Utilizzo opportunistico dei dati dei sensori di pioggia per migliorare le stime delle precipitazioni.

Stime accurate delle precipitazioni con elevata risoluzione spazio-temporale sono fondamentali per le applicazioni di drenaggio urbano e, se adattate alle osservazioni sul campo, i dati radar meteorologici hanno un potenziale per queste applicazioni.

La densità dei pluviometri meteorologici per la calibrazione è spesso scarsa e distribuita in modo non uniforme nello spazio. I sensori di pioggia opportunistici forniscono una maggiore densità di osservazioni a terra, ma spesso con una precisione ridotta o sconosciuta per ogni singola stazione. Questo articolo dimostra la fusione di dati provenienti da radar meteorologici, stazioni meteorologiche personali e collegamenti a microonde commerciali in un prodotto integrato di precipitazioni. La fusione delle stime di precipitazioni opportunistiche si dimostra in grado di migliorare la precisione delle osservazioni di precipitazioni opportunistiche attraverso un algoritmo di controllo qualità. In questo studio, dimostriamo che la precisione delle stime di precipitazioni è significativamente migliorata dalla fusione dei dati di precipitazioni opportunistiche e dei dati radar meteorologici rispetto alla precisione di ciascun prodotto di precipitazioni senza fusione. Si ottengono valori di efficienza di Nash-Sutcliffe (NSE) fino a 0,88 per i prodotti di precipitazioni giornalieri cumulati e fusi, mentre i valori di NSE dei singoli prodotti di precipitazioni variano da -7,44 a 0,65, e tendenze simili si osservano per i valori di errore quadratico medio (RMSE). Per la fusione di dati radar meteorologici e dati pluviometrici rilevati in modo opportunistico, viene presentato un nuovo approccio, ovvero la "regolazione del bias mediano mobile". Applicando questo approccio, si ottiene un prodotto pluviometrico ad alte prestazioni, derivato indipendentemente da pluviometri convenzionali di alta qualità, che in questo studio vengono utilizzati solo per la validazione indipendente. Inoltre, viene dimostrato che è possibile ottenere stime accurate delle precipitazioni mediante la fusione di dati sub-giornalieri, sottolineando l'importanza di tale processo nelle applicazioni di nowcasting e quasi in tempo reale.