KAUST研究人员使用最新推出的雨量计网络

KAUST研究人员使用最新推出的雨量计网络可以逐滴精确地测量降雨，从而开发了高频降雨模型，以提高对降雨/径流动力学的了解，例如小型山洪暴发和水动力。分水岭。

降雨建模是天气预报的核心方面之一，通常用于预测其他天气参数，例如风和太阳辐照度。然而，此类模型的功能和洞察力受到用于构建它们的数据的限制。当涉及降水时，这意味着建模人员最多只能依靠稀疏的降雨记录，间隔至少为6至15分钟，但更经常的是每小时一次。根据博士学位，这导致降雨随着时间的推移“趋于平稳”，并且丢失了每次降雨事件期间多少降雨的信息丢失。学生李玉晓。

他解释说：“这种假设不适用于高频降水建模，因为过去大量的降雨会导致这种模型中出现降雨的可能性不切实际。”“在这项研究中，我们使用了称为Pluvimate雨量计的新仪器收集的高频降雨数据，以更好地再现降水发生，强度和干法持续时间的统计特性。”

新的声学雨量计可以记录收集在容器中的每一滴雨水，可以提供精确的高频降雨数据，而使用传统的测量设备(例如翻斗式雨量计和雷达)则无法获得这些数据。这些新的数据集提供了对降雨的每分钟动态的前所未有的洞察力，这需要改变统计建模方法。

李说：“高频降水数据比普通降水数据包含更多的零，并且与高降水强度有更长的“尾巴”。“我们开发了一个可以捕获这种'偏度'和高频降水数据的沉重尾巴的模型，从而使我们能够生成合成降水数据，为水管理提供有价值的信息，尤其是在未观察到的时间和地点。”

李和他的上司孙颖开发的模型还包括地面和大气层的气象表示，可以直接对统计特征进行物理解释。

李说：“降水建模是我们环境统计小组的主要研究主题之一。”“我们的模型是第一个用于高频降水的随机降水产生器，对于分析许多短期现象，以及为'数字孪生'模型使用虚拟副本重现物理过程的基础提供宝贵的参考，智慧城市和工业4.0的热门话题。”

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！