《Water》：Mapping Measurement Differences in Türkiye’s Rain Gauge Network Across the Manual-to-Automatic Transition: A Spatial Data Quality Perspective
编辑推荐：
自动雨量计提供了土耳其几乎所有的日降水量数据，而长期的气候与灾害序列始于人工观测时代。本研究利用ISO 19157质量要素，对308个共址站点（2005—2024年）的自动记录与人工记录进行了评估，绘制了其结果及其可靠性的地图，并在未见站点和年份上验证了筛选函
自动雨量计提供了土耳其几乎所有的日降水量数据，而长期的气候与灾害序列始于人工观测时代。本研究利用ISO 19157质量要素，对308个共址站点（2005—2024年）的自动记录与人工记录进行了评估，绘制了其结果及其可靠性的地图，并在未见站点和年份上验证了筛选函数与转换函数。在清洁日条件下，自动雨量计记录的人工总降水量为92.9%，最大相对亏缺出现在低于5毫米以及冬季高海拔站点。在两个时期均有观测的高海拔站点，冬季亏缺到2019—2024年已基本消失，此时站点比值不再表现出可检测的海拔依赖性或空间聚集。以透明度显示可靠性的地图揭示，东安纳托利亚的亏缺聚集区依赖于可靠性较低的记录，且主要属于过渡年份。学习型筛选函数对遗漏事件的排序表现良好（AUC 0.96，平均精度0.36），而对潜在虚假总量的排序表现较差（0.81，0.22）。梯度提升转换函数恢复了网络总量并降低了日误差，但在未来站点总量或未见站点的强降水日频率方面并未优于恒定比值。对于2013—2024年，隐含的聚合人工等效调整约为5—6%，一个站点级质量层随数据一起承载了这些度量指标。
一、研究背景与研究目的
降水观测数据本质上是地理空间数据，因为每个日总量都是某个点位的属性。洪水预警、滑坡灾害评估、干旱监测、水库调度以及日益依赖数据驱动模型的这些任务，都取决于这些属性的质量以及该质量被知晓和传递的程度。在土耳其，国家降水记录的谱系在短短几年内发生了变化：报告日总量的自动雨量计数量从2005年的不足200台增长至2024年的约1840台，而人工读取的雨量计数量则在2012年一年内从超过280台骤降至145台。因此，对于该国大部分地区而言，自动记录如今是唯一的日记录，而气候与灾害研究中使用的长序列仍始于人工观测时代。由此引出三个问题：自动雨量计是否测量了与其所替代的人工雨量计相同的量？两者在何时何地差异最大？这些信息如何随数据一同传递？这些问题正是空间数据质量的核心议题。
现有文献多关注仪器设计差异导致的测量损失，如风力、湿润、蒸发和溅射等造成的损失，但基于运行站点多年平行观测的比较研究较少。针对土耳其的研究虽然比较了月总量并指出两套记录在合并前需标准化，但仍存在若干未充分探讨的问题：比值未被作为具有可检验结构的空间变量处理；两套记录间的差异是否随时间稳定鲜少被问及；站点值的可靠性通常未与数值一同呈现；质量度量也未按数据质量标准组织并以机器可读的形式交付。
本研究旨在填补上述空白。研究将自动日降水记录视为待评估的地理空间数据集，利用2005—2024年间308个共址站点的二十年平行测量数据，从每日尺度、空间显式化和可靠性感知的角度，对自动与人工网络的比较进行系统性评估。研究采用ISO 19157数据质量要素组织评价，区分了系统性捕获亏缺、完整性问题与时间偏移；测试了站点捕获比率的空间结构和时间稳定性；并在空间分块和时间保留验证下，比较了可解释的梯度提升转换函数与更简单的比值校正方法。最终成果形成一个机器可读的质量层，服务于水文学应用与自动化数据同化系统。
二、关键技术方法
- 1.
