DSS1 型雪深仪与HY-WP1A 型天气现象视频观测仪雪深数据对比分析

王生鹏，张晓平，李彦平，张景安

（1.青海省大气探测技术保障中心，青海 西宁 810000；2.海东市气象局，青海 海东 810600）

积雪深度是地面气象观测业务的基本观测项目之一。掌握实时积雪深度，对于灾害性天气预警和专业气象服务具有重要意义[1]。

目前，青海省52 个国家级台站都装有DSS1 型雪深仪，并于2020 年新装HY-WP1A 型天气现象视频观测仪。其中DSS1 型雪深仪利用激光测距原理进行雪深测量，而HY-WP1A 型天气现象视频观测仪则是利用图像智能识别原理进行雪深数据测量。设备原理不同导致2 种设备测得的数据会有差值。为了提高设备的数据测量精度，消除差值，需将DSS1 型雪深仪及HY-WP1A 型天气现象视频观测仪观测数据与人工观测数据进行对比分析，验证自动设备采集数据的一致性、可靠性，研究分析2 种不同设备性能的差异及产生差异的原因，探讨提高自动观测设备数据质量的方法。

1 资料与方法

1.1 DSS1 型雪深观测仪工作原理

DSS1 型雪深观测仪是一款全天候的自动雪深观测仪器，它结合了激光测距、电气工程、信号处理、软件等方面的技术，是一个可靠的自动化观测仪器，适合在苛刻现场条件进行雪深测量。该产品具有高可靠性、高准确性、易使用、易维护等特点。

DSS1 型激光雪深观测仪采用相位法测距原理，用无线电波段的频率，对激光束进行幅度调制并测定调制光往返一次所产生的相位延迟，再根据调制光的波长，换算此相位延迟所代表的距离，其测量的雪深范围为0～200 cm[2]。激光测距探头工作原理如图1所示。

图1 激光测距原理

1.2 HY-WP1A 型天气现象智能观测仪工作原理

HY-WP1A 型天气现象智能观测仪是一款通过图像识别技术进行天气现象自动观测识别的气象仪器，该仪器可对总云量、云状、地面凝结现象 （霜、露、雨凇、雾凇）、结冰、积雪和雪深等天气现象（或气象要素）进行自动观测识别，并具备扩展电线积冰、视程障碍现象（轻雾、雾、霾、浮尘、扬沙、沙 尘暴）的自动观测识别能力。其图像采集单元由多个摄像机组成，图像处理单元由控制处理器和存储单元组成，控制处理器是由 CPU、GPU、内存等组成的嵌入式AⅠ计算机[3]。

HY-WP1A 型天气现象智能观测仪的工作原理如图2 所示。利用雪深尺作为雪深参照物，拍摄得到图像后，智能识别处理器将首先基于相机成像参数，对成像过程中产生的畸变进行矫正，获得无畸变的标准雪深尺图像；通过基于特征匹配和关键点检测算法，定位雪深尺位置，将雪深尺从图像中整体分离出来；再利用图像增强算法，捕获其关键特征参量，如刻度线、读数数字等；最后利用基于深度学习算法的数字智能识别算法，将图像中的雪深刻度识别为数字化的雪深测量结果，达到获取积雪深度的目的。

图2 雪深拍摄原理图

1.3 方法

资料选用2020 年12 月至2021 年5 月平安区气象局（102°6'E，36°30'N，海拔高度2 137 m）、达日县气象局（99°38'E，33°45'N，海拔高度3 970 m）、曲麻莱县气象局（96°22'E，35°1'N，海拔高度4 446 m）雪深观测资料。DSS1 型激光雪深仪雪深、HY-WP1A型天气现象视频观测仪雪深和人工雪深观测值之间的对比与误差分析采用了算数平均、方差、标准差、相关系数等统计和误差分析方法。其中，算术平均反映了观测样本的平均值大小，标准差用于分析3 类雪深数据的离散程度。以人工观测值为“真值”，计算了方差、标准差，用于描述2 种设备与人工观测雪深之间的差异与误差大小。相关系数则表示二者之间的线性相关程度[4]。

2 对比分析

2.1 平安站雪深数据对比

平安区位于青海省东部农业区中心腹地，近5 年年平均降雪天数为21 d，最大雪深为2 cm，地面积雪最多连续天数为2 d。

将平安站2 种自动观测设备的雪深数据与人工观测数据绘制成雪深深度随时间变化的曲线图，如图3所示。由图3 可见，2 种设备的观测数据与人工观测数据曲线重合度较高，2 种设备的观测数据与人工观测数据的变化趋势基本一致。

图3 平安站雪深数据对比图

对平安站的数据进行处理后得到统计结果，如表1所示。其中激光雪深与人工观测值差值的方差、标准差、平均值都要小于天气现象视频观测仪雪深与人工差值的方差、标准差、平均值。

表1 平安站数据统计分析结果

2.2 达日站雪深数据对比

达日县位于青海省东南部，为“三江源”自然生态保护治理地区之一，近5 年年平均降雪天数为72 d，最大雪深为11 cm，地面积雪最多连续天数为43 d。

将达日站2 种自动观测设备的雪深数据与人工观测数据绘制成雪深深度随时间变化的曲线图，如图4所示。由图4 可见，DSS1 型激光雪深仪的观测数据与人工观测数据曲线重合度较高，变化趋势基本一致；而HY-WP1A 型天气现象视频观测仪的数据与人工观测数据曲线重合度较低，变化趋势不一致。

