随着气象现代化的快速发展，为了加强对中小尺度天气系统的监测和预警能力，2009年底，气象部门已经在全国建成国家级自动站和区域自动站30000左右(任芝花等，2010)。降水资料在流域面雨量计算、气候研究、气象服务等方面具有重要意义，随着我国新一代天气雷达网的布设，及气象卫星资料的应用，这些遥感数据融合了雨量计观测数据形成的格点化降水资料，也已经越来越广泛地应用于气象服务、精细化农业、模式验证、水利和城市管理等方面。但是，自动雨量计由于风力、蒸发、灌溉、校准、机械故障、信号传输等原因往往造成其存在不同类型的系统误差和随机误差(Habib et al.,2001；Yeung et al.,2010)。因此，在定量使用自动雨量计测量的降水数据之前，需要对其进行质量控制。一直以来，国际上针对地面日或月气候统计资料质量控制方法的研究及其应用相对比较广泛(Feng et al.,2004；任芝花等，2010；Sciuto et al.,2009)，而针对小时观测资料尤其是降水资料质量控制方法的研究比较有限。目前，应用到的逐小时降水资料质量控制方法主要为气候学界限值检 查，其他检查方法的研究与应用还较少(任芝花等，2010)，但在雨量计的随机误差中，由于机械故障、信号传输或雨量计堵塞造成的被污染数 据，往往在气候极值以内，很难利用气候极值法对其进行质量控制，从而在强降水的监测和评估中带来严重的影响。基于极值法的局限性，岳艳霞等(2009)根据翻斗式雨量计在测量地面降雨时出现误差的原因，利用均值与范围值对雨量计观测值进行检查，并在空间一致性检查过程中采用了时间一致性和内部一致性，来对雨量计数据进行质量控制。任芝花等(2010)利用降水的界限值及时空一致性对全国区域自动站和国家级自动站实时上传的逐小时降水资料进行了质量控制。基于极值法和时空一致性的检查方法相对于单纯的极值法是一种进步，但如果雨量计比较稀疏或者相邻的几个雨量计都存在测量仪器故障或雨量计漏斗部分堵塞的情况，则显得有点无能为力。

目前，随着我国天气雷达网的建成，天气雷达以其高时空分辨率的优势已经成为监测降水的重要手段，雷达定量估测降水一直伴随着天气雷达的发展，国内外也已经在此方面进行了大量的研究(林炳干等，1997；李建通等，2005，2009；Xu et al.,2008；Wang et al.,2012；Qi et al.,2013)。因此，本研究利用雷达定量估测的降水，对雷达—雨量计对之间的差异进行统计学的分析，确定雨量计质量控制的一些标准，从而实时地对雨量计进行质量控制。

本文结构如下：第二部分介绍了研究中用到的资料，第三部分介绍了雷达雨量计联合估测降水方法，雷达—雨量计对之间的残差统计特征在第四部分介绍，第五部分介绍了雨量计质量控制的标准及过程，性能评估及结论在第六和第七部分介绍。

本研究的区域为江淮流域，考虑到雷达覆盖范围以及自动雨量站的布设情况，选择的矩形研究区域为(31°N～36°N，115°E～120°E)。雷达资料由我国气象部门业务布点的新一代天气雷达提供，采用了郑州、合肥、蚌埠、南京、上海、杭州、徐州、连云港八部雷达站的基数据，雷达站位置如图 1所示，这八部雷达均为S波段多普勒天气雷达，资料格式、探测模式等参数均采用标准的VCP21降水观测模式。体扫时间间隔为6分钟。

图 1

Fig. 1

图 1 在构造应力积累的速率保持恒定的情况下的研究区域(矩形区域)及多普勒雷达位置(三角形) Fig. 1 The study domain(marked with rectangle) and locations of Doppler radars(marked with triangle)

研究中采用的雷达数据是笛卡尔坐标下的混合扫描反射率因子拼图数据，该数据是由中国气象科学研究院灾害天气国家重点实验室开发的多普勒天气雷达三维数字组网系统及每个格点的高度信息生成，主要过程如下：在单站雷达资料质量控制(去除地物杂波、孤立回波点、电磁干扰等)的基础上，完成区域的多普勒天气雷达基数据组网，提供经、纬度及海拔高度网格的三维回波强度资料，数据的水平分辨率为0.01°×0.01°，垂直分辨率在低层为0.5 km，中层为1 km，高层为2 km，时间分辨率为6 min(王红艳等，2009)。基于这种三维回波强度资料，再根据等射束高度拼图，得到每个格点的高度信息，生成混合扫描反射率因子拼图数据。混合扫描反射率因子拼图数据用于雷达定量估测降水。

