成都区域气象站自动分型方法设计及应用

为快速区分下垫面不同气象站类型,采用一种区域气象站自动分型方法。选取两个日气温极小值之差在-5℃~5℃站点,以0.1℃为步长划分档位,按照温差值的高低顺序排列温差;统计90天内,各档温差值出现的频数,得到反映某个温差位拥有多少样本量的频次分析序列,取样本量的中位数频次进行归一化处理,即为特征频率,记为F;设置量化因子Kf量化距离影响因素,下垫面一致性的影响可用Kf体现。最终结果表明,经运算分型站点被自动分为A、B、C 3个大群,通过观察A群和C群可知,乡村型站点与城镇型站点在地理分布上被清晰地自动区分,通过对A群C群进行抽样检查,及对城市站点与乡村站点的数据比对,验证了运算分型的有效性。

一种基于气温日极小值的观测环境影响判别与评估方法

在人口稠密地区维持气象观测环境稳定十分困难,长序列气温数据中混杂着大量由探测环境条件变化引起的误差,影响了观测数据的应用价值,探索在数据采集和使用环节消减这类误差的方法十分必要。本文立足于观测站实际情况,研发了一种从最低气温数据中提取混杂的环境误差信息的方法,并对其适用性进行检验评估。结果表明:该方法识别出的观测环境变化与实际场景充分吻合,多数受影响的数据段可以在“季平均”尺度上得到有效识别,环境变化引起的误差量也可以被定量评估。