DOI: https://doi.org/10.1016/j.atmosres.2024.107228
تاريخ النشر: 2024-01-08
المؤلف: Janni Mosekær Nielsen وآخرون
الموضوع الرئيسي: قياس وتحليل الهطول
نظرة عامة
تسلط هذه الورقة البحثية الضوء على الأهمية الحاسمة للتقديرات الدقيقة لهطول الأمطار مع دقة مكانية وزمنية عالية لتطبيقات تصريف المياه الحضرية. تستكشف دمج بيانات رادار الطقس، ومحطات الطقس الشخصية، وروابط الميكروويف التجارية لإنشاء منتج شامل لهطول الأمطار. تتناول الدراسة تحدي وجود مقاييس هطول الأمطار الجوية المتناثرة وغير المتوزعة بشكل متساوٍ من خلال استخدام مستشعرات هطول الأمطار الفرصة، التي، على الرغم من دقتها المنخفضة، تعزز كثافة الملاحظات الأرضية. تظهر النتائج أن دمج هذه المصادر البيانية يحسن بشكل كبير من دقة تقديرات هطول الأمطار، حيث تحقق قيم كفاءة ناش-سوتكليف (NSE) تصل إلى 0.88 لمنتجات هطول الأمطار اليومية المتراكمة، بالمقارنة مع قيم NSE للمنتجات الفردية التي تتراوح من -7.44 إلى 0.65.
تقدم الورقة نهجًا جديدًا “لتعديل انحياز الوسيط المتحرك” (MMB) لدمج بيانات رادار الطقس وبيانات هطول الأمطار الفرصة، مما يعزز أداء المنتج المدمج. تؤكد التحقق المستقل مقابل مقاييس هطول الأمطار الجوية عالية الجودة فعالية طريقة MMB، حيث تحقق NSE قدره 0.88 وخطأ متوسط الجذر التربيعي (RMSE) قدره 1.7 مم على مقياس دون يومي. تؤكد النتائج على قيمة دمج بيانات هطول الأمطار لكل من التطبيقات التاريخية والوقت الحقيقي، مما يظهر أن منتجات هطول الأمطار المدمجة تظهر دقة وموثوقية عالية، مما يجعلها مناسبة للتطبيقات الهيدرولوجية الحضرية.
مقدمة
تسلط المقدمة الضوء على التحديات المتعلقة بالحصول على تقديرات دقيقة لهطول الأمطار على مساحات واسعة، والتي تعتبر ضرورية لإدارة أنظمة الهيدرولوجيا الحضرية بشكل فعال. غالبًا ما تفشل مقاييس هطول الأمطار التقليدية ذات الدلو المائل، على الرغم من توفيرها دقة زمنية عالية، في التقاط التباين المكاني والزمني للعواصف الحملية بسبب كثافة الشبكة غير الكافية. لمعالجة ذلك، توفر رادارات الطقس تقديرات دقيقة لهطول الأمطار وتسهّل التنبؤ بهطول الأمطار على المدى القصير، ولكنها تتطلب دمجها مع الملاحظات الأرضية لتحسين الدقة. تم تطوير تقنيات دمج رادار-مقياس هطول الأمطار المختلفة، بما في ذلك تعديل انحياز المجال المتوسط وطرق أكثر تعقيدًا مثل الكريغينغ مع الانجراف الخارجي (KED) والكريغينغ المشترك، لتعزيز تقديرات هطول الأمطار.
تناقش المقدمة أيضًا إمكانية مستشعرات هطول الأمطار الفرصة، مثل محطات الطقس الشخصية (PWS) وروابط الميكروويف التجارية (CML)، لتكملة شبكات مقاييس هطول الأمطار التقليدية، خاصة في المناطق الحضرية حيث تكون كثافة السكان مرتفعة. توفر هذه المستشعرات بيانات بدقة زمنية عالية، على الرغم من أن جودتها قد تختلف بسبب عوامل الأجهزة والبيئة. تهدف الورقة إلى التحقيق فيما إذا كان دمج بيانات رادار الطقس وهذه المستشعرات الفرصة يمكن أن يحسن تقديرات هطول الأمطار مقارنة باستخدام المنتجات الفردية. تقترح ثلاث استراتيجيات دمج، بما في ذلك تعديل انحياز الوسيط المتحرك الجديد، لتحسين جودة بيانات هطول الأمطار المدمجة، التي تم تقييمها مقابل شبكة كثيفة من مقاييس هطول الأمطار الجوية.