雨量计数据为我国气象部门上传的逐时降水数据，研究区域范围内的雨量计数据达到了2000多个，平均空间间隔在10 km左右，雨量计的灵敏度为0.1 mm。

研究中选取了2009年6～8月的6次降水过程为基础来发展雨量计的质量控制算法，采用2次降水过程进行算法的评估，表 1给出了这8次降水过程的发生时间、持续时间及降水面积的一些信息。

表 1(Table 1)

表 1 研究中的降水过程 Table 1 Precipitation events used in this study 序号 降水过程 开始时间(UTC) 持续时 间/h 降水面积/ 104 km2 1 2009年6月7～8日 03:00 46 18 2 2009年7月5日 05:00 12 6 3 2009年7月10～11日 10:00 28 13 4 2009年8月26日 05:00 9 3 5 2009年8月28日 01:00 10 5 6 2009年9月24日 00:00 23 11 7 2009年6月19日 02:00 18 6 8 2009年8月16～17日 00:00 40 10

表 1 研究中的降水过程 Table 1 Precipitation events used in this study

由于雨量计是对降水的直接测量，通常被认为是降水的真值，从上世纪70年代开始，先后发展出许多不同的雷达—雨量计联合估测降水方法，用来校准雷达估测降水(Ahnert et al.,1986；Bhargava and Danard，1994；Seo，1998；Anagnostou and Krajewski，1999；Ware，2005；李建通等，2005，2009；Wan et al.,2010)。本文采用两步校准法来改善雷达定量估测降水，即先采用雷达反射率因子和地面雨量计观测数据实时拟合出反射率因子和雨强(Z−R)关系，在时间域上对雷达—雨量计的平均偏差场进行校准，然后再利用反距离插值校准法在空间上做第二次校准，实现对雷达—雨量计观测误差的二次校准，最大限度地减小雷达—雨量计之间的观测误差，达到更好的校准效果，下面简单地介绍两步校准法。

Z−R关系的一般表达式可以表示为Z=AR^b，对两边取对数得

图 2

Fig. 2

图 2 雷达—雨量计对实时拟合Z-R关系流程图 Fig. 2 A flow chart of the real-time adjustments to Z−R relationships on radar-gauge pairs

雷达通过Z−R关系在雨量计位置估测的降水与雨量计观测的误差可以表示为

为了定量描述雷达估测降水和雨量计之间的一致性和不一致性，研究中计算了雷达—雨量计对之间的残差ξ，计算公式如下：

为了使ξ能够反映所有可能的雨量计观测和雷达估测的降水，如果雷达—雨量计对中有一个降水为零，则增加一个小于雨量计灵敏度(0.1 mm)的偏移量(0.05 mm)。研究中计算了2009年6～8月6次降水过程的残差ξ和线性误差D，统计结果如图 3所示。可以看到在线性误差分布图的尾部41 mm处出现了峰值，就雷达估测的小时降水量而言，雨量计出现了不合理的大值，这个峰值可以作为雨量计质量控制的标准之一。对于错误的零观测值或者不合理的较小的雨量计观测值，这种异常往往隐藏在偏差分布的中间峰值处，很难被检测出来。为了发掘这些隐藏的错误值，需要剔除那些估测误差较小的数据。因此，用雷达估测降水的方差σ对雷达—雨量计对之间的绝对误差进行标准化，标准化参数σ定义为

图 3

Fig. 3

图 3 雷达—雨量计对的残差分布：(a)所有样本的残差分布；(b)所有样本的线性误差分布；(c)δ＞2的样本的残差分布；(d)δ＞3的样本的残差分布 Fig. 3 Distributions of RG－RR residuals:(a)All data samples;(b)all data samples in linear scale(departures);(c)data samples with δ>2 only;(d)data samples with δ＞3

