基于Bayes判別法的結(jié)冰現(xiàn)象資料序列訂正*

溫華洋 朱華亮 馬文周 邱康俊 張苗苗 劉 壯

1 安徽省氣象信息中心，合肥 230031 2 合肥工業(yè)大學(xué)，合肥 230009

提 要： 針對(duì)安徽省81個(gè)國(guó)家級(jí)地面氣象站1961—2018年結(jié)冰現(xiàn)象資料序列，采用要素一致性、內(nèi)部一致性、空間一致性等方法進(jìn)行數(shù)據(jù)質(zhì)量控制，基于質(zhì)量控制后的正常年份數(shù)據(jù)進(jìn)行Bayes判別模型訓(xùn)練，應(yīng)用訓(xùn)練所得模型完成異常年份結(jié)冰數(shù)據(jù)的訂正。結(jié)果表明：安徽省共有38個(gè)臺(tái)站累計(jì)84年的年結(jié)冰日數(shù)質(zhì)量控制檢查異常，年結(jié)冰日數(shù)異常年份主要集中在1961—1970、1988—1999和2015—2017年，造成年結(jié)冰日數(shù)異常的原因有部分臺(tái)站歷史觀測(cè)任務(wù)簡(jiǎn)化、氣象臺(tái)站分類調(diào)整以及地面氣象觀測(cè)業(yè)務(wù)改革等。利用Bayes判別法構(gòu)建了多個(gè)結(jié)冰現(xiàn)象判別模型，經(jīng)檢驗(yàn)發(fā)現(xiàn)，模型1和模型3具有較高的判識(shí)正確率、命中率、TS評(píng)分以及較低的誤警率?？紤]計(jì)算的簡(jiǎn)便性，選用模型1對(duì)異常年份結(jié)冰數(shù)據(jù)進(jìn)行逐日訂正。通過(guò)六安站、太和站和無(wú)為站異常年份結(jié)冰現(xiàn)象訂正結(jié)果對(duì)比發(fā)現(xiàn)，基于Bayes判別法的結(jié)冰現(xiàn)象判別模型，對(duì)不同時(shí)間段內(nèi)、不同原因造成的結(jié)冰現(xiàn)象觀測(cè)記錄異常的訂正均較為合理，訂正后的年結(jié)冰日數(shù)變化趨勢(shì)更符合實(shí)際情況，表明采用Bayes判別模型訂正結(jié)冰現(xiàn)象是合理、可行的。

引 言

結(jié)冰(又稱凍結(jié))指露天水面凍結(jié)成冰，包括器皿中的水凍結(jié)成冰，是日常生活中比較常見的自然現(xiàn)象，但其通常與低溫冷害相伴隨，對(duì)人類的生產(chǎn)生活、動(dòng)植物的生長(zhǎng)有較大的影響(中國(guó)氣象局，2003；唐熠等，2019；劉洪蘭等，2014；馬樹慶等，2015;李剛等，2020)。如在冬季的雨雪天氣，高速公路、機(jī)場(chǎng)跑道上會(huì)出現(xiàn)積雪或結(jié)冰現(xiàn)象，由此引發(fā)的交通事故、交通延誤等，已成為社會(huì)各界廣泛關(guān)注的熱點(diǎn)問(wèn)題(Wang et al，2008；丁國(guó)香等，2018；蒲曉虎等，2014)。因此，氣象部門對(duì)結(jié)冰現(xiàn)象的監(jiān)測(cè)和預(yù)報(bào)非常重視，高質(zhì)量、長(zhǎng)序列的結(jié)冰資料有利于氣候變化分析、農(nóng)業(yè)氣象和道路交通的預(yù)報(bào)與服務(wù)，也是開展有效災(zāi)害預(yù)防、應(yīng)急救援等活動(dòng)的科學(xué)依據(jù)(張志富等，2015；張慶奎等，2020；舒斯等，2019；白永清等，2016；Toms et al，2017)。

