|
目前，对于城市热环境特征的研究手段主要包括遥感监测、数值模拟和真实城市观测三类[1]。真实城市观测可为城市热环境研究提供实时气温观测信息，能反映城市气候环境变化，同化后还可作为数值模拟初始的输入资料[2-3]，也可为遥感监测反演和数值模拟结果提供验证[4-6]。但受设备成本和安装条件等制约，现有气象观测站网的气温资料时空分辨率难以满足微尺度精细化观测及模式高精度时空分辨率要求，而微型(一体式)智能气象站(简称微型站)作为对传统气象观测的补充，具备微型化、智能化、低功耗、易集成的特点，依托智能建筑、地下空间、公共场所和智能灯杆等场所设施，能实现任何区域、时段和密度的临时观测站网布设，可为城市精细化热环境研究提供较好的观测支撑[7-9]。 近年来，国内关于微型站观测性能开展了很多研究。如对不同测雨原理的微型站对比试验结果分析得出[10]，在过程量不低于10 mm时，翻斗式微型站与标准站结果接近，雷达式微型站测值偏大，光电式和压电式微型站测值偏小；过程量小于10 mm时，翻斗式微型站和压电式微型站与标准值接近，雷达式微型站测值偏大，光电式微型站测值偏小；双翻斗式微型站对雨强极大值观测，光电式微型站和压电式微型站对极大值测值偏小。对SKY型微型气象站气温相对湿度及降水量进行对比分析表明[11]，该型站所测气温相对湿度和自动气象站观测数据的相关系数均在0.97以上，最高气温与自动站偏差较大导致气温的相差率变大，对于小时降水量在0.3 mm以上的降水时段降水量的相关系数都在0.9以上。有研究指出[12]，智能站和自动站两种观测数据虽然有一定的差异，但在允许的精度范围内，其中最大风向风速、最高气温和最低湿度总体差值较大；除仪器的工作性能和工作原理造成的差异外，观测环境的变化和特殊的天气现象也是造成差异的重要原因。鲁峻峰等[13]对安装在广州市气象局观测场的4套微型气象站数据进行了评价，通过计算风向风速、相对湿度、气压、降水与标准站数据的相关性、平均误差、绝对高差和标准差，选出在各气象要素观测中性能较优的微型站。 综上所述，现有研究仅对降水进行了不同观测原理设备的结果对比分析，而在气温研究上多基于单一设备类型，缺乏同一观测环境下的多设备交叉对比。因此，为验证微型站气温观测实际业务应用能力，2023年河北省雄安新区气象局依据《气象观测技术试验指南》开展了12个厂家不同型号微型站的气温观测对比试验。本文采用此次外场对比观测数据，在多个时间尺度以及不同极端气温条件下，对参试设备进行气温观测能力的评估，同时探究潜在的误差来源，旨在增加对不同观测原理微型站气温观测性能的理解，为我国高速城市化建设背景下的精细化热环境监测提供设备选型的参考依据。
1 资料与方法 1.1 资料来源
为评估不同类型微型站的气温观测性能，在河北省雄安新区雄县气象局地面气象观测试验基地布设了12个型号的微型站（表1），其中CS06和CS07分别采用热敏电阻和二极管温度传感器，其他微型站均为铂电阻温度传感器。12台微型站东西成行、南北成列排列，东西相距3m，南北相距2m，安装高度均为2m，同时在试验场内安装1台DZZA型自动气象站（简称标准站）作为微型站数据对比的标准数据源（图1）。微型站及标准站气温输出频率为每分钟一次，精度为0.1℃。本文所用数据时段为2023年1月1日08:00(北京时，下同)到2023年12月31日23:59。
1.2 温度传感器测量原理
本次外场试验涉及3类气温观测原理。热敏电阻测温是利用半导体材料的温度敏感特性[14]，典型的测温经验公式为 Rt=R0B⋅exp(1T−1t0)Rt=R0B⋅exp(T1−t01) 式(1)中，温度为t时，阻值为RtRt；温度为t0t0时，阻值为R0R0；B为热敏电阻常数。由经验公式可以看出，温度与阻值为指数关系，即呈非线性和高灵敏度特征，阻值随温度的上升急剧下降，即温度越高，阻值越低。 二极管测温原理为晶体管P－N结单向导电，当电流恒定时，P－N结正向输出电压与被测环境温度呈现出近似线性变化，利用此特性制成的二极管温度传感器就可以完成温度测量，其准确度主要取决于不同测量温度范围内电压与温度的拟合方程。