వర్షపాత అంచనాలను మెరుగుపరచడానికి అవకాశవాద వర్షపాత సెన్సార్ డేటా

పట్టణ నీటి పారుదల అనువర్తనాలకు అధిక స్పాటియోటెంపోరల్ రిజల్యూషన్‌తో ఖచ్చితమైన వర్షపాత అంచనాలు చాలా ముఖ్యమైనవి మరియు భూమి పరిశీలనలకు సర్దుబాటు చేయబడితే, వాతావరణ రాడార్ డేటా ఈ అనువర్తనాలకు సంభావ్యతను కలిగి ఉంటుంది.

అయితే, సర్దుబాటు కోసం వాతావరణ వర్షపాత గేజ్‌ల సాంద్రత తరచుగా తక్కువగా ఉంటుంది మరియు అంతరిక్షంలో ఏకరీతిలో పంపిణీ చేయబడదు. అవకాశవాద వర్షపాత సెన్సార్లు భూమి పరిశీలనల సాంద్రతను పెంచుతాయి, కానీ తరచుగా ప్రతి స్టేషన్‌కు తగ్గిన లేదా తెలియని ఖచ్చితత్వంతో ఉంటాయి. ఈ పత్రం వాతావరణ రాడార్, వ్యక్తిగత వాతావరణ కేంద్రాలు మరియు వాణిజ్య మైక్రోవేవ్ లింక్‌ల నుండి డేటాను సమగ్ర వర్షపాత ఉత్పత్తిలో విలీనం చేయడాన్ని ప్రదర్శిస్తుంది. అవకాశవాద వర్షపాత అంచనాలను విలీనం చేయడం వల్ల నాణ్యత నియంత్రణ అల్గోరిథం ద్వారా అవకాశవాద వర్షపాత పరిశీలనల ఖచ్చితత్వాన్ని మెరుగుపరుస్తుంది. ఈ అధ్యయనంలో, అవకాశవాద వర్షపాత డేటా మరియు వాతావరణ రాడార్ డేటాను విలీనం చేయకుండా ప్రతి వర్షపాత ఉత్పత్తి యొక్క ఖచ్చితత్వంతో పోల్చినప్పుడు వర్షపాత అంచనాల ఖచ్చితత్వం గణనీయంగా మెరుగుపడుతుందని మేము చూపిస్తున్నాము. నాష్-సట్‌క్లిఫ్ సామర్థ్యం (NSE) విలువలు రోజువారీ సంచిత విలీన వర్షపాత ఉత్పత్తులకు 0.88 వరకు పొందబడతాయి, అయితే వ్యక్తిగత వర్షపాత ఉత్పత్తుల యొక్క NSE-విలువలు −7.44 నుండి 0.65 వరకు ఉంటాయి మరియు రూట్ మీన్ స్క్వేర్డ్ ఎర్రర్ (RMSE) విలువలకు ఇలాంటి ధోరణులు గమనించబడతాయి. వాతావరణ రాడార్ మరియు అవకాశవాద వర్షపాత డేటాను విలీనం చేయడానికి, ఒక నవల విధానం, అంటే, "కదిలే మధ్యస్థ పక్షపాత సర్దుబాటు" ప్రదర్శించబడింది. ఈ విధానాన్ని వర్తింపజేయడం ద్వారా, అధిక-పనితీరు గల వర్షపాత ఉత్పత్తిని సాంప్రదాయిక అధిక-నాణ్యత వర్షపాత గేజ్‌ల నుండి స్వతంత్రంగా పొందవచ్చు, వీటిని ఈ అధ్యయనంలో స్వతంత్ర ధ్రువీకరణ కోసం మాత్రమే ఉపయోగిస్తారు. అదనంగా, ఉప-రోజువారీ విలీనం ద్వారా ఖచ్చితమైన వర్షపాత అంచనాలను పొందవచ్చని నిరూపించబడింది, ఇది నౌకాస్టింగ్ మరియు సమీప నిజ-సమయ అనువర్తనాలలో విలీనం యొక్క ప్రాముఖ్యతను నొక్కి చెబుతుంది.