規(guī)律，可見離群值主要分布在高空(4.5～7.5 km)和低空(0～0.5 km)，原因是風(fēng)廓線雷達(dá)在4.5 km以上接收到的回波信號(hào)很弱，幾乎淹沒在噪聲信號(hào)中，造成功率譜信號(hào)識(shí)別錯(cuò)誤，就會(huì)生成錯(cuò)誤的水平風(fēng)；同時(shí)由于風(fēng)廓線雷達(dá)低空接收到的回波信號(hào)容易受地物雜波的干擾，這些在零頻位置很強(qiáng)地物信號(hào)完全將大氣湍流回波信號(hào)淹沒，因此生成的水平風(fēng)風(fēng)速很小，方向雜亂沒有規(guī)律。從圖11中可以看出，IRMCD方法剔除離群值的能力優(yōu)異，這里不再展示BSD方法處理后的廓線，因?yàn)樘幚砗髱缀跖c圖11一樣，在這么小的樣本情況下幾乎只有2～3個(gè)點(diǎn)的區(qū)別，這也能從前面表1的指標(biāo)也能看出。

圖10 2018年2月8—9日風(fēng)廓線原始小時(shí)水平風(fēng)廓線

圖11 2018年2月8—9日IRMCD質(zhì)控后小時(shí)水平風(fēng)廓線

因此，這兩種方法在3個(gè)方面有所不同：

(1)在雙權(quán)重標(biāo)準(zhǔn)差檢查中，Y必須是單變量數(shù)據(jù)集。當(dāng)應(yīng)用于多變量觀測(cè)(如風(fēng)數(shù)據(jù))時(shí)，需要分別對(duì)u/v分量進(jìn)行異常值檢查，當(dāng)其中一個(gè)向量被認(rèn)定為離群值，則該樣本二維向量被處理為離群值；另一方面，IRMCD作為一種多變量離群點(diǎn)檢測(cè)方法，可以直接應(yīng)用于多變量數(shù)據(jù)集Y，即可以同時(shí)檢測(cè)u/v分量的離群點(diǎn)，在用于風(fēng)廓線雷達(dá)小時(shí)觀測(cè)增量數(shù)據(jù)后，從波形指標(biāo)、統(tǒng)計(jì)指標(biāo)和離群值數(shù)量上都表明IRMCD更有效。

(2)它們的穩(wěn)健均值和標(biāo)準(zhǔn)差是以不同的方式計(jì)算的，它們的識(shí)別規(guī)則也是如此。在IRMCD中，通過比較穩(wěn)健距離的平方與具有形狀參數(shù)分布的參考值進(jìn)行比較，這些參數(shù)隨著應(yīng)用IRMCD的不同數(shù)據(jù)集而變化，獲得的非離群值的分布近似“橢圓形”。在雙權(quán)重檢查中，設(shè)定距離雙權(quán)重標(biāo)準(zhǔn)差的預(yù)定倍數(shù)作為識(shí)別離群值的閾值，獲得的非離群值分布近似“方形”，這其中必然存在一定量的誤判，也表明IRMCD比BSD方法有優(yōu)勢(shì)。

(3)IRMCD具有防止假陽性的機(jī)制。在IRMCD中，測(cè)試的第四步(公式12)是專門設(shè)計(jì)來防止在任何好的數(shù)據(jù)集中出現(xiàn)錯(cuò)誤判定離群值情況[9]，因?yàn)檎`報(bào)是傳統(tǒng)MCD規(guī)則的明顯缺點(diǎn)。在沒有步驟4的情況下，IRMCD相當(dāng)于正常的有限樣本重加權(quán)MCD，直接執(zhí)行第五步會(huì)導(dǎo)致錯(cuò)誤地識(shí)別正確的數(shù)據(jù)集，因此，傳統(tǒng)MCD和雙權(quán)重標(biāo)準(zhǔn)差都存在著同樣的缺陷。即使對(duì)于一個(gè)完美的數(shù)據(jù)集，離群值也或多或少被錯(cuò)誤地檢測(cè)到。這一點(diǎn)在ZHANG,et al[13]中已經(jīng)有所驗(yàn)證，但是在本次樣本執(zhí)行同樣的過程發(fā)現(xiàn)，利用兩種方法都能識(shí)別出的非離群值進(jìn)行試驗(yàn)發(fā)現(xiàn)兩種方法都不能再識(shí)別出額外的離群值，因此，并不能完全通過這種方式來說明IRMCD方法比BSD方法更有效果，對(duì)于不同的數(shù)據(jù)集可能會(huì)呈現(xiàn)不同效果。