基于以上的讨论和结果，提出了雨量计小时雨量的质量控制过程：

(i)对于超过区域界限值的数据，则认为雨量计错误；

(ii)空间的连续性检查

首先用两步校准法计算参考的雨量值，然后计算雷达—雨量计对之间的残差、线性误差和标准差，与设定的阈值(D_c，δ_c，ξ_c)进行对比；

(iii)如果D≥D_c，则认为雨量计错误；

如果δ≥δ_c，并且ξ≥ξ_c+(ξ_c+>0)，则认为雨量计错误；

如果δ≥δ_c，并且ξ≤ξ_c-(ξ_c-<0，则认为雨量计错误。

根据上一节的统计结果，对于小时雨量来说，D_c=41 mm，δ_c=2，ξ_c+，ξ_c-分别代表残差分布尾部的正、负峰值，ξ_c+=17KB，ξ_c-=―17dB。由于这些参数对于δ不太敏感，也可以采用高一点的数值(Yeung et al.,2010)。先检查数据是否超过界限值是必要的，否则的话，一些不合常理的雨量计数据会影响雨量计对雷达估测降水的校准，从而影响雨量计质量控制的结果。界限值范围的上限参数设置是否合理直接决定了界限值检查的效果。设置太低，则个别极端大的正确数据可能会被作为错误数据处理，而这部分数据对于气象预警、极端天气研究非常关键；设置太高，则错误数据又可能被当作正确数据处理，这种大的错误数据在应用中起明显的误导作用。根据任芝花等(2010)提到气候学界限值范围和区域界限值范围，将本研究区域的界限值设为0～140 mm h⁻¹。

为了对两步校准法的性能进行简单地评估，研究中将所有的雨量计样本间隔地分成两个样本组，即序数为奇数的雨量计为校准组，序数为偶数的雨量计为评估组。同时为了避免错误的雨量计数据在校准雷达估测降水时引起错误地订正，在采用反距离加权校准的过程中，对于地面雨量观测值与雷达估测降水的相对误差值大于200%的数据，作为不可信数据而没有参加校准(李建通等，2009)。图 4给出了2009年7月10日23:00(UTC)两步校准法和传统的Z=200R^1.6估测的小时累计降水分布及与雨量计对比的散点图。从图 4可以看出，采用传统的Z=200R^1.6估测的降水在降水较强时存在严重的低估现象，偏差(B_s)为0.69，相关系数(CC)为0.80，均方根误差(RMSE)为3.74，相对误差(E)为43%。两步校准法改善了低估问题，区域降水量与雨量计观测相当，偏差(B_s)为1.0，消除了系统性的平均偏差，离散度和相对误差也明显减小(RMSE=3.37 mm，E=31%)，改善了空间上的误差分布。

图 4

Fig. 4

图 4 2009年7月10日22:00～23:00(UTC)雷达定量估测降水分布及与雨量计对比。(a)和(b)为两步校准法估测降水分布及与雨量计的散点图；(c)和(d)为采用Z=200R1.6估测的降水分布及与雨量计的散点图 Fig. 4 1-h radar quantitative precipitation estimations(QPEs)between 2200 UTC and 2300 UTC 10 July 2009 were obtained using(a)the two-step correction scheme，(c)Z=200R1.6. The scatter plots(b，d)show distributions of the 1-h QPEs vs. rain gauge observations

为了检验雨量计质量控制的效果，研究中首先采用2009年6月19日的降水过程来检验，主要的降水发生在02:00～18:00(UTC)时间段，质量控制过程应用于35740个逐小时降水记录数据。29543个降水数据为0.0 mm，6197个小时雨量记录大于等于0.1 mm，在29543个降水为零的记录中，质量控制算法拒绝了190个降水记录(0.6%)，通过眼睛检查和时间、空间连续性检查，其中有9个雨量计应该保留下来，这些雨量计处于雨带边缘或者移过来雨带的前方。在6197个非零的降水记录中，质量控制算法拒绝了63个降水记录(1.0%)，用眼睛检查和时间、空间连续性检查保留了17个雨量计，同样的，这些雨量计大多处于雨带边缘或者移过来雨带的后方。总的来说，拒绝率为0.7%(253/35740)，在这些被拒绝的雨量计数据中，通过人工检查，10%(26/253)可能是被错误拒绝的数据。就整个数据集而言，0.1%(26/35740)的数据被怀疑是质量控制程序弄错了。图 5给出了2009年6月19日08:00(UTC)、10:00(UTC)和15:00(UTC)三个时次经过质量控制后被拒绝的雨量计与雷达估测降水的叠加图，从图 5a、b和c可以看出，在一些雷达估测降水较强的地方，自动雨量计的测量值为零或者几乎为零，排除位于雨带边缘可能被误判的雨量计之外，其余的雨量计有理由认为存在数据质量问题。另一方面，在一些站点，雨量计测量值相对于雷达估测降水明显偏大，例如图 5b中有两个雨量计的小时累计降水量分别为34.5 mm和35.8 mm，而雷达估测的小时累计降水却只有0.4 mm和0.2 mm，经过与其周围雨量计的数值进行空间连续性检查(图 5d)，可以认为这两个雨量计测量值明显偏大，应被剔除。

