基于物联网的自动气象站现场核查技术分析

摘 要：本文旨在分析物联网的自动气象站现场核查技术，探讨如何提高自动气象站数据的准确性和可靠性，为气象预报和科学研究提供更可靠的数据支持。本研究对现有区域自动气象站进行改造，引入气温传感器、雨量传感器、风传感器以及智能控制单元，实现对气象观测非线性变量（例如温度、雨量、风向和风速）的多传感器冗余观测。在数据采集过程中，本研究设置了采集器端前置算法，得出最优的探测数据，从而提高数据的准确性和可靠性。研究结果显示，自动气象站的数据质量有显著提高，观测到的气象数据更准确、可靠，为气象预报和科学研究提供了可靠的数据支持。

关键词：物联网；自动气象站；现场核查

中图分类号：TP 29 " " " " " " 文献标志码：A

1 自动气象站现场核查中数据质控算法的应用

在基于物联网的自动气象站现场核查技术中，应用数据质控算法是一种重要方式。数据质控算法能够对自动气象站采集的数据进行实时监测和分析，以保证数据的准确性和可靠性[1]。数据质控算法可以对自动气象站采集的数据进行异常检测，监测数据的变化和趋势，识别出可能存在的异常数据点。例如，当某个气象参数的数值超出正常范围，或者与周围站点的数据存在较大差异时，数据质控算法可以将这些数据标记为异常数据，并进行进一步处理。

1.1 自动气象站现场多温度质控算法

在自动气象站现场温度智能单元中，采集算法具有关键作用。采集算法通过多种方式获取温度值，例如使用传感器进行实时测量，或者利用历史数据和模型进行预测。这些温度值来自不同通道，是不同位置或不同类型传感器测得的数据。利用采集算法，温度智能单元能够将这些温度值进行集成和处理，以提供更准确、全面的温度数据[2]。一旦温度数据被采集到主采集器中，即开始交叉验证的过程。交叉验证是一种常用的数据验证方法，可以将数据分成多个部分，使每个部分都充当一次验证集，从而验证模型的准确性。在温度数据的交叉验证中，主采集器会将采集的温度数据与其他通道的数据进行比较，检查数据间的一致性和差异性。如果数据间存在较大差异，那么主采集器会进行相应处理，例如排除异常数据或进行数据平滑处理。

首先，在3个传感器间相互计算测量偏差，如公式（1）所示。

（1）

式中：T1、T2和T3分别为3个温度传感器的测量温度，℃，这些传感器位于不同位置或采用不同的测量技术，因此其测量结果会有差异；D12为T1、T2间的温度差值；D23为T2、T3间的温度差值；D31为T3、T1间的温度差值。

这些差值用来评估传感器间的一致性和稳定性。如果差值较小，就表示传感器间的测量结果相对一致；如果差值较大，就表示存在传感器故障或测量误差。在实际应用中，如果任何一个传感器出现缺测（即无法获取温度值），那么该时刻的温度值将被视为缺测，在该时刻无法获得准确的温度数据。因此，在数据分析和处理中，需要注意处理缺测值的方法，例如进行插值或使用其他传感器的数据进行估算。

其次，定义传感器两两间测量偏差允许范围，如公式（2）所示。

（2）

式中：Tol（i，j）为定义传感器两两间测量偏差允许范围；Ti、Tj为任意传感器的温度数值。

如果Dij≤Tol（i，j），可以认为传感器间的测量结果是一致的；如果Dijgt;Tol（i，j），可以认为传感器间存在较大的不一致性。在这种情况下，需要对这些测量值进行处理。

最后，计算结果如下所示。如果所有Dij均在允许范围内，即传感器测量值间的差值均在允许范围内，那么可以认为传感器间的测量结果是一致的。在这种情况下，将T1、T2和T3的中间值作为最终结果，并取中间值，消除个别传感器测量值的影响，得到更准确的计算结果。如果有2个Dij在允许范围内，即只有1个传感器测量值与其他2个传感器测量值差异较大，那么可以认为这个传感器的测量结果存在异常。在这种情况下，同样将T1、T2和T3的中间值作为最终结果，并取中间值，排除异常值的影响，得到更可靠的计算结果；如果只有1个Dij在允许范围内，即只有1个传感器测量值与其他2个传感器测量值差异较小，那么可以认为该传感器的测量结果较可靠。在这种情况下，将该Dij的2支温度传感器测量值的平均值作为最终结果，并取平均值，充分利用可靠的测量结果得到更准确的计算结果。如果所有Dij均不在允许范围内，即所有传感器测量值间的差值均超出允许范围，那么可以认为传感器间存在较大的不一致性。在这种情况下，结果被标识为缺测，在该时刻无法获得准确的温度数据，需要进一步检查传感器的状态或采取其他措施来解决问题。

1.2 自动气象站现场多雨量质控算法

当1 h降水量Pre＜0.5 mm，即时，

Pre3不参与计算，其中Pre1、Pre2和Pre3分别为2只SL3-1（0.1）和1只SL3-1（0.5）雨量传感器累计1 h测得的降水量。

当1 h降水量0.5 mm≤Pre＜1 mm时，则有公式（3）。

（3）

当1 h降水量Pre≥1 mm时，则需要以下3个步骤。

第一步，计算两两偏差，如公式（4）所示。

（4）

式中：D12、D23和D31分别为传感器两两间的测量差值，mm。

由于Dij值是基于降水量数据计算得出的差值，假如降水量数据缺失，将无法计算出某个时间段的降水量，相关的Dij值也无法确定，因此将缺失的降水量数据对应的Dij值视为缺失处理。