3 結(jié)論

本文選取了2018年2月2—11日福建9部風(fēng)廓線雷達(dá)的小時(shí)水平風(fēng)觀測(cè)數(shù)據(jù)與相應(yīng)的模式數(shù)據(jù)之差，即觀測(cè)增量，利用IRMCD和BSD兩種方法分別進(jìn)行質(zhì)量控制，并對(duì)質(zhì)量控制結(jié)果以不同的形式進(jìn)行比較分析。主要總結(jié)如下：

(1)制定了IRMCD和BSD質(zhì)控方法獲得最優(yōu)解的判定指標(biāo)峰偏值KS，同時(shí)通過KS指標(biāo)的大小判斷兩種方法的優(yōu)劣性，IRMCD的KS指標(biāo)明顯小于BSD方法的KS指標(biāo)，說明IRMCD比BSD方法更接近正態(tài)分布。

(2)IRMCD方法可以同時(shí)應(yīng)用在多維變量的離群值檢測(cè)，而BSD方法只能應(yīng)用在一維變量的離群值檢測(cè)中，BSD應(yīng)用在二維變量離群值檢測(cè)的時(shí)候必須分別進(jìn)行離群值檢測(cè)，對(duì)于具有相關(guān)性的兩個(gè)變量是不利的。從波形指標(biāo)、統(tǒng)計(jì)指標(biāo)和離群值數(shù)量上都說明IRMCD比BSD更有優(yōu)越。

(3)IRMCD和BSD的穩(wěn)健均值和標(biāo)準(zhǔn)差是以不同的方式計(jì)算的，它們的識(shí)別規(guī)則也是如此。在IRMCD中，通過比較穩(wěn)健距離的平方與具有形狀參數(shù)分布的參考值進(jìn)行比較，這些參數(shù)隨著應(yīng)用IRMCD的不同數(shù)據(jù)集而變化，獲得的非離群值的分布近似“橢圓形”。在雙權(quán)重檢查中，設(shè)定距離雙權(quán)重標(biāo)準(zhǔn)差的預(yù)定倍數(shù)作為識(shí)別離群值的閾值，獲得的非離群值分布近似“方形”，這其中必然存在一定量的誤判，同時(shí)IRMCD具有防止假陽性的機(jī)制，這也減少了離群值的誤判，也表明IRMCD比BSD方法有優(yōu)勢(shì)。

從多個(gè)方面都表明了IRMCD的在風(fēng)廓線數(shù)據(jù)質(zhì)量控制的優(yōu)勢(shì)，特別是對(duì)于二維向量離群值檢測(cè)具有普遍意義，也可以應(yīng)用在激光測(cè)風(fēng)雷達(dá)、探空雷達(dá)、天氣雷達(dá)等設(shè)備的風(fēng)場(chǎng)離群值檢測(cè)。也將為下一步在同化業(yè)務(wù)應(yīng)用中提供了依據(jù)，同時(shí)今后也將該方法質(zhì)控后同化應(yīng)用于福建區(qū)域數(shù)值預(yù)報(bào)模式中，是否能改進(jìn)數(shù)值預(yù)報(bào)效果，也是下一步的工作目標(biāo)。