改进降水估计方法利用多线性模型选择算法
摘要：高时空分辨率的高质量降水定量估计对于许多水文/水文气象设计至关重要。降雨的最佳定量降水估计改善了河流和暴洪预报的准确性。本研究旨在通过最常见的模型选择技术——最小绝对收缩和选择运算符和贝叶斯模型平均，合并多种降雨估计方法，包括雨量计、雷达、反距离加权、普通协同克里金和自适应条件偏差惩罚协同克里金。这些方法被应用于美国整个地区的一定时期。使用RMSE、ME、NSE和相关系数等统计指标来研究估计模型的准确性和可靠性。结果显示，无论在哪一范围的降雨观测中，BMA和LASSO都改善了降水估计。然而，在降雨大于10毫米的情况下，OCK和CBPCK技术优于其他方法。反距离加权估计显示出小偏差，导致估计不准确，这是由于使用次生变量雷达的限制所致。然而，OCK和CBPCK通过将雷达降雨估计作为第二变量来解决这个问题。
作者：Ruhollah Nasiri, Mohamad Sarajzadeh
论文ID：2109.00701
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2021-09-03