Säähavainnonteon automatisoinnin kasvava trendi on ollut havaittavissa jo useiden vuosien ajan. Automatisoinnin hyötyjä ovat kustannustehokkuus, havainnonteon objektiivisuus sekä havainnointitiheyden helppo kasvattaminen. Automatisointi vaatii kuitenkin myös laadullista seurantaa. Havaintolaitteistojen sisäisiin ohjelmistoihin ei useimmiten ole pääsyä, joten havaintoihin joudutaan soveltamaan jälkikäteen määriteltyjä korjausluokitteluita ja testejä.
Tutkielmassa perehdytään eri sääolosuhteissa vallitseviin olosuhteisiin ja niiden vallitsevan sään automaattiselle havainnoinnille tuomiin haasteisiin. Tutkimuksen lähestymistapa pohjautuu Alankomaiden ilmatieteen laitoksessa (KNMI) tehtyyn tutkimukseen. Tutkittavana havaintolaitteena on Vaisalan valmistama vallitsevan sään anturi, FD12P, jonka mittaustekniikka perustuu optisen eteenpäinsironnan, sadeanturin kapasitanssin, sekä lämpötilamittausten yhteiskäyttöön. Tavoitteena on rajata eri sääilmiöissä vallitsevia tilastollisia sääolosuhteita ja implementoida niitä automaattisen säähavainnoinnin havainnontarkastukseen. Samoja periaatteita noudattaen pyritään kehittelemään uudenlainen luokittelumenettely anturin mittaaman tuntemattoman sateen olomuodon sääluokalle.
Aineistona käytettiin Helsinki-Vantaan ja Rovaniemen lentoasemien havaintoja vuosilta 2003-2012. WMO:n koodistojen mukaan ilmoitetut vallitsevan sään havainnot yhdenmukaistettiin sääilmiön mukaisiin säätyyppeihin. Luokittelun jälkeen automaatin mittaussarjoihin sovellettiin automaattisia lämpötilan, kostealämpötilan, FD12P:n mittaaman sateen intensiteetin sekä näkyvyyden, suhteellisen kosteuden, pilvisyyden ja pilvenkorkeuden havainnoista johdettuja korjausalgoritmeja. Automaatin mittaamaan alkuperäisdataan sovellettiin 23:a eri korjausalgoritmia parhaimmillaan neljällä eri modifikaatiolla. Korjausalgoritmien laatua tarkkailtiin viiden mm. sääennusteiden verifioinnissa laajalti käytetyn tunnusluvun sekä osuvuusmatriisien avulla. Manuaaliset havainnot toimivat referenssinä. Mittausten laatua parantaneita algoritmeja kertyi lopulta 16 kappaletta.
Havaintoasemien yhdistetyn aineiston sääilmiöiden osuvuus parani kokonaisuudessaan 8,1 prosenttiyksikköä. Tuntemattoman sadeluokan uusi menettely tarkensi tuntemattoman sateen luokittelua 11,6 prosenttiyksikköä. Virheelliset havainnot pienentyivät molemmissa tapauksissa merkittävästi.
Kokonaisuudessaan uudenlaisten korjausalgoritmien sekä tuntemattoman sadeluokan uusi korjausmenettely antoi rohkaisevia tuloksia. Optimaalisten korjausten saavuttaminen vaatinee joka tapauksessa vielä hieman lisätutkimusta. Lopullista operatiiviseen käyttöön soveltamista ennen tulee määritellä myös käytettävien korjausalgoritmien haluttu aggressiivisuus sekä niiden sovellettavuusaste.
