शहरी ड्रेनेज अनुप्रयोगांसाठी उच्च अवकाशीय टेम्पोरल रिझोल्यूशनसह अचूक पावसाचे अंदाज महत्वाचे आहेत आणि जर जमिनीवरील निरीक्षणांशी जुळवून घेतले तर हवामान रडार डेटामध्ये या अनुप्रयोगांसाठी क्षमता आहे.
तथापि, समायोजनासाठी हवामानशास्त्रीय पर्जन्यमापकांची घनता बहुतेकदा विरळ आणि अवकाशात एकसमानपणे वितरित केली जाते. संधीसाधू पर्जन्यमान सेन्सर जमिनीवरील निरीक्षणांची वाढलेली घनता प्रदान करतात परंतु बहुतेकदा प्रत्येक वैयक्तिक स्टेशनसाठी कमी किंवा अज्ञात अचूकतेसह. हा पेपर हवामान रडार, वैयक्तिक हवामान केंद्रे आणि व्यावसायिक मायक्रोवेव्ह लिंक्समधील डेटा एकात्मिक पर्जन्य उत्पादनात विलीन करण्याचे प्रात्यक्षिक करतो. गुणवत्ता नियंत्रण अल्गोरिदमद्वारे संधीसाधू पर्जन्यमान अंदाज विलीन केल्याने संधीसाधू पर्जन्यमान निरीक्षणांची अचूकता सुधारते असे दिसून आले आहे. या अभ्यासात, आम्ही दाखवतो की संधीसाधू पर्जन्यमान डेटा आणि हवामान रडार डेटा विलीन न करता प्रत्येक पर्जन्यमान उत्पादनाच्या अचूकतेशी तुलना केल्यास विलीन करून पावसाच्या अंदाजांची अचूकता लक्षणीयरीत्या सुधारली जाते. नॅश-सटक्लिफ कार्यक्षमता (NSE) मूल्ये 0.88 पर्यंत दररोज संचित विलीन केलेल्या पर्जन्यमान उत्पादनांसाठी प्राप्त केली जातात, तर वैयक्तिक पर्जन्यमान उत्पादनांची NSE-मूल्ये −7.44 ते 0.65 पर्यंत असतात आणि रूट मीन स्क्वेअर एरर (RMSE) मूल्यांसाठी समान प्रवृत्ती पाळल्या जातात. हवामान रडार आणि संधीसाधू पर्जन्यमान डेटा विलीन करण्यासाठी, एक नवीन दृष्टिकोन, म्हणजेच, "मूव्हिंग मीडियन बायस अॅडजस्टमेंट" सादर केला आहे. या दृष्टिकोनाचा वापर करून, पारंपारिक उच्च-गुणवत्तेच्या पर्जन्यमापकांपासून स्वतंत्रपणे उच्च-कार्यक्षम पर्जन्यमान उत्पादन मिळवले जाते, जे या अभ्यासात केवळ स्वतंत्र प्रमाणीकरणासाठी वापरले जातात. याव्यतिरिक्त, हे सिद्ध झाले आहे की उप-दैनिक विलीनीकरणाद्वारे अचूक पर्जन्यमान अंदाज मिळवता येतात, जे नॉवकास्टिंग आणि जवळच्या रिअल-टाइम अनुप्रयोगांमध्ये विलीनीकरणाचे महत्त्व अधोरेखित करते.
पोस्ट वेळ: मे-१६-२०२४