शहरी जल निकासी अनुप्रयोगहरूको लागि उच्च स्थानिय-अस्थायी रिजोलुसनको साथ सही वर्षा अनुमानहरू महत्त्वपूर्ण छन्, र यदि जमिन अवलोकनहरूमा समायोजन गरियो भने, मौसम रडार डेटामा यी अनुप्रयोगहरूको लागि सम्भावना हुन्छ।
यद्यपि, समायोजनको लागि मौसम विज्ञान वर्षा गेजहरूको घनत्व प्रायः विरल र अन्तरिक्षमा असंगत रूपमा वितरित हुन्छ। अवसरवादी वर्षा सेन्सरहरूले जमिन अवलोकनको बढ्दो घनत्व प्रदान गर्दछ तर प्रायः प्रत्येक व्यक्तिगत स्टेशनको लागि कम वा अज्ञात शुद्धताका साथ। यो पेपरले मौसम राडार, व्यक्तिगत मौसम स्टेशनहरू, र व्यावसायिक माइक्रोवेभ लिङ्कहरूबाट डेटालाई एकीकृत वर्षा उत्पादनमा मर्ज गर्ने प्रदर्शन गर्दछ। गुणस्तर नियन्त्रण एल्गोरिथ्म मार्फत अवसरवादी वर्षा अवलोकनको शुद्धता सुधार गर्न अवसरवादी वर्षा अनुमानहरू मर्ज गर्ने देखाइएको छ। यस अध्ययनमा, हामी देखाउँछौं कि मर्ज नगरी प्रत्येक वर्षा उत्पादनको शुद्धतासँग तुलना गर्दा अवसरवादी वर्षा डेटा र मौसम राडार डेटा मर्ज गरेर वर्षा अनुमानहरूको शुद्धता उल्लेखनीय रूपमा सुधार गरिएको छ। दैनिक संचित मर्ज गरिएका वर्षा उत्पादनहरूको लागि ०.८८ सम्मको न्याश-सटक्लिफ दक्षता (NSE) मानहरू प्राप्त गरिन्छ, जबकि व्यक्तिगत वर्षा उत्पादनहरूको NSE-मानहरू −७.४४ देखि ०.६५ सम्म हुन्छन्, र रूट मीन स्क्वायर एरर (RMSE) मानहरूको लागि समान प्रवृत्तिहरू अवलोकन गरिन्छ। मौसम राडार र अवसरवादी वर्षा डेटा मर्ज गर्नको लागि, एक उपन्यास दृष्टिकोण, अर्थात्, "गतिशील मध्य पूर्वाग्रह समायोजन" प्रस्तुत गरिएको छ। यो दृष्टिकोण लागू गर्दै, उच्च-प्रदर्शन गर्ने वर्षा उत्पादन परम्परागत उच्च-गुणस्तरको वर्षा गेजहरूबाट स्वतन्त्र रूपमा प्राप्त गरिन्छ, जुन यस अध्ययनमा स्वतन्त्र प्रमाणीकरणको लागि मात्र प्रयोग गरिन्छ। थप रूपमा, यो देखाइएको छ कि उप-दैनिक मर्जरद्वारा सही वर्षा अनुमानहरू प्राप्त गर्न सकिन्छ, जसले नाउकास्टिङ र नजिकको वास्तविक-समय अनुप्रयोगहरूमा मर्जको महत्त्वलाई जोड दिन्छ।
पोस्ट समय: मे-१६-२०२४