第二步，定义两两偏差允许范围。有2只0.1 mm翻斗雨量传感器SL3-1（0.1），其最大允许误差为Ep1=Ep2=4%，还有1只0.1 mm翻斗雨量传感器SL3-1（0.5），其最大允许误差为Ep3=5%。根据这些信息计算出Tol（i，j）的值，Tol（i，j）表示传感器i和传感器j间的误差容限。Prei和Prej表示传感器i和传感器j的测量值（mm）。Epi和Epj表示对应传感器的最大允许误差。传感器1和传感器2间的测量误差容限为0.02 mm。如果2个传感器间的测量误差小于这个容限值，那么该测量结果是可以接受的。如果Dij≤Tol（i，j），那么表示Dij在允许范围内，传感器i和传感器j间的差值Dij小于或等于它们之间的误差容限；如果Dij＞Tol（i，j），那么表示Dij在允许范围外，传感器i和传感器j间的差值Dij大于它们之间的误差容限；当Dij的值缺失时，根据给定的处理方式，无法确定Dij的具体值，因此将其标记为超出误差允许范围。

第三步，计算结果。如果所有的Dij均在允许范围内，即Dij≤Tol（i，j），那么取Pre1、Pre2和Pre3的中间值作为结果。利用取中间值得到一个相对平均的结果，以降低测量误差的影响。如果有2个Dij在允许范围内，即Dij≤Tol（i，j），那么同样取Pre1、Pre2和Pre3的中间值作为结果。这样做是为了尽量降低测量误差的影响，并且考虑有2个传感器的测量结果是可接受的。如果只有1个Dij在允许范围内，即Dij≤Tol（i，j），就将这个Dij对应的2个降水量的平均值作为结果。这样做是为了尽量降低测量误差的影响，并且考虑有1个传感器的测量结果是可接受的。如果所有的Dij都不在允许范围内，即Dij＞Tol（i，j），那么结果将被标识为缺测。因为所有传感器均超出误差允许范围，所以无法得到可靠的测量结果。

2 自动气象站现场设备运行和效果分析

2.1 运行稳定性

设备安装完成后，自2021年1月20日正式开始运行。在设备运行期间，自动气象站没有出现数据缺报或丢失的情况，数据到报率为100%。结果显示，设备的运行非常稳定，与机场内其他现行自动气象站的数据变化趋势基本一致。

2.2 数据一致性

温度传感器测量偏差见表1。传感器D12的测量偏差主要集中在0～0.1，几乎没有＞0.3的偏差。并且没有缺测的情况。传感器D13的测量偏差相对较大，除了0和0.1外，还有较多的0.2和0.3的偏差，并有少量＞0.3的偏差，没有缺测的情况。传感器D23的测量偏差与传感器D13类似，集中在0.0～0.1，但是也存在一些0.2和0.3的偏差，同时有一些＞0.0.3的偏差，同样没有缺测的情况。

3套站点的数据变化趋势基本一致，如图1所示。由于与业务站（编号为59948）存在站点环境差异和站点海拔高度差异，观测数据的具体数值存在一定差异。站点环境差异是由站点周围的地理、气候和人为因素的差异导致的。例如，不同站点位于不同的地理位置，周围的建筑物、植被和地形会对气象观测产生影响。此外，不同站点存在不同的海拔高度，海拔的变化也会对气象观测结果产生一定影响。这些差异的存在使不同站点的观测数据的具体数值有所不同。例如，对于相同的气象事件，不同站点会有不同的温度、湿度或风速等数值。原因是站点的环境和海拔高度的差异导致气象要素在不同站点的表现不同。虽然存在这些差异，但是各时间段内数据的总体变化趋势相对一致。

2.3 观测数值异常结果

雨量观测故障分析如图2所示。本文选择降水时段20：00—22：00的统计数据进行分析。由于2号和3号雨量传感器的降水量基本一致，因此其测量结果是可靠的，并且在这个降水时段内具有一致性。与之相比，1号传感器的降水量明显偏小，小时累计降水值的偏小暗示1号传感器在这个时段内没有准确记录到实际的降水量。此外，日累计降水量偏小也进一步支持了传感器出现故障或堵塞的假设。如果传感器正常工作，其应能记录到与其他传感器相近的降水量，但是其数值明显偏小，可以合理怀疑传感器的可靠性。经过维护人员现场确认，1号雨量传感器的干簧管出现接触不良的问题。干簧管是雨量传感器中的一个重要组件，能够感知雨滴的降落并产生相应的电信号。接触不良问题使干簧管无法正常感知降雨情况，导致传感器记录的降水量明显偏小。该问题是由长时间的使用和环境因素造成的，例如湿气、灰尘或者腐蚀等。幸运的是，站点还配备了其他降水观测设备，例如综合输出降水值。这些设备与其他传感器相互协作，以多种方式来测量降水量。在这种情况下，综合输出降水值与实际情况相符，其他设备能够提供准确的降水数据。经过及时维护和修复，维护人员解决了1号雨量传感器的问题。

3 结语

本文分析了基于物联网的自动气象站现场核查技术，发现了气温、湿度和气压传感器的超差情况，同时，对采集器项目的核查也进行了讨论。经过现场校准与核查，自动气象站数据的准确性和可靠性得到提高，可为气象预报和科学研究提供更可靠的数据支持。然而，本研究仅是对现场核查技术的初步探索，还需要进一步的研究和实践来改进和优化该技术。未来的研究将集中在传感器的核查和采集器项目的改进上，以进一步提高自动气象站的性能和数据质量。

参考文献

[1]黄飞龙，谭晗凌，霍亚.物联网与自动气象站深度融合方法研究[J].计算机测量与控制，2022（3）：30.

[2]许兵甲，黄飞龙.基于物联网的智能自动气象站设计[J].广东气象，2022（4）：44.