શહેરી ડ્રેનેજ એપ્લિકેશન્સ માટે ઉચ્ચ અવકાશીય-સમય રીઝોલ્યુશન સાથે સચોટ વરસાદ અંદાજ મહત્વપૂર્ણ છે, અને જો જમીનના અવલોકનો સાથે સમાયોજિત કરવામાં આવે તો, હવામાન રડાર ડેટા આ એપ્લિકેશન્સ માટે સંભવિત છે.
જોકે, ગોઠવણ માટે હવામાનશાસ્ત્રીય વરસાદ માપકોની ઘનતા ઘણીવાર છૂટાછવાયા અને અવકાશમાં અસમાન રીતે વિતરિત થાય છે. તકવાદી વરસાદ સેન્સર જમીન અવલોકનોની વધેલી ઘનતા પ્રદાન કરે છે પરંતુ ઘણીવાર દરેક વ્યક્તિગત સ્ટેશન માટે ઓછી અથવા અજાણી ચોકસાઈ સાથે. આ પેપર હવામાન રડાર, વ્યક્તિગત હવામાન સ્ટેશનો અને વાણિજ્યિક માઇક્રોવેવ લિંક્સમાંથી ડેટાને એકીકૃત વરસાદ ઉત્પાદનમાં મર્જ કરવાનું દર્શાવે છે. ગુણવત્તા નિયંત્રણ અલ્ગોરિધમ દ્વારા તકવાદી વરસાદના અંદાજોને મર્જ કરવાથી તકવાદી વરસાદના અવલોકનોની ચોકસાઈમાં સુધારો થાય છે. આ અભ્યાસમાં, અમે બતાવીએ છીએ કે તકવાદી વરસાદના ડેટા અને હવામાન રડાર ડેટાને મર્જ કર્યા વિના દરેક વરસાદ ઉત્પાદનની ચોકસાઈની તુલનામાં મર્જ કરીને વરસાદના અંદાજોની ચોકસાઈમાં નોંધપાત્ર સુધારો થાય છે. દૈનિક સંચિત મર્જ્ડ વરસાદ ઉત્પાદનો માટે 0.88 સુધીના નેશ-સટક્લિફ કાર્યક્ષમતા (NSE) મૂલ્યો મેળવવામાં આવે છે, જ્યારે વ્યક્તિગત વરસાદ ઉત્પાદનોના NSE-મૂલ્યો −7.44 થી 0.65 સુધીના હોય છે, અને રુટ મીન સ્ક્વેર્ડ એરર (RMSE) મૂલ્યો માટે સમાન વલણો જોવા મળે છે. હવામાન રડાર અને તકવાદી વરસાદના ડેટાને મર્જ કરવા માટે, એક નવતર અભિગમ, એટલે કે, "મૂવિંગ મીડિયન બાયસ એડજસ્ટમેન્ટ" રજૂ કરવામાં આવ્યો છે. આ અભિગમનો ઉપયોગ કરીને, પરંપરાગત ઉચ્ચ-ગુણવત્તાવાળા વરસાદ માપકોમાંથી સ્વતંત્ર રીતે ઉચ્ચ-પ્રદર્શન કરતું વરસાદ ઉત્પાદન મેળવવામાં આવે છે, જેનો ઉપયોગ આ અભ્યાસમાં ફક્ત સ્વતંત્ર માન્યતા માટે થાય છે. વધુમાં, એવું દર્શાવવામાં આવ્યું છે કે સચોટ વરસાદ અંદાજો સબ-ડેઇલી મર્જિંગ દ્વારા મેળવી શકાય છે, જે નાવકાસ્ટિંગ અને નજીકના રીઅલ-ટાઇમ એપ્લિકેશન્સમાં મર્જિંગના મહત્વ પર ભાર મૂકે છે.
પોસ્ટ સમય: મે-૧૬-૨૦૨૪