從20世紀(jì)50年代起，我國(guó)部分氣象站就開始記錄結(jié)冰現(xiàn)象，至今已形成了約60年的結(jié)冰現(xiàn)象觀測(cè)資料，這些觀測(cè)資料在農(nóng)業(yè)、交通等領(lǐng)域的氣象服務(wù)中發(fā)揮著重要作用，但同樣存在著部分臺(tái)站因歷史觀測(cè)任務(wù)簡(jiǎn)化、觀測(cè)方式多次調(diào)整等諸多原因造成的數(shù)據(jù)質(zhì)量不高的問(wèn)題。余予等(2018)研究發(fā)現(xiàn)1954—1979年全國(guó)共有662個(gè)臺(tái)站累計(jì)6 328年實(shí)際未觀測(cè)和記錄結(jié)冰現(xiàn)象，1981年前有839個(gè)臺(tái)站累計(jì)1 453年存在明顯漏記結(jié)冰現(xiàn)象情況。如果直接使用這些原始觀測(cè)資料而不進(jìn)行有效地質(zhì)量控制，對(duì)于結(jié)冰現(xiàn)象長(zhǎng)期變化趨勢(shì)分析等會(huì)得到不同的甚至相反的結(jié)論。因此，在使用結(jié)冰現(xiàn)象觀測(cè)資料前需進(jìn)行嚴(yán)格的質(zhì)量控制和合理的數(shù)據(jù)訂正。目前，國(guó)內(nèi)外主要基于界限值、內(nèi)部一致性和人工審核等方式對(duì)結(jié)冰現(xiàn)象觀測(cè)數(shù)據(jù)進(jìn)行檢查(范邵華等，2018；任芝花等，2007；2015；廖捷和周自江，2018；江益等，2018；劉小寧和任芝花，2005；陶士偉等，2009；閔錦忠等，2018)，質(zhì)量控制方法較為簡(jiǎn)單，如在歷史資料的數(shù)字化過(guò)程中，僅對(duì)數(shù)據(jù)的完整性、規(guī)范性進(jìn)行了檢查，對(duì)出現(xiàn)的空白記錄或者缺測(cè)記錄無(wú)法進(jìn)一步確認(rèn)處理(范邵華等，2018)；任芝花等(2015)設(shè)計(jì)的“臺(tái)站-省級(jí)-國(guó)家級(jí)”三級(jí)質(zhì)量控制只能對(duì)明顯錯(cuò)誤的數(shù)據(jù)進(jìn)行缺測(cè)處理，無(wú)法確認(rèn)某日是否出現(xiàn)結(jié)冰現(xiàn)象。在結(jié)冰現(xiàn)象觀測(cè)數(shù)據(jù)訂正方面，國(guó)內(nèi)外相關(guān)研究較少，采用的線性回歸法(余予等，2018)也僅能完成對(duì)年(或月)結(jié)冰日數(shù)的插補(bǔ)，較難認(rèn)定某天是否發(fā)生結(jié)冰現(xiàn)象。為此，本文結(jié)合氣溫、地表溫度等氣象要素觀測(cè)值對(duì)安徽省81個(gè)國(guó)家級(jí)地面氣象站結(jié)冰現(xiàn)象觀測(cè)資料進(jìn)行了嚴(yán)格的質(zhì)量控制，采用Bayes判別法構(gòu)建了日結(jié)冰現(xiàn)象判別模型，并探討了判別模型對(duì)結(jié)冰現(xiàn)象資料序列的逐日訂正效果，旨在通過(guò)質(zhì)量控制和數(shù)據(jù)訂正形成高質(zhì)量、長(zhǎng)序列的結(jié)冰現(xiàn)象資料序列，為結(jié)冰現(xiàn)象的氣候變化分析等提供科學(xué)依據(jù)。

1 資料與方法

1.1 資料與處理

本研究使用的資料包括安徽省81個(gè)國(guó)家級(jí)地面氣象站1961—2018年的日結(jié)冰現(xiàn)象觀測(cè)資料(當(dāng)日是否出現(xiàn))、日最低氣溫(單位：℃)、日最低地表溫度(單位：℃)，源自對(duì)應(yīng)站點(diǎn)的地面氣象月報(bào)表A文件。根據(jù)日最低氣溫和日最低地表溫度觀測(cè)值，對(duì)日結(jié)冰現(xiàn)象是否出現(xiàn)的資料序列進(jìn)行初步質(zhì)量控制。若某日出現(xiàn)結(jié)冰現(xiàn)象，且日最低氣溫和日最低地表溫度均大于10℃，則判定該日的結(jié)冰現(xiàn)象記錄錯(cuò)誤，將該日訂正為無(wú)結(jié)冰現(xiàn)象；如果日最低氣溫(或日最低地表溫度)缺測(cè)，則在該日定時(shí)氣溫(或地表溫度)中取最小值進(jìn)行替代。依據(jù)《地面氣象觀測(cè)規(guī)范》(中國(guó)氣象局，2003)統(tǒng)計(jì)得到安徽省81個(gè)國(guó)家級(jí)地面氣象站1961—2018年的年結(jié)冰日數(shù)序列。

