RESEARCH ON QUALITY CONTROL OF RADIOSONDE DATA BASED ON IMPROVED CUBIC SPLINE INTERPOLATION ALGORITHM
-
摘要: 由于L波段探空资料存在缺测及稀疏、零散的数据，造成信息量在时空分布上的不均匀性。考虑到参与插补计算的权重因子个数和插补半径对探空观测数据影响较大，在三次样条插值基础上将插补半径和参与计算权重因子个数作为约束条件引入算法中，以被插值点±40 gpm为插值半径，取有效因子个数≥3个，提出了改进的三次样条插补算法。通过交叉验证分时段对插补结果进行检验评估，气温AE在±0.1 ℃之间，RMSE值小于0.08；相对湿度AE在-1.0%~+0.7%之间，RMSE值小于0.3；风速数据AE在±0.6 m/s之间，RMSE值小于0.2，表明改进三次样条插补算法对探空资料的质控效果在时间和空间上一致性较好。在晴空条件下相对湿度的插补效果优于有降水天气，气温和风速的插补效果不受晴空条件和降水条件的影响。
-
关键词:
- 权重因子 /
- 插补半径 /
- 改进的三次样条插补算法
Abstract: Due to the lack of detection and sparse and scattered data in the L-band radiosonde data, the spatial and temporal distribution of information is not uniform. Considering that the number of weighting factors and interpolation radius involved in the interpolation calculation has great influence on the radiosonde observation data, they are introduced into the algorithm as constraints on the basis of cubic spline interpolation, and an improved cubic spline interpolation algorithm is proposed. The interpolation results and the original data were tested and evaluated by cross-validation at different time intervals. The absolute error (AE) of air temperature is ± 0.1 ℃ and the RMSE value is less than 0.08. The relative humidity AE ranges from -1.0% to +0.7%, and the RMSE is less than 0.3. The AE of wind speed is ±0.6 m/s, and the RMSE is less than 0.2, indicating that the improved cubic spline interpolation algorithm has good consistency in both time and space. The interpolated relative humidity is better under the condition of clear sky than with precipitation weather, and the interpolated temperature and wind speed is not affected by either the clear sky or rainfall conditions. -
表 1 不同高度下探空数据的缺测率
位势高度/gpm 连续缺测1次缺测率 连续缺测2次缺测率 连续缺测≥3次缺测率 0~10 000 17.62% 0.66% 0.14% 10 000~20 000 16.69% 1.37% 0.40% 20 000以上 15.32% 1.56% 1.06% 
下载: 导出CSV
表 2 不同缺测率情况下插补数据的RMSE值
样本 基数据10%缺测率时的RMSE 基数据25%缺测率时的RMSE 春季样本(2015年4月1日) 0.07 0 夏季样本(2015年7月21日) 0.09 0.11 秋季样本(2015年10月1日) 0.08 0.10 冬季样本(2015年1月1日) 0.10 0
下载: 导出CSV
-
[1] 周毓荃, 欧建军. 利用探空数据分析云垂直结构的方法及其应用研究[J]. 气象, 2010, 36(11): 50-58. [2] 黄燕燕, 万齐林, 陈子通, 等. 加密探空资料在华南暴雨数值预报的应用试验[J]. 热带气象学报, 2011, 27(2): 179-188. [3] 蒋文泽, 刘琼, 陈勇航, 等. 基于加密探空资料的上海不同云天下AIRS/Aqua相对湿度廓线反演精度研究[J]. 热带气象学报, 2022, 38(2): 301-310. [4] 樊浩, 王伟, 王金成, 等. 面向同化应用的红外高光谱探测资料局地综合通道选择方案及在FY-3D/HIRAS中的初步应用[J]. 热带气象学报, 2022, 38(5): 715-730. [5] 孙伟, 曹舒娅, 沈建. 基于多源探测资料的"4.12"非典型冰雹特征分析[J]. 热带气象学报, 2021, 37(2): 218-232. [6] 奉超. 浅谈L波段探空系统资料及在预报中的应用[J]. 气象研究与应用, 2007, 28(2): 84-88. [7] 郝民, 田伟红, 龚建东. L波段秒级探空资料在GRAPES同化系统中的应用研究[J]. 气象, 2014, 40(2): 158-165. [8] 曹晓钟, 郭启云, 杨荣康. 基于长时平漂间隔的上下二次探空研究[J]. 仪器仪表学报, 2019, 40(2): 198-204. [9] 祁凯, 吴林林, 张庆奎. 多普勒雷达与L波段雷达垂直风廓线对比分析[J]. 气象科学, 2022, 42(4): 557-563. [10] 潘霄. 探空气温观测资料质量控制方法研究[D]. 南京: 南京信息工程大学, 2020. [11] 田伟红, 万晓敏, 冯建碧. 探空温度观测与ERA-interim再分析资料的对比分析[J]. 热带气象学报, 2019, 35(1): 89-98. [12] 陈磊, 卞建春, 刘毅, 等. 可业务化应用的L波段探空系统高空风改进算法[J]. 沙漠与绿洲气象, 2017, 11(1): 22-27. [13] 王丹, 王金成, 田伟红. 面向数值同化应用的L波段秒级探空资料的质量控制方法研究[J]. 高原气象, 2022, 41(6): 1 615-1 629. [14] 彭思岭. 气象要素时空插值方法研究[D]. 长沙: 中南大学, 2010. [15] 熊雄, 姚薇, 叶小岭, 等. 基于空间回归的B样条拟合在地面气温资料质量控制中的应用[J]. 热带气象学报, 2020, 36(4): 489-498. [16] 陈子通, 闫敬华, 黄晓梅, 等. 应用于强对流天气预报的模式探空产品[J]. 热带气象学报, 2006, 22(4): 321-325. [17] 辜智慧, 史培军, 陈晋. 气象观测站点稀疏地区的降水插值方法探讨－以锡林郭勒盟为例[J]. 北京师范大学学报(自然科学版), 2006, 42(2): 204-208. [18] 辜旭赞, 张兵, 王明欢. 基于三次插值函数算法的时间积分方案与二阶时空余差数值模式——以原始大气运动方程与理想全球模拟个例为例[J]. 热带气象学报, 2011, 27(5): 669-678. [19] 赵美艳, 余君, 胡芸芸. 基于局部薄盘光滑样条函数的重地区气温空间插值[J]. 陕西气象, 2021(1): 50-55. [20] 许小勇, 钟太勇. 三次样条插值函数的构造与Matlab实现[J]. 自动测量与控制, 2006, 25(11): 76-78. [21] 朱业玉, 宋丽莉, 姬兴杰, 等. 基于分段三次样条函数逐时气象资料模拟方法研究[J]. 气象与环境学报, 2017, 33(2): 44-52. [22] 潘霄, 叶小岭, 熊雄, 等. 基于三次样条插值的探空气温质量控制研究[J]. 气象研究与应用, 2019, 40(2): 90-93、97. [23] 王丽娜. 气象要素空间插值算法的研究及其应用[D]. 重庆: 重庆理工大学, 2014. [24] 唐南军. L波段探空系统相对湿度的观测误差特征[D]. 南京: 南京信息工程大学, 2013. [25] 唐南军, 刘艳, 李刚, 等. 中低空探空相对湿度观测数据的新问题——基于中国L波段探空系统湿度观测异常偏干现象的初步分析[J]. 热带气象学报, 2014, 30(4): 643-653. -
点击查看大图
图(9) / 表(2)
计量
- 文章访问数: 131
- HTML全文浏览量: 99
- PDF下载量: 74
- 被引次数: 0
粤公网安备 4401069904700003号