大规模降雨监测数据异常识别方法

为实现大规模降雨监测数据的异常识别和快速处理,基于Hampel法、格拉布斯准则、周边测站分析法和雷达辅助校验等方法,建立了递进式异常站点筛查体系,通过K-d tree(K-dimension tree)高级数据结构和并行计算方法提高计算效率,并以福建省5234个具有雨量监测功能的地面站2015—2021年雨量数据进行了验证,结果表明福建省地面站雨量监测数据质量逐年提升;各类测站中,雨量站异常站点占全部异常站点的比例最高,各类异常站点在全省相应类型站点中,雨量站异常站点的占比也最高;雷达辅助校验能够有效解决在雨区与非雨区边界、雨强差异较大的雨区边界的正常站点易被误判为异常值的问题,校验前异常识别准确率为90%左右,校验后准确率提高为95%左右。通过K-d tree和并行计算,全省测站完成一次异常识别需约5~8 min,为大规模降雨监测数据异常识别、充分利用雨量监测站有效信息提供可靠的方法。     

基于不同物理参数化方案的中小流域降雨径流集合预报

气象水文耦合预报能够延长洪水预报预见期,针对预报结果不确定性大的问题,选取东南沿海地区的梅溪流域为研究区,以2012年8月3日苏拉台风和2014年6月17日海贝思台风引发的降雨洪水为例,开展气象水文耦合下的集合预报研究.依托WRF(weather research and forecasting)模式建立基于3...     

基于不同物理参数化方案的中小流域降雨径流集合预报

气象水文耦合预报能够延长洪水预报预见期,针对预报结果不确定性大的问题,选取东南沿海地区的梅溪流域为研究区,以2012年8月3日“苏拉”台风和2014年6月17日“海贝思”台风引发的降雨洪水为例,开展气象水文耦合下的集合预报研究。依托WRF(weather research and forecasting)模式建立基于36种物理参数化方案组合的降雨集合预报集,并通过耦合WRF模式和梅溪流域分布式水文模型,实现降雨径流集合预报。结果表明：在不同物理参数化方案下,数值降雨预报结果有一定差异,且对降雨空间分布的预报效果优于降雨时间分布,更容易准确描述时空分布均匀的降雨,很难捕捉短历时强降雨;采用集合预报的方式能够有效降低洪水预报的不确定性,当预见期超过6 h时,对于时空分布均匀的降雨,相应洪水过程的洪峰流量预报误差R_f为11.30%,能够准确反映洪峰量级,峰现时间提前2 h,相比基于“落地雨”开展的洪水预报有一定优势;基于异方差扩展型Logistic算法对预报降雨进行处理后,能够有效提高降雨预报精度,但对于时空分布不均匀的降雨,洪峰流量误差R_f由处理...