1.2 研究方法

為了更好地完成結(jié)冰現(xiàn)象資料序列的訂正，采用要素一致性、內(nèi)部一致性、空間一致性等方法對(duì)年結(jié)冰日數(shù)序列進(jìn)行質(zhì)量控制，方法和步驟如下：

第一步進(jìn)行要素一致性檢查。針對(duì)各站計(jì)算年結(jié)冰日數(shù)序列與年最低氣溫<0℃日數(shù)序列間的相關(guān)系數(shù)(R)。選取相關(guān)系數(shù)R>0.9且通過(guò)0.05的顯著性水平檢驗(yàn)的臺(tái)站，利用這些臺(tái)站的年結(jié)冰日數(shù)(y)和年最低氣溫<0℃日數(shù)(x)，求取兩者間線性擬合公式。利用線性擬合公式估算各站每年的結(jié)冰日數(shù)，若某年觀測(cè)值比估算值偏低50%，則認(rèn)為該年結(jié)冰現(xiàn)象數(shù)據(jù)異常，對(duì)其進(jìn)行標(biāo)記。

第二步進(jìn)行內(nèi)部一致性檢查?；谕瓿梢匾恢滦詸z查后的正確結(jié)冰現(xiàn)象數(shù)據(jù)，計(jì)算各站年結(jié)冰日數(shù)的均值(μ)和標(biāo)準(zhǔn)差(σ)，若某年結(jié)冰日數(shù)位于區(qū)間[μ-3σ，μ+3σ]之外，則認(rèn)為該年結(jié)冰數(shù)據(jù)異常，對(duì)其進(jìn)行標(biāo)記。

第三步進(jìn)行空間一致性檢查?；趦?nèi)部一致性檢查后的正確結(jié)冰現(xiàn)象數(shù)據(jù)，為待檢驗(yàn)站點(diǎn)(以下簡(jiǎn)稱待檢站)構(gòu)建參考序列，參考站選取的步驟與標(biāo)準(zhǔn)為：(1)與待檢站的海拔高度差不超過(guò)200 m，地理環(huán)境相似；(2)與待檢站的年平均氣溫序列相關(guān)系數(shù)R>0.6且通過(guò)0.05的顯著性水平檢驗(yàn)；(3)與待檢站的直線距離<100 km，且距離最近的5個(gè)氣象站。若選取的參考站數(shù)量不足5個(gè)，則以實(shí)際數(shù)量計(jì)算，若參考站數(shù)量為0個(gè)，則不進(jìn)行空間一致性檢查。計(jì)算待檢站年結(jié)冰日數(shù)相對(duì)參考站平均年結(jié)冰日數(shù)的偏差，若某年的相對(duì)偏差超過(guò)50%，則認(rèn)為該年結(jié)冰數(shù)據(jù)異常，對(duì)其進(jìn)行標(biāo)記。

對(duì)經(jīng)質(zhì)量控制后的正常年份數(shù)據(jù)進(jìn)行Bayes判別模型訓(xùn)練，應(yīng)用所得的模型對(duì)異常年份結(jié)冰現(xiàn)象數(shù)據(jù)進(jìn)行訂正，其中Bayes判別模型訓(xùn)練方法和步驟(王斌會(huì)，2011；華連生等，2015)如下：

(1)計(jì)算訓(xùn)練樣本集中日結(jié)冰現(xiàn)象不發(fā)生和發(fā)生的概率分別為P0和P1。

(2)假設(shè)某日的相關(guān)氣象要素觀測(cè)值X=(x1，x2,…,xn)′，其中x1,x2,…,xn表示日最低氣溫、日最低地表溫度等。根據(jù)訓(xùn)練樣本集計(jì)算該日結(jié)冰現(xiàn)象不發(fā)生和發(fā)生情況下觀測(cè)到相應(yīng)氣象要素值X的概率P(X/Yi),i=0,1，其中Y0代表日結(jié)冰現(xiàn)象不發(fā)生，Y1代表日結(jié)冰現(xiàn)象發(fā)生。