Phillips等[15]曾给出二极管温度传感器温度与电压的关系式为 Tc0=∑anxnTc0=∑anxnx=(VM−VL)−(VU−VM)(VU−VL)x=(VU−VL)(VM−VL)−(VU−VM) 式(2)～式(3)中，x为归一化电压；VMVM为被测电压；VUVU和VLVL为被测温度区间端点的电压值；不同的温度区间有不同的拟合系数a_n与之对应，且a_n均大于0。 铂电阻测温是利用金属铂在温度变化时自身电阻也随之改变的特性来测量温度，其准确度和稳定性依赖于铂电阻元件的特性。电阻与温度的关系式为 Rt=R0(1+at+βt2)Rt=R0(1+at+βt2) 式(4)中，R0R0为0℃时的电阻；RtRt为t℃时的电阻；αα和ββ为电阻的一次和二次项温度系数，且均大于0[16]。 图1 微型站外场对比试验场地布置示意图
（图注：示意图展示了12个微型站和1个标准站在试验场地的排列布局。） 1.3 研究方法 1.3.1 误差分析方法
使用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)3个统计量来表示微型站测温相较于标准站的偏差情况。各统计量的表达式分别为 ME=1N∑i=1N(xij−yj)ME=N1i=1∑N(xij−yj) (5) MAE=1N∑i=1N∣xij−yj∣MAE=N1i=1∑N∣xij−yj∣ (6) RMSE=1N∑j=1N(xij−yj)2RMSE=N1j=1∑N(xij−yj)2 (7)
式(5)~式(7)中，xijxij代表第i种型号的微型站第j个时刻的气温测量值；yjyj代表标准站第j个时刻的气温测量值。 为了排除设备因为断电、通讯故障或维护以及服务器重启等原因造成的数据缺测而引起的误差，将气温数据到报率(到报率=实际上传分钟数据/总分钟数×100%)小于90%的数据在后续的计算讨论时舍去。由于编号CS00、CS01、CS02微型站设备在对比观测期间多次出现设备故障，所以在后续中对这3个设备不予分析。 1.3.2 微型站分级标准
本着灵活、经济的原则，为各领域研究人员在实际应用中可以针对不同的场景和观测需求来选择合适的测量设备，将微型站分为甲、乙、丙、丁4级。当气温平均绝对误差≤0.2℃时为甲级，平均绝对误差≤0.5℃为乙级，平均绝对误差≤0.8℃为丙级，平均绝对误差≤1.0℃为丁级。设定甲级微型站可连续开展精准可靠的全天时全天候地面气象要素观测，作为气象业务观测的补充，乙级微型站可面向不同行业部门(如交通、通信、农业以及电力部门等)以及社会团体对气象的服务需求，丙级微型站可满足普通的公众或生活类应用需求，如果区和生活小区的气象监测等，丁级微型站宜用于定性或趋势性(如建筑工地)的短期观测。 1.3.3 极端高(低)温度
采用百分位算法确定极端气温的阈值[17]。把标准站2023年全年气温数据按升序排列，取第5个百分位数作为极端低温的阈值，小于或等于该阈值的数据即定义为极端低温；取第95个百分位数作为极端高温的阈值，大于或等于该阈值的数据即定义为极端高温。 2 结果分析 2.1 气温年误差分析
图2给出了各微型站相对于标准站气温测量值的整体误差频次分布。由图2可知，除CS06均方根误差为1.9℃外，其他微型站均方根误差均在0.8℃以内，表明各微型站的气温误差比较集中，对气温的观测结果比较稳定，其中铂电阻式微型站结果最稳定，二极管式微型站次之，热敏电阻式微型站稳定性最弱。表2为各微型站逐分钟测温的绝对误差在甲乙丙丁4个分级区间中的占比，结合表2进一步分析各微型站测温整体水平得出，CS05和CS09的平均绝对误差在0.2℃以内，且误差在0.2℃内的占比都超过了60%（CS05为74%，CS09为67.8%），达到甲级的标准；CS06绝对误差均值为0.8℃，且误差在0.8℃内的占比超过80%，但因离散度相对较大，造成误差均值偏大，只达到丙级标准；其余6台微型站（CS03、CS04、CS07、CS08、CS10、CS11）绝对误差均值均在0.5℃以内，达到乙级标准。
以上结果表明，在年时间尺度上各微型站对气温的观测整体上和标准站接近的，大部分能够达到乙级以上的误差控制要求，CS05和CS09达到甲级标准，而CS06只达到丙级标准。另外，在本次对比试验中，整体误差均值较小的均为铂电阻式微型站，热敏电阻式微型站误差最大，且在数据的稳定集中程度上，铂电阻式微型站优于二极管式，热敏电阻式微型站稳定性最差，这可能与热敏电阻的温度与阻值呈指数关系，灵敏度高有关。 2.2 气温月误差分析
