过去，许多国家气象服务组织通过采用尽可能多的数据点监视天气，从而能够更好地了解天气和气候变化，从而掌握了更多的数据的策略来应对理解和预测天气的挑战。然后对其进行预测，但是，部署的许多站点的质量标准较低，此外，由于功率和成本等限制，仅在一天中的某些时间提供数据。尽管这样做确实允许用户在数据和天气中找到一些基本的大规模模式，然后对其进行分析以生成模型，以显示这些模式如何发展和变化，从而使那些国家气象服务机构能够以一定程度的准确性来预测天气，提高预报质量，尤其是在较小的区域尺度上，事实证明比预期的要困难得多，因为在达到一定的临界阈值后，具有更高的台站密度的关系并不能带来更好的质量预报。
如今，事实证明，采用分层方法来处理数据质量和覆盖范围，并根据需要提供可用数据（而不是一直收集数据），不仅有助于提高预测质量，而且可以更好地理解任何数据的性质可能对生活质量产生重大影响的极端天气事件，以及越来越有限的自然资源库。组织也越来越远离尝试确定极端事件发生的机会百分比，而是着重于强调这种极端事件一旦发生可能带来的影响，以便可以采取措施来减轻基于合并的影响而不是简单地尝试确定发生这种情况的机会百分比。这种智能的整体数据收集，网络规模和分布以及风险缓解策略，为所有相关人员提供了更好的资源，时间和金钱利用率。
这种策略改变对现代世界至关重要，而人口不断增长的例子是全球人口从农村转移到城市中心的全球转移，因此任何极端事件都会对人口稠密的人口产生显着影响中心以及用于农业或其他基础设施以维持不断增长的人口的剩余农村景观。以下是一些例子，说明不仅能够准确地测量和预测天气，而且理解极端事件可能对区域，大陆甚至全球范围的影响是多么重要：
近期南美历史上最昂贵的天气灾害发生在2018年，那里乌拉圭和阿根廷的干旱使经济损失了约39亿美元，这是自2009年以来阿根廷收成最惨的一次这两个国家的历史，这也影响了全球特定食品的供应。另一个例子是7月（2018年）的寒冷天气，阿根廷和巴拉圭的温度比该月的平均温度至少低20摄氏度，这严重影响了作物的生长和收成。另一个例子发生在2016年，当时巴西在原本干燥的夏季气候异常，不仅出现了严重的对流降水事件，而且还遭受了龙卷风以及对建筑物，桥梁和其他基础设施的严重破坏。
随着人们越来越多地同意使用基于预测的天气状况或潜在极端事件的基于条件的决策管理系统，拥有支持这一概念的基础架构至关重要，例如仅在需要和需要时才使用和分析适当的质量数据，从随时可用的分层，高质量的经过审查的气象站中提取。由于所有气象数据用户现在似乎都朝着这一目标迈进，因此至关重要的是，对这种分层方法中使用的站的质量有适当的信心，并且对于使用该数据的任何人都可以使用此信息，这导致朝着此类站点的更好的文档和元数据方向发展，并为越来越智能的参考质量或多参数自适应气象仪器提供了车载质量控制监控，这是其网络的第二层质量方法，如今这种方法也越来越流行世界气象组织（WMO）支持并正在为用户制作指南。
随着市场转向这种新方法，一些气象仪器制造商也在不断发展，并遵循了按需采用分层质量方法的趋势，而其他一些则帮助与科学界一起塑造并引领了这一道路。最初，只要有“ a”衡量标准，产品的质量水平就会有很多不同，并且都可以看到价值，这被认为有助于提高预测质量。如上所示，关于预测方法的变化，这种网络中使用的仪器方法也是如此，无论大小，因为该方法不再适用于现在的方法，因为它是质量的保证。数据，而不是对获得更好的区域或大规模天气预报正确性至关重要的数据量。
在这种瞬息万变的环境中（无论是在预测还是手段方面），使用来自Internet或辅助网络的度量（尤其是当这些网络或站点不由用户拥有和管理时）时，拥有可辩护的位置非常重要问题）对于所有相关方而言，错误决定的代价越来越大。
与科学界合作并了解不断变化的战略的本质的仪器制造商将处于更好的位置，并具有从过去的经验中获得的更多知识，可以在必要时对产品进行适应，以满足新的要求和简化的基础设施策略。测量的最终用户和产品制造商越来越多地合作，以在正确的时间以正确的覆盖范围适应和生产正确的测量，从而能够针对变化的条件和在极端事件中降低风险做出最佳决策。他们发生了。
要了解有关我们专业气象站的更多信息，请访问metpakpro
作者：吉尔仪器有限公司的气象学家Richard McKay.