(3)根據(jù)Bayes定理，計(jì)算在相應(yīng)氣象要素觀測(cè)值X條件下該日結(jié)冰現(xiàn)象不發(fā)生或發(fā)生的概率P(Yi/X)：

i=0,1

(1)

(2)

式中:μi=(μi1,μi2,…,μin)′，i=0,1;其中μi1,μi2,…,μin表示第i個(gè)總體中各變量的均值。協(xié)方差矩陣Σ=(σjl)n×n，協(xié)方差逆矩陣Σ-1=(σjl)n×n，其中σjl和σjl分別表示協(xié)方差矩陣及其逆矩陣中的第j行第l列元素，j=1,2,…,n,l=1,2,…,n。因?yàn)?/p>

式中“?”表示等價(jià)的意思，則有：

(3)

略去式(3)中與i無(wú)關(guān)的項(xiàng)，則可寫為如下線性判別函數(shù)：

(4)

式中:

i=0,1,j=1,2,…,n

若Y0>Y1，認(rèn)為該日無(wú)結(jié)冰現(xiàn)象；反之，認(rèn)為該日有結(jié)冰現(xiàn)象。根據(jù)每日相關(guān)氣象要素的觀測(cè)值(日最低氣溫、日最低地表溫度等)，利用式(4)可以完成逐日結(jié)冰現(xiàn)象的訂正。

1.3 Bayes判識(shí)模型評(píng)價(jià)指標(biāo)

為檢驗(yàn)基于Bayes判別法建立的結(jié)冰判別模型判識(shí)效果，采用準(zhǔn)確率(PC)、命中率(POD)、誤警率(FAR)和TS評(píng)分(TS)等指標(biāo)進(jìn)行評(píng)估，具體計(jì)算公式如下：

(5)

(6)

(7)

(8)

式中：TN表示人工觀測(cè)和模型判識(shí)都無(wú)結(jié)冰現(xiàn)象的日數(shù)，TP表示人工觀測(cè)和模型判識(shí)都有結(jié)冰現(xiàn)象的日數(shù)，F(xiàn)N表示人工觀測(cè)有結(jié)冰現(xiàn)象但模型判識(shí)無(wú)結(jié)冰現(xiàn)象的日數(shù)，F(xiàn)P表示人工觀測(cè)無(wú)結(jié)冰現(xiàn)象但模型判識(shí)有結(jié)冰現(xiàn)象的日數(shù)。

2 數(shù)據(jù)質(zhì)量控制檢查結(jié)果分析

計(jì)算各臺(tái)站年結(jié)冰日數(shù)與年最低氣溫<0℃日數(shù)間的相關(guān)系數(shù)，其中共有39個(gè)臺(tái)站的相關(guān)系數(shù)R>0.9，且通過(guò)0.05的顯著性水平檢驗(yàn)。選用這39個(gè)臺(tái)站的數(shù)據(jù)計(jì)算年結(jié)冰日數(shù)(y)和年最低氣溫<0℃日數(shù)(x)間的線性擬合公式為：

(9)