数据来源与并行数据集构建：土耳其国家气象局提供了人工与自动两个地面网络的日降水量档案，覆盖2005—2024年。研究人员通过共享站点标识符识别出324个共址站点，经质量控制后获得308个站点、889,319个站点日的并行数据集。其中人工记录仅有23.2%的站点日有记录值，研究人员通过活跃月份规则重建了干日零值。
- 2.
质量框架与比较度量：以ISO 19157质量要素组织评价，以人工记录为参考。核心度量包括捕获比率、日误差、湿日检测统计量（概率检测、误警比、频率偏差）、完整性（遗漏事件与虚假总量）、时间准确性（记账日一致性）和域一致性。捕获比率定义为自动与人工总和的比值，其置信区间通过站点自助法或空间聚类自助法估计。
- 3.
空间分析与制图设计：采用莫兰指数检验站点比值的空间自相关性，使用Getis-Ord Gi*统计量识别局部聚集区，并通过错误发现率控制多重检验。制图采用兰伯特正形圆锥投影，站点值以点符号而非插值方式呈现，捕获比率分为三个类别，可靠性通过符号透明度表示，形成双变量图例。
- 4.
转换函数与验证：比较了恒比、月比、季节-日总量类表、月线性回归以及四种梯度提升回归树模型（不同协变量组合）。通过空间分块交叉验证（k均值聚类将308个站点分为25个空间簇，分配到5折）、时间保留验证（2005—2018年训练，2019—2024年评估）以及时空联合保留验证进行评估。性能指标包括调和后与人工总量的比值、均方根误差、站点总量落在5%和10%以内的比例。
- 5.
合理性筛选与全国应用：利用梯度提升分类器分别筛选虚假总量（自动≥10毫米）和遗漏事件（自动<1毫米且人工≥10毫米），在空间分块折叠上通过AUC和平均精度评估。全国应用中，将2013—2024年训练的GB-AEC模型应用于所有自动站点日数据，计算年度调整量和极端降水指数变化，形成站点级质量层。
三、研究结果
3.1 并行记录与自动总量精度：在清洁数据集上，自动雨量计记录了人工总量的92.9%（95%站点自助区间92.2—93.6%）。亏缺依赖于强度：以两仪器平均值定义的类别中，低于1毫米的比值为0.883，50毫米及以上升至0.947。比值随季节和海拔共同变化：低于500米时季节循环微弱（0.93—0.95），高于1500米时比值从夏季0.93降至1月0.77。年比值在0.896至0.952间波动。
3.2 空间结构与质量地图：295个评估站点中仅94个（32%）的比值在单位值的5%以内。全年比值莫兰指数为0.167（p=0.0001），冬季结构最强（I=0.27，p=0.0001），夏季无显著自相关。去除海拔趋势后自相关消失（I=0.01，p=0.24）。局部Gi*统计量识别出23个低比值聚集站点（21个在东安纳托利亚，中位海拔1678米）和27个高比值聚集站点（19个在爱琴海地区）。可靠性映射显示，44个比值低于0.85的站点中31个属于低可靠性类别，仅2个属于高可靠性类别，低比值聚集区主要依赖2009—2012年短记录。
3.3 亏缺的时间稳定性：三个时期分析表明，低于1000米时比值在各时期稳定在0.928—0.944之间；高于1500米时，比值从2005—2012年的0.818升至2013—2018年的0.885再到2019—2024年的0.925。在100个两期均有观测的站点中，高于1500米的比值从0.813升至0.948（变化+0.135，95%区间+0.111至+0.158）。2009—2011年最密集窗口显示强烈海拔依赖（斯皮尔曼ρ=-0.43）和空间自相关（I=0.27），而2019—2024年两者均不可检测。东安纳托利亚冬季亏缺主要是过渡年份的特征。