为研究环境气温对微型站测温性能的影响，对各微型站逐月测温绝对误差进行分析。图3为2023年雄安新区标准站气温数据时序图，显示1—7月气温逐渐上升，7月平均气温最高，到8月气温开始逐渐降低，11月之后气温下降较明显。
图4显示了2023年雄安新区各微型站逐月测温绝对误差分布。由图4可知，CS05和CS09各月平均绝对误差均未超过0.2℃控制线，符合甲级标准，尤其是CS05，各月数值分布最为稳定集中，上限值也基本都在0.5℃以内；其次是CS04，2-8月平均绝对误差均小于0.2℃，其他月份也在0.5℃以内，上限值均在1.0℃内；CS03和CS08各月平均绝对误差均未超过0.5℃，符合乙级标准，但从数据离散程度来看，CS08数据稳定程度优于CS03。CS07、CS10和CS11各月平均绝对误差均在0.8℃以内，但CS07各月误差波动较大，1-4月，6-8月，10-11月时段内误差逐渐减小，其他月份则逐渐升高，可见该变化趋势与环境气温无关。CS06各月误差波动最为明显，2-4月平均绝对误差均小于0.2℃，但7月和9月超出1.0℃，10-11月超出0.8℃，同时异常值偏多且数值较大，数据离散程度较高，考虑7月，9月和10-11月分属不同季节，说明CS06该误差变化趋势同样与环境气温关系不大。
综上所述，测温年均误差较小的微型站在月时间尺度上也均有较小的观测误差，如CS05和CS09，而误差偏大的微型站各月误差波动较为明显，该波动与季节关系不大，如CS06，且误差均值大小基本与数据离散程度成正比，误差均值较小的月份误差分布也最为集中，数据最为稳定，说明各微型站测温整体误差主要来源于仪器本身，比如传感器测温原理(仪器硬件结构，制作工艺和订正系数差异等)。 2.3 极端气温的误差分析
为进一步研究微型站在不同环境气温下的测温性能，分别对各微型站在极端高温和极端低温下的表现进行分析。图5为标准站2023年气温数据频次分布，按照前文极端高(低)温定义方法，第5百分位数气温为-6.0℃，定义≤-6.0℃即为极端低温，第95百分位数气温为33.2℃，定义≥33.2℃即为极端高温。
图6为对比时间段内各微型站在极端低温下的误差分布。由图6可见，所有微型站的测温平均绝对误差均未超过0.4℃，其中CS09测温绝对误差的均值最小，为0.2℃，均方根误差为0.3℃，其次是CS05，平均绝对误差为0.3℃，均方根误差为0.3℃；其他7个微型站平均绝对误差均为0.4℃，但在数据稳定性上，CS03、CS04和CS08略优于CS06、CS07、CS10和CS11。可见，在极端低温情况下测温性能较好的微型站均为铂电阻式，热敏电阻式和二极管式微型站测温性能稍差。另外，所有微型站的测温平均误差均在0℃以上，其中CS04误差下限值为0℃，表明在极端低温情况下，所有微型站气温平均值均高于标准站，CS04的所有正常分钟测量值均高于标准站。
图7为2023年雄安新区各微型站在极端高温下的误差分布。由图7可见，CS05平均绝对误差最小为0.2℃，其数据分布也最为集中稳定；其次是CS09和CS04绝对误差均值为0.3℃，误差分布也较为集中；CS06、CS07和CS11的绝对误差均值最大为0.9℃，但从误差分布离散程度来看，CS06误差波动最为明显，其次是CS07和CS11。综上所述，在极端高温情况下，表现最好的CS05、CS09和CS04均为铂电阻式微型站，热敏电阻式微型站最差，二极管式次之。
从图7还可知，CS06平均误差为-0.8℃，中位数为0.0℃，其他微型站中位数及平均误差均大于0.0℃，其中CS03测温误差下限值为0℃。结合图6说明，在极端气温情况下，除CS06在极端高温时平均气温测值低于标准站外，其他微型站平均测值均高于标准站，其中在极端低温时的CS04和极端高温时的CS03所有正常分钟气温测量值均高于标准站。 对比图6和图7还可发现，CS04和CS05在极端高温情况下测温性能优于极端低温，CS08在极端高温和极端低温情况下的数据质量相当，而其他微型站在极端低温下测温性能均优于极端高温。其中同为铂电阻式微型站，与CS04、CS05和CS08不同，CS03、CS09、CS10和CS11在极端低温下的测温性能却优于极端高温，考虑是微型站的硬件结构设计，比如防辐射罩效果等原因导致的此现象。 2.4 逐时气温误差分析
