在本文中，我將解釋測(cè)量降水量時(shí)如何發(fā)生誤差，討論校正方法，并演示如何使用算法來設(shè)計(jì)高質(zhì)量的翻斗式雨量計(jì)。

l 介  紹

液態(tài)降水（雨）是簡(jiǎn)單的機(jī)械、電子測(cè)量設(shè)備之一，也是很難做好準(zhǔn)確性和一致性的測(cè)量設(shè)備。有兩種表征降雨的方法：降雨數(shù)量或累積量、降雨強(qiáng)度。降雨量是以英寸或毫米為單位的降水深度，降雨強(qiáng)度則是每小時(shí)的降雨量。降雨強(qiáng)度是降雨量測(cè)量中導(dǎo)致誤差的極大因素之一。

使用廣泛的雨量計(jì)類型通常被稱為翻斗式雨量計(jì)。它有一個(gè)位于漏斗下方的翻轉(zhuǎn)機(jī)構(gòu)，該翻斗經(jīng)過校準(zhǔn)，可在充滿校準(zhǔn)體積的水時(shí)來回翻轉(zhuǎn)。

因?yàn)榉返姆D(zhuǎn)速度是有限的，因此在翻轉(zhuǎn)的過程中會(huì)有少部分的降雨量滴到翻斗之外，造成測(cè)量的誤差。換言之，降雨量測(cè)量的準(zhǔn)確性在一定程度上取決于降雨的速率和強(qiáng)度。

一般來說，液態(tài)降水的另一個(gè)重要誤差來源是風(fēng)，有時(shí)造成的損失高達(dá)20%。RainVUE?系列降水雨量計(jì)獨(dú)特的沙漏形狀設(shè)計(jì)就是用于減輕風(fēng)對(duì)集水區(qū)的影響，并且已在實(shí)踐中驗(yàn)證“它”是有效的。

坎貝爾公司研制了一種雨量強(qiáng)度校正算法，并將其集成到RainVUE?系列智能雨量傳感器中。在本文的其余部分將具體介紹我們開發(fā)和測(cè)試該算法的方法。

l 過  程

大多數(shù)翻斗式雨量計(jì)的原理都是非常簡(jiǎn)單的電子元件感應(yīng)機(jī)理——比如每次翻斗都會(huì)觸發(fā)開關(guān)動(dòng)作，這些開關(guān)的閉合次數(shù)由數(shù)據(jù)采集器統(tǒng)計(jì)。這意味著兩件事：

1.我們需要做的不僅僅是記錄次數(shù)。

2.雨量計(jì)需要額外的計(jì)量（如時(shí)間）和計(jì)算。

所有這些都可以放入數(shù)據(jù)采集器的運(yùn)行程序中。但是，為了簡(jiǎn)單和易于使用，我們?cè)趦x表中添加了一個(gè)模塊來進(jìn)行計(jì)算并通過SDI-12將數(shù)據(jù)傳送到采集器，因此用戶無需創(chuàng)建或維護(hù)復(fù)雜的程序。該模塊還可以作為數(shù)據(jù)的備份，并在數(shù)據(jù)采集器的通訊故障或者電源故障時(shí)繼續(xù)使用內(nèi)部電池運(yùn)行一段時(shí)間。

校正降雨強(qiáng)度的一種方法是，首先計(jì)算降雨強(qiáng)度（每小時(shí)量）。然后，從強(qiáng)度修正降雨量。我們選擇了一種更直接的路線來校正降雨累積或強(qiáng)度量，方法是測(cè)量?jī)纱畏愤^程之間的時(shí)間（TBT）并將其用作每次翻斗雨量的預(yù)測(cè)因子。根據(jù)TBT和降雨量，降雨強(qiáng)度即可通過簡(jiǎn)單的單位換算進(jìn)行計(jì)算。

l 數(shù)據(jù)收集和模型開發(fā)

我們?cè)诿總€(gè) RainVUE? 產(chǎn)品中使用了 10 個(gè)新的翻斗進(jìn)行數(shù)據(jù)收集。每個(gè)斗以 12 到 16 個(gè)固定的模擬降雨強(qiáng)度（取決于模型和強(qiáng)度校正的目標(biāo)范圍）進(jìn)行三次校驗(yàn)。通過高精度噴嘴噴射固定量體積的去離子水來模擬降雨。

對(duì)于大于 100 mm/hr 的速率，每個(gè)斗通過足夠的水，每次重復(fù)的總翻斗數(shù)為 1，000 個(gè)。

對(duì)于較低的速率，每次翻斗至少 330 個(gè)。

（使用我們的測(cè)試夾具，每次可以同時(shí)運(yùn)行多達(dá)四個(gè)翻斗，但每個(gè) RainVUE?產(chǎn)品僅數(shù)據(jù)驗(yàn)證收集一次就需要大約 1，000 小時(shí)或更長(zhǎng)時(shí)間！）

憑借已知的水體積數(shù)量以及使用CR6 數(shù)據(jù)采集器可以準(zhǔn)確測(cè)量翻斗和 TBT 的數(shù)量，我們就可以獲得開發(fā)校正模型所需的所有數(shù)據(jù)。然后使用數(shù)據(jù)回歸，比較了幾個(gè)模型的擬合曲線。示例的函數(shù)模型形式包括冪函數(shù)和指數(shù)函數(shù)衰減曲線等。通過交叉驗(yàn)證和收集新數(shù)據(jù)來相互驗(yàn)證模型的準(zhǔn)確性。

說明：交叉驗(yàn)證是將數(shù)據(jù)集拆分為測(cè)量數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的做法。例如，使用來自一半翻斗的數(shù)據(jù)來開發(fā)模型，并使用來自其余存翻斗的數(shù)據(jù)來驗(yàn)證模型。

下圖顯示了原始數(shù)據(jù)的示例以及我們考慮的候選模型之一（例如，冪函數(shù)、指數(shù)衰減函數(shù)等）：

l 結(jié)  論

總的來說，這個(gè)項(xiàng)目是一個(gè)有趣的挑戰(zhàn)，我希望這篇文章能提供一些關(guān)于開發(fā)過程的見解，并展示用于創(chuàng)建算法的強(qiáng)大方法，為高質(zhì)量的翻斗雨量計(jì)的增加應(yīng)用價(jià)值。

Why Do We Need an Algorithm for Rainfall Intensity Correction? (campbellsci.com)