圖1給出了1961—2018年結(jié)冰日數(shù)質(zhì)量控制異常臺(tái)站數(shù)逐年分布，從圖中可以看出，年結(jié)冰日數(shù)異常年份主要集中在1961—1970、1988—1999和2015—2017年。這主要是由于20世紀(jì)60年代早期對(duì)結(jié)冰現(xiàn)象的觀測(cè)要求較為簡(jiǎn)單(中國(guó)氣象局，1961)，導(dǎo)致這類臺(tái)站的結(jié)冰現(xiàn)象記錄異常偏少，甚至為零。隨著《地面氣象觀測(cè)規(guī)范》的修改和逐步完善(寧惠芳等，2014)，1970年之后這一問(wèn)題得到了明顯地扭轉(zhuǎn)。1988年中國(guó)氣象局制定實(shí)施的《地基氣象探測(cè)系統(tǒng)發(fā)展方案》，將部分國(guó)家級(jí)地面氣象觀測(cè)站(如太和站、懷遠(yuǎn)站和懷寧站)劃分為觀測(cè)輔助站(吳增祥，2006)，對(duì)氣壓、天氣現(xiàn)象等氣象要素不做觀測(cè)要求，造成記錄的結(jié)冰現(xiàn)象顯著偏少或無(wú)記錄，1999年后觀測(cè)輔助站重新歸類為國(guó)家一般氣象站(以下簡(jiǎn)稱一般站)，所以1988—1999年有3～4個(gè)臺(tái)站的年結(jié)冰日數(shù)出現(xiàn)異常。2014年中國(guó)氣象局實(shí)施《地面氣象觀測(cè)業(yè)務(wù)改革方案》(中國(guó)氣象局綜合觀測(cè)司，2013)，將國(guó)家基準(zhǔn)氣候站(以下簡(jiǎn)稱基準(zhǔn)站)和國(guó)家基本氣象站(以下簡(jiǎn)稱基本站)夜間天氣現(xiàn)象連續(xù)觀測(cè)(20時(shí)至次日08時(shí))調(diào)整為4次整點(diǎn)(20、23、02、05時(shí))觀測(cè)，同時(shí)取消一般站夜間值守任務(wù)，這就造成夜間出現(xiàn)短時(shí)間結(jié)冰現(xiàn)象而漏記的情況，2018年安徽省加強(qiáng)了對(duì)月報(bào)表A文件中結(jié)冰現(xiàn)象的人工質(zhì)量控制工作，因此，2015—2017年出現(xiàn)較多臺(tái)站年結(jié)冰日數(shù)異常偏少現(xiàn)象，而2018年未見數(shù)據(jù)異?，F(xiàn)象。圖2給出了安徽省年結(jié)冰日數(shù)檢查異常的臺(tái)站分布，從圖中可以看出，在全省年結(jié)冰日數(shù)異常的38個(gè)臺(tái)站中，基準(zhǔn)站和基本站共有10個(gè)站累計(jì)13年的年結(jié)冰日數(shù)異常，一般站共有28個(gè)臺(tái)站累計(jì)69年的年結(jié)冰日數(shù)異常，異常站點(diǎn)及累計(jì)異常年數(shù)中一般站的占比都比較大，這與一般站觀測(cè)方式的多次調(diào)整有關(guān)。在空間分布上，年結(jié)冰日數(shù)記錄異常并無(wú)明顯特征。

圖1 1961—2018年安徽省年結(jié)冰日數(shù)異常臺(tái)站數(shù)逐年分布Fig.1 Distribution of stations with abnormal annual icing days in Anhui Province from 1961 to 2018

圖2 1961—2018年安徽省各臺(tái)站累計(jì)異常年數(shù)分布(單位：a)Fig.2 Distribution of cumulative abnormal years of stations in Anhui Province from 1961 to 2018 (unit: a)

3 結(jié)冰現(xiàn)象資料序列訂正

3.1 Bayes判別模型建立

針對(duì)經(jīng)過(guò)質(zhì)量控制后的正確年份結(jié)冰現(xiàn)象數(shù)據(jù)，剔除日最低氣溫和日最低地表溫度均大于10℃的日數(shù)據(jù)，得到較易發(fā)生結(jié)冰現(xiàn)象的日數(shù)據(jù)，共有數(shù)據(jù)1 203 734 d，隨機(jī)選取80%作為模型訓(xùn)練數(shù)據(jù)集，剩余20%作為模型驗(yàn)證數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)集中無(wú)結(jié)冰日數(shù)占比P0=0.66，有結(jié)冰日數(shù)占比P1=0.34。鑒于溫度對(duì)結(jié)冰現(xiàn)象的影響，將日最低氣溫(Tmin)、日最低地表溫度(Dmin)依次代入式(4)中建模，得到結(jié)冰現(xiàn)象判別模型1、模型2和模型3如下：

模型1(日最低氣溫判別模型)：

(10)

模型2(日最低地表溫度判別模型)：

(11)

模型3(日最低氣溫和日最低地表溫度判別模型)：

(12)

