基于Bayes判别法的结冰现象资料序列订正

针对安徽省81个国家级地面气象站1961-2018年结冰现象资料序列,采用要素一致性、内部一致性、空间一致性等方法进行数据质量控制,基于质量控制后的正常年份数据进行Bayes判别模型训练,应用训练所得模型完成异常年份结冰数据的订正.结果 表明:安徽省共有38个台站累计84年的年结冰日数质量控制检查异常,年结冰日数异常年份主要集中在1961-1970、1988-1999和2015-2017年,造成年结冰日数异常的原因有部分台站历史观测任务简化、气象台站分类调整以及地面气象观测业务改革等.利用Bayes判别法构建了多个结冰现象判别模型,经检验发现,模型1和模型3具有较高的判识正确率、命中率、TS评分以及较低的误警率.考虑计算的简便性,选用模型1对异常年份结冰数据进行逐日订正.通过六安站、太和站和无为站异常年份结冰现象订正结果对比发现,基于Bayes判别法的结冰现象判别模型,对不同时间段内、不同原因造成的结冰现象观测记录异常的订正均较为合理,订正后的年结冰日数变化趋势更符合实际情况,表明采用Bayes判别模型订正结冰现象是合理、可行的.