图4 达日站雪深数据对比图

对达日站的数据进行处理后得到统计结果，如表2所示。其中激光雪深与人工观测值差值的方差、标准差、平均值都要小于天气现象视频观测仪雪深与人工差值的方差、标准差、平均值。

表2 达日站数据统计分析结果

2.3 曲麻莱站雪深数据对比

曲麻莱县位于青南高原地区，靠近可可西里高原，近5 年年平均降雪天数为92 d，最大雪深为10 cm，地面积雪最多连续天数为50 d。

将曲麻莱站2 种自动观测设备的雪深数据与人工观测数据绘制成雪深深度随时间变化的曲线图，如图5所示。由图5 可见，DSS1 型激光雪深仪的观测数据与人工观测数据曲线重合度较高，变化趋势一致；而HY-WP1A 型天气现象视频观测仪的数据与人工观测数据曲线重合度较低，变化趋势大致一致。

图5 曲麻莱站雪深数据对比图

对曲麻莱站的数据进行处理后得到统计结果，如表3 所示。其中激光雪深与人工观测值差值的方差、标准差、平均值都小于天气现象视频观测仪雪深与人工差值的方差、标准差、平均值。

表3 曲麻莱站数据统计分析结果

从图4、图5 中可以看出，在降雪量少、地面积雪偏少的情况下，存在HY-WP1A 型天气现象视频观测仪与人工有数据而DSS1 型激光雪深仪没有数据的情况。

2.4 综合分析

2.4.1 对比结果

通过2 种设备测得的雪深数据与人工数据的相关系数如表4 所示，3 个站的激光雪深与人工观测值的相关系数均通过0.001 显著水平检测。3 个站的DSS1 型激光雪深仪的数据与人工数据的相关系数都在0.8 以上，HY-WP1A 型天气现象视频观测仪的数据与人工数据的相关系数只有平安站的较高，而达日站与曲麻莱站的相关系数较低，说明DSS1 型激光雪深仪的数据与人工数据的相关性总体上要好于HY-WP1A 型天气现象视频观测仪的数据。

表4 不同设备数据与人工观测数据的相关系数

处理数据时发现在没有HY-WP1A 型天气现象视频观测仪与人工降雪数据时，DSS1 型激光雪深仪会有野值出现。

2.4.2 结果分析

对比分析3 个气象站2 种设备观测雪深数据与人工数据表明，2 种设备具有较好的雪深监测能力，能够实时观测降雪过程和降雪之后雪深变化情况，并在应急气象服务过程中得到初步应用[5]。相对于HY-WP1A型天气现象视频观测仪来说，DSS1 型激光雪深仪在监测雪深时与人工雪深差异较小，相关性高。

针对DSS1 型激光雪深仪有野值出现的情况，经过现场勘察比对后发现DSS1 型激光雪深仪在融雪期因雪面融化成冰面，或在积雪化成不完整的波纹状、点片状、空洞状时会产生野值，且观测地段自然场地由于土质不稳定容易发生变化，尤其是在降水、降雪、霜冻等天气过程发生后，立柱基础和基准面变化较明显，也会导致野值出现。

HY-WP1A 型天气现象视频观测仪由于采用图像识别技术，受冰面反光、基准面倾斜等要素影响较大。在降雪量少、地面积雪偏少的情况下，由于DSS1 型激光雪深仪分辨力为0.1 cm，小于0.1 cm 时无法判别地面是否有雪，而HY-WP1A 型天气现象视频观测仪的精准度较高，能够满足这一要求。

3 结论

利用平安、达日、曲麻莱气象站人工雪深观测数据，对这3 个站HY-WP1A 型天气现象视频观测仪与DSS1 型激光雪深仪雪深观测结果进行了评估和对比分析，得出的主要结论如下。

利用DSS1型激光雪深仪与HY-WP1A型天气现象视频观测仪可监测青海地区的雪深，其中DSS1 型激光雪深仪雪深数据与人工数据有极显著的线性关系，相关系数为0.803 7～0.990 7，平均雪深偏差在2 cm 内。而HY-WP1A 型天气现象视频观测仪雪深数据与人工数据存在明显差异，相关系数为0.023 4～0.923 3，平均雪深偏差3.5 cm，由此可见DSS1 型激光雪深仪的雪深检测能力更强。

利用DSS1 型激光雪深仪检测时存在降雪量少、地面积雪偏少时无数据情况，利用HY-WP1A 型天气现象视频观测仪能够很好弥补这一情况。

分析大量HY-WP1A 型天气现象视频观测仪雪深数据后发现，存在大量明显疑误数据，说明识别算法还需改进。

青海地区降雪量少、地面积雪偏少时以HY-WP1A型天气现象视频观测仪雪深数据为准，另外的情况以DSS1 型激光雪深仪雪深数据为准。同时在今后需加强改进HY-WP1A 型天气现象视频观测仪识别算法，减少疑误数据的产生，提高识别数据的可靠性，为雪深业务观测和应急气象服务提供更精准的数据。