原方案中， 基于相似理论将风速观测由观测高度订正到模式最低层高度。依据大气边界层中相似理论， 风速的垂直变化满足如下公式（Barthelmie， 2001）：

式中： z_o为地面粗糙度； U_{\mathrm{1}} \mathrm{与} U_{\mathrm{2}}为位于地面以上不同高度 h_{\mathrm{1}}和 h_{\mathrm{2}}上的风速。原方案基于上述公式将 h_o高度上的风速观测值换算到 h_m高度， 且 z_o设置为固定值。更新方案在公式（1）的基础上加入和大气稳定度相关的函数 \Psi：

基于公式（2）订正风速观测， 并且更新方案中 z_o为随地表的类型而变化的值。

在原方案中， 主要基于模式背景场中的位温垂直变化率来订正温度， 即选取最接近模式地形以上100 hPa（ k_{\mathrm{100}}）和200 hPa（ k_{\mathrm{200}}）的模式层， 通过模式层高度（ h_{\mathrm{100}}和 h_{\mathrm{200}}）及位温（ {\theta }_{\mathrm{100}}和 {\theta }_{\mathrm{200}}）计算自动站所处位置的位温递减率（ l a p）（Ruggiero et al， 1996）

地面温度同化方法的主旨是准确表征近地面位温垂直变化规律（Benjamin et al， 2004）， 因此更新方案选取最接近边界层高度和近地面层高度（边界层高度的十分之一）（Stull， 1988）的模式层（ k_{pbl}和 k_{sfc}）计算新的位温递减率 l a p_{new}：

两个温度订正方案最主要的区别是位温递减率计算方式不同。

我国的地面自动站分类为国家级自动站（简称国家站）和区域级自动站（简称区域站）。目前国家站共2400多个， 均为全要素观测站， 即观测要素包括温度、 湿度、 气压、 风速、 风向和相对湿度， 观测频率最快为1 min一次， 国家站在建站选址、 数据到报量和数据质量等方面均有严格要求； 区域站共70000个左右， 观测频率最快为5 min一次， 空间分辨率为3~5 km， 但区域站中存在较多的单要素观测站， 即只有雨量观测， 区域站观测数据到报率和数据质量也参差不齐， 没有国家站稳定。然而稠密的区域站的空间覆盖率高， 对于对流尺度的天气现象模拟尤为重要， 特别是在缺少观测的中国西部地区， 稠密自动站的同化应用有不可替代的作用， 因此本文选用两组自动站观测资料， 第一组资料只包括我国国家站和境外交换站（下文用RN表示）， 而第二组资料包括我国加密自动站和相同的境外交换站（下文用RG表示）， 其中加密自动站共10400多个， 包括8000多个参与中国气象局考核的区域站和2400多个国家站。RN和RG资料在RMAPS-CA不同区域的空间分布如图1所示， 两组资料均为全要素自动站。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2017）3320的世界地图制作， 底图无修改。

三维变分同化系统假定观测误差满足无偏的高斯概率分布， 只有满足或基本满足该假设的观测才能为背景场提供有效的观测信息， 因此需要面向数值预报的质量控制提高观测数据的质量。数据提供方会对其提供的自动站观测资料进行传统的一级质量控制， 在此基础上我们对观测数据进行面向同化应用的二级质量控制。二级质量控制内容主要包括六个部分： 一、 观测资料整体检查（QC1）， 包括观测资料的时间窗检查、 观测区域检查和观测资料总数检查等。标记出缺测数据和剔除世界气象组织制定标准中的无效标示； 根据模式提供的参考气压和温度对观测气压和观测高度进行连续性检查； 将既没有气压也没有高度观测的站点剔除。二、 分类和重组数据（QC2）， 包括依据静力学假设重构气压和高度信息； 将相同时间和站点的观测数据合并， 删除重复数据。三、 观测背景差检查（QC3）， 给予各类观测量误差标准， 并通过计算删除观测和背景差值大于5倍观测误差的数据。四、 极值检查（QC4）， 主要针对相对湿度值是否在0~100%、 风速是否在0~70 m·s^-1以及风向是否在0° -359°区间内进行检查， 并剔除数值区间外的观测。五、 空间一致性检查（QC5）， 采用Barnes（1964）空间一致性检查方法， 首先计算被检查点与其他相邻点之间的球面距离， 从而计算出每个相邻点的距离权重， 最后计算被检查点物理量与周围所有相邻点物理量加权平均值的差， 当差值大于4倍标准差时剔除被检查点。质量控制流程如图2所示， 仅针对地面资料而言， 同化系统在应用质量控制的观测前， 还会判断地形高度差， 当实际地形与模式地形高度差大于100 m时， 该站点被剔除， 其余站点数据为最终被同化系统吸收应用的有效站点数据。质量控制方案对于RN观测数据的剔除率在3%左右， 而RG观测数据的剔除率在3%~5%， 二者的剔除率相当。