為考察模型1～模型3對(duì)結(jié)冰現(xiàn)象的判別能力，利用驗(yàn)證數(shù)據(jù)集對(duì)各模型進(jìn)行檢驗(yàn)，其中驗(yàn)證數(shù)據(jù)集中無(wú)結(jié)冰日為168 179 d，有結(jié)冰日為72 432 d，共計(jì)240 611 d。表1給出了各模型的正確率、命中率、誤警率、TS評(píng)分等檢驗(yàn)評(píng)價(jià)指標(biāo)，模型1和模型3具有較高的判識(shí)正確率、命中率和TS評(píng)分，且模型的誤警率較低，模型2的判識(shí)效果不如模型1和模型3，表明可用模型1和模型3對(duì)日結(jié)冰現(xiàn)象進(jìn)行判識(shí)，但兩者判識(shí)效果差異不大，且模型1比模型3少一元變量，更便于計(jì)算，因此，選用模型1對(duì)質(zhì)量控制檢查異常年份結(jié)冰數(shù)據(jù)進(jìn)行逐日訂正。

表1 基于驗(yàn)證數(shù)據(jù)集的各模型判別效果Table 1 Discrimination effect of each model based on validation data set

3.2 基于Bayes判別模型的結(jié)冰序列訂正

針對(duì)數(shù)據(jù)質(zhì)量控制標(biāo)記的結(jié)冰現(xiàn)象記錄異常年份數(shù)據(jù)，利用模型1進(jìn)行逐日判別。如果模型判別結(jié)果與人工記錄結(jié)果不一致，則將該日結(jié)冰現(xiàn)象訂正為模型判別結(jié)果；否則不進(jìn)行訂正。如果某日最低氣溫缺測(cè)，則在該日定時(shí)氣溫中取最小值進(jìn)行替代。

通過(guò)上述方法對(duì)安徽省38個(gè)臺(tái)站累計(jì)84年的異常年份數(shù)據(jù)進(jìn)行訂正，共訂正了2 949 d的結(jié)冰現(xiàn)象記錄，訂正數(shù)據(jù)量占異常年份總數(shù)據(jù)量的9.5%，占比較少?；谟喺蟮慕Y(jié)冰現(xiàn)象資料序列重新進(jìn)行要素一致性、內(nèi)部一致性、空間一致性等檢查，發(fā)現(xiàn)仍有2個(gè)臺(tái)站累計(jì)2年的年結(jié)冰日數(shù)異常(表2)。從表2中可以看出，望江站模型判別結(jié)冰日數(shù)相對(duì)參考站平均結(jié)冰日數(shù)明顯偏少，導(dǎo)致該站2017年訂正后的年結(jié)冰日數(shù)未通過(guò)空間一致性檢驗(yàn)。經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，人工記錄結(jié)冰日數(shù)明顯少于年最低氣溫<0℃日數(shù)和年最低地表溫度<-1℃日數(shù)，而模型判別結(jié)冰日數(shù)更接近于年最低氣溫<0℃日數(shù)和年最低地表溫度<-1℃日數(shù)，表明望江站2017年人工觀測(cè)結(jié)冰現(xiàn)象的記錄中存在漏記的可能?；茨险?999年人工記錄結(jié)冰日數(shù)和模型判別結(jié)冰日數(shù)相對(duì)于參考站平均結(jié)冰日數(shù)都明顯偏少，所以該年結(jié)冰日數(shù)也未通過(guò)空間一致性檢驗(yàn)，但人工觀測(cè)結(jié)冰日數(shù)、模型判別結(jié)冰日數(shù)和年最低氣溫<0℃日數(shù)三者間都比較接近，故認(rèn)為當(dāng)年結(jié)冰現(xiàn)象人工記錄正常?？傮w而言，經(jīng)Bayes判別模型訂正后，38個(gè)臺(tái)站累計(jì)84年的異常年份數(shù)據(jù)中有36個(gè)臺(tái)站累計(jì)82年通過(guò)質(zhì)量控制檢查，雖有2個(gè)臺(tái)站累計(jì)2年的年結(jié)冰日數(shù)未通過(guò)檢驗(yàn)，但模型判別結(jié)果比較符合臺(tái)站自身的實(shí)際情況，表明經(jīng)Bayes判別模型訂正后結(jié)冰現(xiàn)象數(shù)據(jù)質(zhì)量得到明顯提升。

