Sử dụng dữ liệu cảm biến lượng mưa một cách ngẫu nhiên để nâng cao chất lượng ước tính lượng mưa.

Việc ước tính lượng mưa chính xác với độ phân giải không gian và thời gian cao là rất quan trọng đối với các ứng dụng thoát nước đô thị, và nếu được điều chỉnh theo các quan sát trên mặt đất, dữ liệu radar thời tiết có tiềm năng ứng dụng trong lĩnh vực này.

Tuy nhiên, mật độ các trạm đo mưa khí tượng để hiệu chỉnh thường thưa thớt và phân bố không đồng đều trong không gian. Các cảm biến mưa cơ hội cung cấp mật độ quan sát mặt đất cao hơn nhưng thường có độ chính xác thấp hơn hoặc không xác định đối với từng trạm riêng lẻ. Bài báo này trình bày việc kết hợp dữ liệu từ radar thời tiết, các trạm thời tiết cá nhân và các liên kết vi sóng thương mại thành một sản phẩm lượng mưa tích hợp. Việc kết hợp các ước tính lượng mưa cơ hội được chứng minh là cải thiện độ chính xác của các quan sát lượng mưa cơ hội thông qua thuật toán kiểm soát chất lượng. Trong nghiên cứu này, chúng tôi cho thấy rằng độ chính xác của các ước tính lượng mưa được cải thiện đáng kể bằng cách kết hợp dữ liệu lượng mưa cơ hội và dữ liệu radar thời tiết so với độ chính xác của từng sản phẩm lượng mưa riêng lẻ khi không kết hợp. Giá trị hiệu suất Nash-Sutcliffe (NSE) lên đến 0,88 được thu được cho các sản phẩm lượng mưa tích lũy hàng ngày được kết hợp, trong khi giá trị NSE của các sản phẩm lượng mưa riêng lẻ nằm trong khoảng từ -7,44 đến 0,65, và các xu hướng tương tự được quan sát thấy đối với giá trị sai số bình phương trung bình gốc (RMSE). Để kết hợp dữ liệu radar thời tiết và dữ liệu lượng mưa đo đạc ngẫu nhiên, một phương pháp mới, cụ thể là “điều chỉnh sai lệch trung vị di động”, được trình bày. Bằng cách áp dụng phương pháp này, một sản phẩm lượng mưa hiệu suất cao được tạo ra một cách độc lập từ các trạm đo mưa chất lượng cao thông thường, vốn chỉ được sử dụng để kiểm chứng độc lập trong nghiên cứu này. Ngoài ra, nghiên cứu cũng chứng minh rằng có thể thu được các ước tính lượng mưa chính xác bằng cách kết hợp dữ liệu dưới mức hàng ngày, nhấn mạnh tầm quan trọng của việc kết hợp dữ liệu trong dự báo tức thời và các ứng dụng gần thời gian thực.