图 5

Fig. 5

图 5 2009年6月19日(a)08:00(UTC)、(b)10:00(UTC)、(c)15:00(UTC)经质量控制后被拒绝的雨量计与雷达估测降水量的叠加，(d)为(b)中被拒绝的两个测值明显偏大的雨量计(测值为35.8和34.5的雨量计)及其周围雨量计与雷达估测降水量的叠加 Fig. 5 1-h radar QPEs were overlapped the rejected rain gauge data on 19 June 2009 at(a)0800 UTC，(b)1000UTC and (c)1500 UTC，the rejected two rain gauges with significantly larger measurements(rain gauges marked with 35.8 and 34.5 in pattern(b)) and their surrounding rain gauges overlapped 1-h radar QPEs(d)

图 6

Fig. 6

图 6 2009年8月17日(a)15:00(UTC)、(b)17:00(UTC)经质量控制后被拒绝的雨量计与雷达估测降水量的叠加 Fig. 6 1-h radar QPEs were overlapped the rejected rain gauge data on 17 August 2009 at(a)1500 UTC and (b)1700 UTC

另外，研究中采用了2009年8月16～17日的降水过程来检验雨量计质量控制的效果，质量控制过程应用于44558个逐小时的降水记录数据。33950个降水数据为0.0 mm，10608个雨量记录大于等于0.1 mm，在33950个降水为零的记录中，质量控制算法拒绝了128个降水记录(0.4%)，通过眼睛检查和时间、空间连续性检查，其中有11个雨量计应该保留下来。在10608个非零的降水记录中，质量控制算法拒绝了55个降水记录(0.5%)，用眼睛检查和时间连续性检查保留了14个雨量计。总的来说，拒绝率为0.4%(183/44558)，在这些被拒绝的雨量计数据中，通过人工检查，9%(25/283)是可能被错误拒绝的数据。就整个数据集而言，0.06%(25/44558)的数据被怀疑是质量控制程序弄错了。图 6给出了2009年8月17日15:00(UTC)和17:00(UTC)两个时次经过质量控制后被拒绝的雨量计与雷达估测降水的叠加图。

本文利用雷达资料对雨量计进行实时质量控制，主要包括两步：第一步利用两步校准法改善雷达估测降水，第二步是基于雷达估测降水而设计的雨量计实时质量控制算法。通过上述分析，得到以下结论：

(1)两步校准法改善了雷达估测降水的系统性误差，同时减小了在雨量计站点上的相对误差。

(2)利用雷达估测降水可以实时对雨量计数据进行质量控制，通过眼睛检查及时间、空间连续性检查，就整个数据集而言，约0.1%的数据被怀疑 为误判，被错误拒绝的雨量计大多处于雨带的边缘。

(3)在被拒绝的雨量计中，观测数据为零的记录多于观测数据不为零的记录，说明雨量计漏斗堵塞、机械故障、信号传输等是造成雨量计异常的主要原因。

利用雷达估测降水对雨量计进行实时质量控制，可以提醒设备维护人员对雨量计进行及时检查及维护，以提高雨量计逐时资料在流域面雨量计算、气候研究、气象服务等方面的应用水平。需要说明的是，研究中的数据集还需要进一步扩展。另外，采用雷达定量估测降水对雨量计数据进行实时质量控制也存在一定的局限性：首先，还不能确 定位于降水边缘的雨量计，因此对处于雨带边缘的雨量计有时会存在误判现象；其次，本研究选择的区域为江淮流域，雷达覆盖比较好，同时雷达资料经过了质量控制。如果在雷达波束被遮挡的山区 或者不能被雷达覆盖的地区以及雷达数据质量 存在问题的情况下，将会导致对雨量计数据的误判。因此，反过来，也可以利用雨量计数据来发现雷达数据的质量问题，从而完善雷达资料的质量控制。