在本文中，我將解釋測量降水量時如何發(fā)生誤差，討論校正方法，并演示如何使用算法來設計高質量的翻斗式雨量計。

l 介  紹

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

使用廣泛的雨量計類型通常被稱為翻斗式雨量計。它有一個位于漏斗下方的翻轉機構，該翻斗經(jīng)過校準，可在充滿校準體積的水時來回翻轉。

因為翻斗的翻轉速度是有限的，因此在翻轉的過程中會有少部分的降雨量滴到翻斗之外，造成測量的誤差。換言之，降雨量測量的準確性在一定程度上取決于降雨的速率和強度。

一般來說，液態(tài)降水的另一個重要誤差來源是風，有時造成的損失高達20%。RainVUE?系列降水雨量計獨特的沙漏形狀設計就是用于減輕風對集水區(qū)的影響，并且已在實踐中驗證“它”是有效的。

坎貝爾公司研制了一種雨量強度校正算法，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)和測試該算法的方法。

l 過  程

大多數(shù)翻斗式雨量計的原理都是非常簡單的電子元件感應機理——比如每次翻斗都會觸發(fā)開關動作，這些開關的閉合次數(shù)由數(shù)據(jù)采集器統(tǒng)計。這意味著兩件事：

1.我們需要做的不僅僅是記錄次數(shù)。

2.雨量計需要額外的計量（如時間）和計算。

所有這些都可以放入數(shù)據(jù)采集器的運行程序中。但是，為了簡單和易于使用，我們在儀表中添加了一個模塊來進行計算并通過SDI-12將數(shù)據(jù)傳送到采集器，因此用戶無需創(chuàng)建或維護復雜的程序。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繼續(xù)使用內部電池運行一段時間。

校正降雨強度的一種方法是，首先計算降雨強度（每小時量）。然后，從強度修正降雨量。我們選擇了一種更直接的路線來校正降雨累積或強度量，方法是測量兩次翻斗過程之間的時間（TBT）并將其用作每次翻斗雨量的預測因子。根據(jù)TBT和降雨量，降雨強度即可通過簡單的單位換算進行計算。

l 數(shù)據(jù)收集和模型開發(fā)

我們在每個 RainVUE? 產(chǎn)品中使用了 10 個新的翻斗進行數(shù)據(jù)收集。每個斗以 12 到 16 個固定的模擬降雨強度（取決于模型和強度校正的目標范圍）進行三次校驗。通過高精度噴嘴噴射固定量體積的去離子水來模擬降雨。

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

對于較低的速率，每次翻斗至少 330 個。

（使用我們的測試夾具，每次可以同時運行多達四個翻斗，但每個 RainVUE?產(chǎn)品僅數(shù)據(jù)驗證收集一次就需要大約 1，000 小時或更長時間！）

憑借已知的水體積數(shù)量以及使用CR6 數(shù)據(jù)采集器可以準確測量翻斗和 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。通過交叉驗證和收集新數(shù)據(jù)來相互驗證模型的準確性。

說明：交叉驗證是將數(shù)據(jù)集拆分為測量數(shù)據(jù)集和驗證數(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  論

總的來說，這個項目是一個有趣的挑戰(zhàn)，我希望這篇文章能提供一些關于開發(fā)過程的見解，并展示用于創(chuàng)建算法的強大方法，為高質量的翻斗雨量計的增加應用價值。

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