图8为2023年雄安新区各微型站00—23时逐时气温平均误差分布。由图8可见，CS07、CS09、CS10和CS11微型站从06时起测温误差由负转正，18时起又转为负误差，且正误差的变化幅度远大于负误差；CS03、CS04、CS05和CS08微型站全天均为正误差，但从05时起误差也有明显增加的趋势，19时后趋于稳定；CS06从00时起为正误差，在06时达到最大0.8℃，随后逐渐减小，14时负误差达到最大-0.5℃后增加至正误差，到20时后稳定在0.5℃左右。
除CS06外，其他微型站在00—05时测温误差基本稳定，05时后误差明显变大，06—15时为一日内误差最大时段，15时起快速减小，至19时后基本稳定。该误差变化趋势与太阳辐射趋势一致，在日出时段误差开始增加，下午接近日落时段误差减小，夜间时段基本稳定。这说明微型站测温误差的另一个主要来源为仪器防辐射硬件结构问题，比如防辐射罩的材质、形状大小等，同时微型站安装立柱的隔热措施不当等因素也可能造成白天测温整体偏高，夜间整体偏低。另外，同为铂电阻式微型站，CS07、CS10和CS11白天段和夜间段误差变化幅度较其他微型站明显偏大，说明测温原理相同时，防辐射性能的好坏可直接影响微型站的测温性能。所以进行外场试验并根据结果及时优化硬件结构设计，以使微型站测温能力满足业务可用性要求是不可缺少的工作。 另外，虽然CS06误差变化趋势与其他微型站不同甚至是相反，但考虑到CS06采用的是热敏电阻测温原理，其阻值随着气温升高而降低，为负温度系数，而铂电阻和二极管结电压原理测温都为正温度系数，所以这可以解释其他微型站白天段为正误差且随辐射强度增加时CS06误差却持续降低至负误差的原因，且该现象同样可由仪器硬件防辐射性能不佳等因素导致。
3 结论与讨论 (1)在年时间尺度上各微型站测温整体上和标准站偏差不大，大部分能够达到乙级及以上的误差控制要求，CS05和CS09达到甲级标准，而CS06只达到丙级标准。本次对比试验中，整体误差均值较小的微型站均为铂电阻式，热敏电阻式微型站误差最大；在数据稳定性上，铂电阻式微型站优于二极管式，热敏电阻式微型站稳定性最差，这可能与热敏电阻的温度与阻值呈指数关系，灵敏度高有关。 (2)测温平均误差较小的微型站在月时间尺度上也均有较小的观测误差，如CS05和CS09，而误差偏大的微型站各月误差波动较为明显，且波动与季节关系不大，如CS06。说明各微型站测温整体误差主要来源于仪器本身，比如传感器测温原理、仪器硬件结构、制作工艺和订正系数差异等。 (3)在极端高(低)温情况下，除CS06在极端高温时平均气温测值低于标准站外，其他微型站测值均偏高；测温性能最好的微型站均为铂电阻式，在极端高温情况下，热敏电阻式微型站性能最差，二极管式次之，但在极端低温情况下，热敏电阻式和二极管式微型站测温性能尚可。 (4)各微型站一日内逐时测温平均误差变化趋势与太阳辐射趋势一致，在日出时段误差开始增加，下午接近日落时段误差减少，夜间时段基本稳定(CS06本质相同)。说明各微型站测温误差的另一个主要来源为微型站防辐射硬件结构问题，所以进行外场试验并根据结果优化硬件结构设计以提高测温性能很有必要。此外，本次试验中热敏电阻式和二极管式微型站只有一个，使得试验结果存在一定的随机性。 参考文献： [1]楚甜,王振超,陈军明,等.微型智能气象站三类感温方式测温误差比较与分析[J].气象与环境学报,2024,40(05):65-72. 特别提醒：物联网专业交流群欢迎物联网行业相关的人群加入，同时群内欢迎各路社牛、大咖、前辈加入，群内除了不能发敏感内容、色情内容，以及不太建议多次发送推广内容，其他内容皆可畅聊~——交流QQ群724511126，进群的朋友请备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群！
| 
发表于 2025-11-13 06:22:21