由于真值无法获得， 不能直接验证观测误差是否满足高斯分布， 因此可行的验证方式为判断观测值与相应的背景场值的差值（即观测背景差， OMB）是否满足高斯分布。通过概率分布图（图3）明显看出， 经过质量控制后， 无论是国家站观测资料还是加密自动站观测资料， 其温度（单位： ℃）、 U风量（单位： m·s^-1）和V风量（单位： m·s^-1）的OMB均符合无偏的高斯概率分布， 而比湿（单位： g·kg^-1）的OMB分布符合高斯特征， 但其偏度值略偏正， 说明背景场中的水汽值相对观测值略偏干。

而散点图（图4）进一步表明， RN和RG站点湿度和温度观测的离群值较少， 说明质量控制后湿度和温度的观测数据质量良好， 风速的观测与背景的相关性低于湿度和温度， RG站点中有少量站点的风速观测与对应的背景场偏离， 但是整体而言RN和RG的风速观测可以满足同化需求。通过上述分析表明， 经过质量控制后， 国家站和加密自动站的观测数据质量得到较好的保障， 可以将其用于数值预报同化系统中进行试验。

沿用表1的方案设计进行数值试验， 模式起报时间为2020年7月14日00:00， 采取冷启动方式， 同化常规资料后进行24 h预报。RMAPS-CA主要支撑新疆地区的天气预报和气象服务， 因此以下重点分析各组试验在RMAPS-CA的D02区域内的预报效果。

单个例分析存在一定的偶然性， 为了验证加密自动站和同化更新方案对于预报性能的改善效果具有普适性， 沿用表1的设计方案， 由于新疆地区7月的降水量最多（杨霞等， 2020）， 且该月份新疆地区平均温度最高， 遂选取2020年7月2 -16日00:00冷启动的方式进行批量试验， 评估不同数据量、 不同方案对地面要素及降水预报的影响。就2020年7月前半月而言， 新疆全区温度平均在21~31 ℃， 风级1~2级， 且15天内新疆地区均有降水产生， 7月10日之前降水多集中于新疆北部地区， 以小雨为主， 10日之后新疆西部和南部地区也出现降水， 偶有中雨产生。

统计同化的自动站观测数据， 逐小时RN站点平均为2800左右， 最终通过地面资料同化方案应用的有效站点数为1900左右， 有效站点占比为68%， 而RG站点对应的站点总数和同化的有效站点数为10800和7500， 有效站点占比69%。除去高度差因素外， 质量控制会剔除部分有效站点中的观测要素， 且不同时次的观测要素可能存在观测缺失等情况， 因此最终同化吸收的RN站点中温度和风速的有效数据占比为63%和53%， RG站点对应的同化吸收比（即有效观测除以总观测）为59%和51%。整体而言RN和RG资料的同化吸收比相差较小。

同样基于D02区域内190个国家站的观测， 统计15天预报结果的均方根误差， 图8所示为不同试验预报结果的RMSE差值（显示变化幅度大于±0.01的结果）， 红色三角形表示RMSE的差值为负， 绿色则表示差值为正， 三角形面积越大表示两组试验结果的差值越大。从图8中可以明显看出， 加密自动站的同化应用对地面要素的预报呈现正贡献， 对于风速预报的改善尤为明显， 使用加密自动站后， 24 h内温度、 湿度和风速预报的RMSE整体降低1%、 1%和2%， 在同化加密自动站的基础上将原方案更换为更新方案后， 温度和风速预报的RMSE均再降低1%左右。

此外给出15天降水的客观统计评分TS和BIAS（杨显玉等， 2020）， 公式如下：

式中： O_Y F_Y表示观测和预报均有降水的站点数； O_N F_Y表示观测无降水而预报有降水的站点数； O_Y F_N则表示观测有降水而预报无降水的站点数。表3为三组试验的逐3 h降水预报评分。从表3中可以看出， 同化加密自动站后对新疆地区1 mm以上的降水预报性能呈现中性效果， 在此基础上使用更新方案后降水TS评分有所提升。预报场中的温度、 湿度和风速的变化均会对降水预报产生影响。同化自动站观测数据不仅对近地面要素产生影响， 还可以通过背景场误差协方差改变分析场中各个要素的垂直信息， 从而影响降水的预报效果。由上述统计结果可以看出， RG_NEW试验的温度和风速的预报性能相比RN_ORI均有明显提升， 更准确的要素场预报结果有利于降水的预报， 因此RG_NEW试验的降水预报效果整体较好。

表4给出不同降水阈值的24 h累积降水评分。从表4中可以看出， 使用加密自动站和同化更新方案后BIAS值比1更加偏大， 即说明使用加密自动站会导致降水空报情况更多， 使用同化更新方案后降水空报的情况加剧， 因此也影响其试验的TS评分。整体而言， 三组试验对于24 h累积降水的预报性能相差不大。