طرق البحث
في هذه الدراسة، تم فحص منطقة في شمال شرق زيلندا، الدنمارك، تتميز بكثافة عالية من مقاييس هطول الأمطار الجوية والمستشعرات الفرصة. تمتد المنطقة على 2200 كم²، وتشمل كوبنهاغن وضواحيها، وتحتوي على 70 مقياس هطول أمطار جوية، مما ينتج عنه كثافة متوسطة تبلغ مقياسًا واحدًا لكل 31.5 كم². بالإضافة إلى ذلك، هناك حوالي 1000 محطة طقس شخصية (PWS) مزودة بوحدات مقاييس هطول الأمطار من Netatmo نشطة، بشكل رئيسي في البيئات الحضرية، على الرغم من أن كثافتها تنخفض في المناطق السكنية التي تهيمن عليها المجمعات السكنية. تشمل الدراسة أيضًا 186 رابطًا للميكروويف التجارية (CML) مع رابطين فرعيين لكل منها، والتي تتركز أكثر في كوبنهاغن الكبرى، مما يعكس الكثافة السكانية الأعلى في المنطقة.
لدمج بيانات هطول الأمطار الفرصة مع بيانات رادار الطقس، يتم استخدام ثلاث طرق لتعديل الانحياز: انحياز المجال المتوسط (MFB)، انحياز وزن المسافة العكسية (IDWB)، وانحياز الوسيط المتحرك (MMB). تطبق طريقة MFB عامل انحياز موحد عبر المنطقة بأكملها، بينما تأخذ IDWB وMMB في الاعتبار التباينات المكانية. يتم تنفيذ حد أقصى لعامل تعديل الانحياز قدره 10 لتصفية القيم غير المحتملة. تتم عمليات الدمج على مقاييس يومية ودون يومية، مع الحفاظ على دقة زمنية قدرها دقيقة واحدة. يتم تسليط الضوء بشكل خاص على مقياس زمن الدمج دون اليومي الذي يمتد على 6 ساعات لتوضيح الإمكانية للتطبيقات القريبة من الوقت الحقيقي، مثل التنبؤ، مع الاعتراف بأن الدمج اليومي غالبًا ما يكون مفضلًا لتحليلات هطول الأمطار التاريخية.
النتائج
في هذا القسم، تقيم الدراسة دقة وموثوقية منتجات تقدير هطول الأمطار المختلفة—تحديدًا، التقديرات الخام من طبقة مراقبة المناخ (CML)، ومستشعر مياه الأمطار (PWS)، ورادار الطقس—من خلال مقارنتها ببيانات مرجعية من مقاييس هطول الأمطار الجوية. تكشف التحليلات الأولية أن هذه التقديرات الخام، دون مراقبة الجودة (QC) أو تعديلات الانحياز، تظهر عدم دقة كبيرة، بما في ذلك العديد من القيم المرتفعة بشكل خاطئ والصفرية، خاصة في بيانات PWS. تشير النتائج إلى أن جميع منتجات هطول الأمطار الثلاثة تظهر اختلافات كبيرة عند مقارنتها بقياسات مقاييس هطول الأمطار، مما يبرز وجود تقديرات خاطئة لهطول الأمطار.
بعد ذلك، يتم تقييم تأثير تطبيق خوارزمية QC على بيانات هطول الأمطار، سواء لمجموعات البيانات الفردية أو للمنتج المدمج. يتم تقييم منتج هطول الأمطار المدمج، الذي يتضمن تعديلات QC، من خلال مقارنة نقاط بيانات هطول الأمطار المتراكمة على مدى 24 ساعة مقابل البيانات المرجعية طوال فترة البيانات بأكملها. من الجدير بالذكر أن التحليل يتضمن أيضًا فحصًا مفصلًا لأداء المنتج المدمج خلال اليوم الذي تم فيه تسجيل أعلى عمق لهطول الأمطار. تشير النتائج إلى أن أداء بيانات رادار الطقس يتأثر سلبًا بمصادر الخطأ النموذجية مثل التوهين وكتل الشعاع، مما يسهم في التشتت الملحوظ في النتائج. علاوة على ذلك، تشير الدراسة إلى أن الحفاظ على معلمات قانون القوة الثابتة دون تعديلات على المقاييس يقدم انحيازات كبيرة، بينما تظهر تقديرات CML حساسية أقل للتغيرات في توزيع حجم القطرات، كما يتضح من الأنماط المميزة الملاحظة في البيانات.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على دمج مصادر بيانات هطول الأمطار المختلفة، بما في ذلك روابط الميكروويف التجارية (CML)، ومحطات الطقس الشخصية (PWS)، وبيانات رادار الطقس، لتعزيز دقة تقدير هطول الأمطار. استخدمت الدراسة 10.5 أشهر من بيانات هطول الأمطار المتداخلة، مع ملاحظة وجود فجوة في بيانات رادار الطقس بسبب عطل في المعدات. قدم رادار الطقس من نوع C-band، الذي تديره المعهد الدنماركي للأرصاد الجوية، تقديرات كمية لهطول الأمطار (QPE) من خلال طريقة معالجة صارمة تضمنت تصحيحات لمصادر الخطأ النموذجية. تضمنت بيانات CML، التي تمت معالجتها بواسطة المعهد السويدي للأرصاد الجوية والهيدرولوجيا، نهجًا متعدد الخطوات لاشتقاق معدلات هطول الأمطار، بينما تم استخدام بيانات PWS من مقاييس هطول الأمطار من Netatmo لتكملة المصادر الأخرى.