表2 異常站點(diǎn)年結(jié)冰日數(shù)的質(zhì)量控制結(jié)果Table 2 The quality control results of revised annual icing days at abnormal stations

3.3 訂正結(jié)果對(duì)比

以六安站、太和站和無(wú)為站為例，考察Bayes判別模型對(duì)質(zhì)量控制檢查異常年份結(jié)冰現(xiàn)象的訂正效果，并與參考序列進(jìn)行對(duì)比，其中參考序列的構(gòu)建選用通過(guò)質(zhì)量控制的站點(diǎn)數(shù)據(jù)，具體參見空間一致性檢驗(yàn)參考站選取的方法與步驟。六安站的年結(jié)冰日數(shù)異常年份出現(xiàn)在1967年和1968年，這兩年人工觀測(cè)的年結(jié)冰日數(shù)分別為23 d和8 d，利用模型1訂正后的年結(jié)冰日數(shù)分別為69 d和56 d，模型訂正值與人工觀測(cè)值差異較大，但與參考序列的年結(jié)冰日數(shù)更為接近(圖3a)。在年結(jié)冰日數(shù)變化趨勢(shì)上，訂正序列的趨勢(shì)與參考序列的趨勢(shì)更為接近，且均為下降趨勢(shì)，表明Bayes判別模型對(duì)六安站1967年和1968年的結(jié)冰現(xiàn)象訂正效果較好。太和站在1988—1999年為觀測(cè)輔助站，對(duì)結(jié)冰現(xiàn)象不做觀測(cè)要求，造成1988—1999年的結(jié)冰現(xiàn)象未做記錄，通過(guò)模型1訂正后，1988—1999年訂正序列平均年結(jié)冰日數(shù)為63.8 d，最低年結(jié)冰日數(shù)為42 d，最高年結(jié)冰日數(shù)為82 d，與參考序列的平均絕對(duì)差值為6.5 d，最大絕對(duì)差值為12.2 d，而1961—1987年年結(jié)冰日數(shù)原始序列與參考序列的平均絕對(duì)差值為5.6 d，最大絕對(duì)差值為15.4 d，2000—2018年年結(jié)冰日數(shù)原始序列與參考序列的平均絕對(duì)差值為7.1 d，最大絕對(duì)差值為12.4 d，表明1988—1999年年結(jié)冰日數(shù)訂正序列與參考序列的誤差在合理范圍內(nèi)。從變化趨勢(shì)上看，訂正序列的變化趨勢(shì)與參考序列更接近(圖3b)，且訂正序列線性趨勢(shì)線的擬合優(yōu)度R2要明顯大于原始序列趨勢(shì)線的R2，表明利用訂正序列得到的趨勢(shì)線更可靠?？傮w看來(lái)，Bayes判別模型對(duì)太和站1988—1999年的結(jié)冰現(xiàn)象訂正較為合理。圖3c給出了無(wú)為站訂正前后1961—2018年年結(jié)冰日數(shù)序列，無(wú)為站2016年和2017年人工觀測(cè)的結(jié)冰日數(shù)分別為12 d和8 d，相較于往年觀測(cè)值和參考序列都明顯偏少，訂正后的結(jié)冰日數(shù)分別為26 d和21 d，與參考序列更為接近，也更符合序列變化趨勢(shì)。

圖3 1961—2018年六安站(a)、太和站(b)和無(wú)為站(c)年結(jié)冰日數(shù)序列Fig.3 Annual icing days series of Lu’an Station (a), Taihe Station (b) and Wuwei Station (c) from 1961 to 2018

通過(guò)六安站、太和站和無(wú)為站異常年份結(jié)冰現(xiàn)象訂正結(jié)果對(duì)比發(fā)現(xiàn)，基于Bayes判別法的結(jié)冰現(xiàn)象判別模型，對(duì)不同時(shí)間段、不同原因造成的典型的結(jié)冰觀測(cè)記錄異常的訂正均較為合理，訂正后的年結(jié)冰日數(shù)變化趨勢(shì)更符合實(shí)際情況，表明采用Bayes判別模型訂正結(jié)冰現(xiàn)象是合理、可行的。