3.4 完整性与合理性筛选：在10毫米阈值下，自动记录检测到89.6%的人工降水日，误警比10.2%，频率偏差1.00。严重不一致影响0.35%的记录，其中431天为时间偏移。遗漏事件1991次，占人工总降水的2.5%；潜在虚假总量674次，占自动总量的1.2%。两种故障类型均在冷季达到峰值。遗漏事件率具空间自相关（I=0.12，p=0.04），形成一个18站点的显著聚集区（14个在东安纳托利亚）。学习型筛选函数对遗漏事件表现良好（AUC 0.96，平均精度0.36），对虚假总量表现较差（AUC 0.81，平均精度0.22）。
3.5 转换函数及其解释：在未见站点上，所有校正均恢复了网络总量（比值0.997—1.001），将站点总量在5%以内比例从44%提升至58—63%。带上下文变量的GB模型具有最低日RMSE（GB-AEC 5.86毫米），比未校正记录低3%。海拔感知校正是唯一消除高海拔站点残余亏缺的方法。在未见年份上，GB-AEC在校准站点总量方面未显著优于恒比（62%对68%，差值区间-15至3个百分点）。部分依赖图显示校正因子对日总量依赖最强（0.3—0.5毫米时峰值1.46，50毫米以上降至1.03），季节循环几乎完全是高海拔现象。
3.6 现代国家网络的调和总量与质量层：GB-AEC在2013—2024年重新拟合后恢复了未见站点的网络总量（0.995），但未改善站点总量精度（56%对恒比的69%）。应用于1479个站点后，调和年均总量超过记录值的中位数为5.0%（四分位距3.1—7.5%），区域间变异较小（4.1—6.0%）。调和后湿日数增加1.8%，≥10毫米日数增加5.7%，≥20毫米日数增加6.6%，年最大日总量增加2.5%。筛选函数在50%精度阈值下标记了1.05%的重总量和0.38%的干日。所有站点级产品整合为一个质量层，每行对应一个自动站点，携带评估质量度量和建模调整量。
四、讨论与结论
讨论部分指出，自动网络记录人工捕获量的92.9%意味着在连接两套记录的序列中引入了一个7.1—8.2%的阶跃，这一幅度与全球和国家气候学中系统雨量计误差修正的量级相当。比值结构符合文献描述的仪器差异，但时期分析改变了传统解释：高海拔站点的冬季亏缺从2005—2012年的42%降至2019—2024年的5%，且海拔依赖性和空间聚集性均消失，表明山区冬季亏缺主要局限于过渡年份。海拔仅解释了站点比值变异的一部分，相距不到40公里的站点比值差异可达0.15以上，这限制了任何基于协变量的转换函数的效能。
在制图方面，点符号避免了在站点间暗示已知质量，可靠性透明度叠加使最值得怀疑的符号视觉上退隐。按ISO 19157要素组织评价分离了三类问题：捕获亏缺（系统性、可校正）、遗漏与虚假总量（偶发性、不可校正）和时间偏移（需元数据标注）。筛选结果显示遗漏事件可通过邻域上下文较好识别，而虚假总量识别困难。转换函数验证将差异分为三部分：网络平均亏缺（约6%，任意比值即可移除）、结构化依赖（GB模型可移除但非平稳）、个体站点偏移（四分位距约7%，无协变量可缩小）。由于不同校正适用于不同任务，质量层携带着指导选择的度量。
研究结论：自动雨量计在清洁日条件下记录的人工总降水量为92.9%，最大相对亏缺出现在轻降水日和冬季高海拔站点。高海拔站点的冬季亏缺在2019—2024年已基本消失，此时站点比值不再表现出海拔依赖性。学习型筛选函数对遗漏事件排序良好但对虚假总量表现不佳。梯度提升转换函数恢复了网络总量但未能在未见站点上优于恒定比值。对于2013—2024年，隐含的聚合人工等效调整约为5—6%，一个包含评估度量、建模调整量和筛选标志率的站点级质量层随数据一起提供，供人类用户和自动化数据同化管道使用。