تم تطبيق خوارزميات مراقبة الجودة (QC) لتصفية الملاحظات الخاطئة من كل من بيانات CML وPWS، مما أدى إلى تحسين مقاييس الأداء لتقديرات هطول الأمطار المدمجة. استخدمت الدراسة طرق تعديل انحياز مختلفة، بما في ذلك انحياز المجال المتوسط (MFB)، وانحياز وزن المسافة العكسية (IDWB)، ونهج انحياز الوسيط المتحرك الجديد (MMB)، حيث حقق MMB أعلى دقة وموثوقية في منتجات هطول الأمطار المدمجة. أظهرت مقاييس التقييم، بما في ذلك معامل كفاءة ناش-سوتكليف (NSE) وخطأ متوسط الجذر التربيعي (RMSE)، أن نهج MMB قلل بشكل كبير من الضوضاء وحسن من تمثيل التباين المكاني في هطول الأمطار، خاصة خلال أحداث هطول الأمطار الكبيرة. تؤكد النتائج على إمكانيات دمج بيانات هطول الأمطار الفرصة ذات الكثافة العالية مع بيانات رادار الطقس لتحسين تقديرات هطول الأمطار، خاصة في المناطق الحضرية حيث يكون التنبؤ الدقيق أمرًا حاسمًا.
DOI: https://doi.org/10.1016/j.atmosres.2024.107228
Publication Date: 2024-01-08
Author(s): Janni Mosekær Nielsen et al.
Primary Topic: Precipitation Measurement and Analysis
Overview
This research paper highlights the critical importance of accurate rainfall estimates with high spatiotemporal resolution for urban drainage applications. It explores the integration of weather radar data, personal weather stations, and commercial microwave links to create a comprehensive rainfall product. The study addresses the challenge of sparse and unevenly distributed meteorological rain gauges by utilizing opportunistic rainfall sensors, which, despite their reduced accuracy, enhance the density of ground observations. The findings demonstrate that merging these data sources significantly improves the accuracy of rainfall estimates, achieving Nash-Sutcliffe Efficiency (NSE) values up to 0.88 for daily accumulated rainfall products, in contrast to individual product NSE values ranging from -7.44 to 0.65.
The paper introduces a novel “moving median bias adjustment” (MMB) approach for merging weather radar and opportunistic rainfall data, which enhances the performance of the merged product. Independent validation against high-quality meteorological rain gauges confirms the efficacy of the MMB method, yielding an NSE of 0.88 and a root mean squared error (RMSE) of 1.7 mm on a sub-daily scale. The results underscore the value of merging rainfall data for both historical and real-time applications, demonstrating that the integrated rainfall products exhibit high accuracy and precision, making them suitable for urban hydrological applications.
Introduction
The introduction highlights the challenges of obtaining accurate rainfall estimates over large areas, which are essential for effective urban hydrological system management. Traditional tipping bucket rain gauges, while providing high temporal resolution and accuracy, often fail to capture the spatiotemporal variability of convective storms due to insufficient network density. To address this, weather radars offer high-resolution rainfall estimates and facilitate short-term precipitation nowcasting, but require integration with ground observations for improved accuracy. Various radar-rain gauge merging techniques, including mean field bias adjustment and more complex methods like kriging with external drift (KED) and co-kriging, have been developed to enhance rainfall estimates.