4 結(jié)論與討論

(1)本研究采用要素一致性、內(nèi)部一致性、空間一致性等方法對(duì)安徽省81個(gè)臺(tái)站1961—2018年年結(jié)冰日數(shù)序列進(jìn)行更細(xì)致的質(zhì)量控制，與余予等(2018)中質(zhì)量控制方法相比，本研究所采用的方法更為嚴(yán)格，主要體現(xiàn)在：①本研究?jī)?nèi)部一致性檢查時(shí)采用3倍標(biāo)準(zhǔn)差，而余予等(2018)采用5倍標(biāo)準(zhǔn)差；②本研究采用了空間一致性檢查，而余予等(2018)未進(jìn)行空間一致性檢查。

(2)年結(jié)冰日數(shù)質(zhì)量控制結(jié)果表明，安徽省共有38個(gè)臺(tái)站累計(jì)84年的年結(jié)冰日數(shù)質(zhì)量控制檢查異常，年結(jié)冰日數(shù)異常年份主要集中在1961—1970、1988—1999和2015—2017年，造成年結(jié)冰日數(shù)異常的原因有部分臺(tái)站歷史觀測(cè)任務(wù)簡(jiǎn)化、氣象臺(tái)站分類調(diào)整以及地面氣象觀測(cè)業(yè)務(wù)改革等。余予等(2018)對(duì)安徽省1981年之前的年結(jié)冰日數(shù)質(zhì)量控制發(fā)現(xiàn)，共有1站累計(jì)1年未記錄結(jié)冰現(xiàn)象，有8站存在1～2年的年結(jié)冰日數(shù)顯著偏低。從圖1可以看出，本研究發(fā)現(xiàn)的1981年之前的年結(jié)冰日數(shù)異常站數(shù)和累計(jì)年數(shù)要明顯多于余予等(2018)的質(zhì)量控制結(jié)果，這也佐證了本研究質(zhì)量控制標(biāo)準(zhǔn)比余予等(2018)的質(zhì)量控制標(biāo)準(zhǔn)更為嚴(yán)格。

(3)針對(duì)質(zhì)量控制后的正確年份結(jié)冰現(xiàn)象數(shù)據(jù)集，采用Bayes判別法建立模型1、模型2和模型3。經(jīng)檢驗(yàn)發(fā)現(xiàn)，模型1和模型3各項(xiàng)評(píng)價(jià)指標(biāo)均較好。考慮計(jì)算的簡(jiǎn)便性，選用模型1對(duì)質(zhì)量控制檢查異常年份結(jié)冰數(shù)據(jù)進(jìn)行逐日訂正。通過(guò)訂正結(jié)果對(duì)比發(fā)現(xiàn)，基于Bayes判別法的結(jié)冰現(xiàn)象判別模型，對(duì)不同時(shí)間段內(nèi)，不同原因造成的結(jié)冰現(xiàn)象觀測(cè)記錄異常的訂正均較為合理，訂正后的年結(jié)冰日數(shù)變化趨勢(shì)更符合實(shí)際情況，表明采用Bayes判別模型訂正結(jié)冰現(xiàn)象是合理、可行的。

(4)本研究發(fā)現(xiàn)部分臺(tái)站歷史觀測(cè)任務(wù)簡(jiǎn)化、氣象臺(tái)站分類調(diào)整、地面氣象觀測(cè)業(yè)務(wù)改革等引發(fā)了安徽省部分臺(tái)站的年結(jié)冰日數(shù)異常問(wèn)題，這些問(wèn)題勢(shì)必在全國(guó)其他地區(qū)同樣存在，余予等(2018)僅對(duì)1981年前的年結(jié)冰日數(shù)進(jìn)行質(zhì)量控制，就發(fā)現(xiàn)全國(guó)1954—1979年共有662個(gè)臺(tái)站累計(jì)6 328年實(shí)際未觀測(cè)和記錄結(jié)冰現(xiàn)象，1981年前有839個(gè)臺(tái)站累計(jì)1 453年存在明顯漏記結(jié)冰現(xiàn)象情況。因此，在使用全國(guó)結(jié)冰資料進(jìn)行氣候變化分析時(shí)，還需進(jìn)行有效的質(zhì)量控制和序列訂正。本研究所用方法對(duì)全國(guó)范圍內(nèi)的結(jié)冰資料的質(zhì)量控制和訂正提供了一種參考，但其質(zhì)量控制和訂正效果還有待于進(jìn)一步探討。