一个监测站的数据可信度怎么评估：八项体检

为什么要做数据质量评估

监测数据是决策依据：超标处罚、滑坡预警、灌溉决策。数据不可信，决策就是赌博。但"可信度"不是非黑即白，而是可以量化的多维体检——八项指标，逐项检查，形成数据质量报告。

八项体检

1. 完整性（Completeness）

检查：应有数据与实得数据的比例。

• 计算方法：完整率 = 有效记录数 ÷ 应得记录数 × 100%；
• 评级：> 95% 优，90~95% 良，< 90% 差；
• 注意：区分"无记录"（设备停机）与"无效记录"（质量标记剔除）——两类都要算进缺失。

2. 时效性（Timeliness）

检查：数据从采集到可用的延迟。

• 在线系统：分钟级延迟为优，小时级为良，天级为差；
• 断电补传、断网缓存补传的数据要打"补传"标记，补传延迟 > 1 天的数据在时效性上打折。

3. 物理范围检查（Range Check）

检查：数值是否超出该物理量的合理物理范围。

• 温度 −50~+60 ℃、风速 0~75 m/s、相对湿度 0~100%RH；
• 超物理范围 = 传感器故障或单位错误，直接标无效；
• 用物理极限（不是统计极限）做硬性筛选，防止把真实极端事件当异常剔除。

4. 时序合理性（Rate-of-change Check）

检查：连续记录的变化速率是否超过物理可能。

• 例：气温 1 min 内变化 > 5 ℃、水位 1 min 变化 > 0.5 m——物理上不可能，标记异常；
• 注意：雨量突跳、振动冲击这类"瞬时大变化"是真实信号，不能一刀切——按要素分规则，变化率检查只用于缓变要素。

5. 一致性（Consistency）

检查：多参数之间是否自洽。

• 相对湿度 > 95% 时气温接近露点（一致性校验）；
• 同一站点两套冗余传感器偏差应在精度内；
• 邻近站同一要素差异应在空间代表性范围内（山区差异大，需按季节/天气分场景）。

6. 校准状态（Calibration Status）

检查：传感器校准是否在有效期内、校准记录是否完整。

• 校准过期 → 数据打"校准过期"标记，可信度降级；
• 校准后漂移修正是否应用——未应用的校准，等于白校。

7. 比测结果（Validation）

检查：与独立参考（人工水尺、标准气、实验室分析）的比对偏差。

• 比测偏差在精度内 → 数据可信；
• 偏差超限 → 定位原因（安装、标定、代表性），修复后重新比测。

8. 环境记录（Metadata）

检查：数据记录是否附带环境与操作信息。

• 传感器更换、校准、维护、异常事件、天气事件都应有记录；
• 没有元数据的数据，无法判断可信度——元数据缺失本身就是质量缺陷。

评分与分级

每项按 0~100 打分，加权合成总分：

权重建议：完整性 20%、物理范围 15%、时序合理性 15%、校准状态 15%、比测 15%、时效 10%、一致性 5%、元数据 5%（可按应用调整）。

落地：一个季度一次的体检

1. 导出该站近 3 个月数据；
2. 按八项逐项计算得分；
3. 汇总成《站点数据质量报告》（含失分项与修复建议）；
4. 修复（校准、清洗、补测）后复评；
5. 质量分级结果进入数据标签——下游分析按等级过滤使用。

结语

数据可信度不是"感觉"，是可量化的八维体检。完整率、物理范围、时序合理性、校准、比测五项是硬指标，时效、一致性、元数据是软指标。每季度做一次，把结果打进数据标签——这比换更贵的传感器更能提升监测数据的实际价值。