The introduction also discusses the potential of opportunistic rainfall sensors, such as personal weather stations (PWS) and commercial microwave links (CML), to supplement traditional rain gauge networks, particularly in urban areas where population density is high. These sensors provide high temporal resolution data, although their quality may vary due to hardware and environmental factors. The paper aims to investigate whether merging data from weather radar and these opportunistic sensors can improve rainfall estimates compared to using individual products. It proposes three merging strategies, including a novel moving median bias adjustment, to enhance the quality of the merged rainfall data, evaluated against a dense network of meteorological rain gauges.
Methods
In this study, a region in Northeastern Zealand, Denmark, characterized by a high density of meteorological rain gauges and opportunistic sensors, is examined. The area spans 2200 km², encompassing Copenhagen and its suburbs, and features 70 meteorological rain gauges, yielding an average density of one gauge per 31.5 km². Additionally, approximately 1000 personal weather stations (PWSs) equipped with rain gauge modules from Netatmo are active, predominantly in urban settings, although their density decreases in residential areas dominated by apartment complexes. The study also includes 186 CMLs (Cellular Mobile Links) with two sub-links each, which are more concentrated in Greater Copenhagen, reflecting the region’s higher population density.
To merge the opportunistic rainfall data with weather radar data, three bias-adjustment methods are employed: mean field bias (MFB), inverse distance weighting bias (IDWB), and moving median bias (MMB). The MFB method applies a uniform bias factor across the entire area, while IDWB and MMB account for spatial variations. A maximum bias adjustment factor threshold of 10 is implemented to filter out unlikely values. The merging processes are conducted on both daily and sub-daily scales, maintaining a temporal resolution of one minute. A sub-daily merging time scale of 6 hours is specifically highlighted to illustrate the potential for near real-time applications, such as nowcasting, while acknowledging that daily merging is often preferred for historical rainfall analyses.
Results
In this section, the study evaluates the accuracy and precision of various rainfall estimation products—specifically, the raw estimates from the Climate Monitoring Layer (CML), Precipitation Water Sensor (PWS), and weather radar—by comparing them to reference data from meteorological rain gauges. The initial analysis reveals that these raw estimates, without quality control (QC) or bias adjustments, exhibit significant inaccuracies, including numerous falsely high and zero values, particularly in the PWS data. The results indicate that all three rainfall products demonstrate substantial discrepancies when compared to the rain gauge measurements, highlighting the presence of erroneous rainfall estimates.
Subsequently, the impact of applying a QC algorithm to the rainfall data is assessed, both for individual datasets and for a merged product. The evaluation of the merged rainfall product, which incorporates QC adjustments, is conducted by comparing 24-hour accumulated rainfall data points against the reference data throughout the entire data period. Notably, the analysis also includes a detailed examination of the merged product’s performance during the day with the highest recorded rainfall depth. The findings suggest that the weather radar data’s performance is adversely affected by typical error sources such as attenuation and beam blockage, which contribute to the observed scatter in the results. Furthermore, the study notes that maintaining constant power law parameters without gauge adjustments introduces significant biases, while the CML estimates show less sensitivity to variations in drop size distribution, as evidenced by the distinct patterns observed in the data.
Discussion
The discussion section of the research paper highlights the integration of various rainfall data sources, including Commercial Microwave Link (CML), Personal Weather Stations (PWS), and weather radar data, to enhance rainfall estimation accuracy. The study utilized 10.5 months of overlapping rainfall data, noting a gap in weather radar data due to equipment malfunction. The C-band weather radar, operated by the Danish Meteorological Institute, provided quantitative precipitation estimates (QPE) through a rigorous processing method that included corrections for typical error sources. The CML data, processed by the Swedish Meteorological and Hydrological Institute, involved a multi-step approach to derive rain rates, while PWS data from Netatmo rain gauges were used to complement the other sources.
Quality control (QC) algorithms were applied to filter erroneous observations from both CML and PWS data, resulting in improved performance metrics for the merged rainfall estimates. The study employed various bias adjustment methods, including Mean Field Bias (MFB), Inverse Distance Weighting Bias (IDWB), and a novel Moving Median Bias (MMB) approach, with MMB yielding the highest accuracy and precision in merged rainfall products. The evaluation metrics, including the Nash-Sutcliffe efficiency coefficient (NSE) and root mean squared error (RMSE), demonstrated that the MMB approach significantly reduced noise and improved the representation of spatial variability in rainfall, particularly during significant rainfall events. The findings underscore the potential of merging high-density opportunistic rainfall data with weather radar to enhance rainfall estimates, especially in urban areas where accurate nowcasting is critical.