Des estimations précises des précipitations avec une résolution spatio-temporelle élevée sont essentielles pour les applications de drainage urbain, et si elles sont ajustées aux observations au sol, les données radar météorologiques ont du potentiel pour ces applications.
La densité des pluviomètres météorologiques pour l'ajustement est cependant souvent faible et non uniformément répartie dans l'espace. Les capteurs de précipitations opportunistes fournissent une densité accrue d'observations au sol, mais souvent avec une précision réduite ou inconnue pour chaque station individuelle. Cet article démontre la fusion de données provenant de radars météorologiques, de stations météorologiques personnelles et de liaisons hertziennes commerciales en un produit pluviométrique intégré. La fusion des estimations de précipitations opportunistes améliore la précision des observations de précipitations opportunistes grâce à un algorithme de contrôle qualité. Dans cette étude, nous montrons que la précision des estimations de précipitations est significativement améliorée par la fusion des données de précipitations opportunistes et des données de radars météorologiques par rapport à la précision de chaque produit pluviométrique sans fusion. Des valeurs d'efficacité de Nash-Sutcliffe (NSE) allant jusqu'à 0,88 sont obtenues pour les produits de précipitations cumulés journaliers fusionnés, tandis que les valeurs NSE des produits pluviométriques individuels varient de −7,44 à 0,65, et des tendances similaires sont observées pour les valeurs de l'erreur quadratique moyenne (RMSE). Pour fusionner les données radar météorologique et les données pluviométriques opportunistes, une nouvelle approche, l'« ajustement du biais médian mobile », est présentée. Grâce à cette approche, un produit pluviométrique performant est obtenu indépendamment des pluviomètres conventionnels de haute qualité, utilisés dans cette étude uniquement à des fins de validation indépendante. De plus, il est démontré que des estimations pluviométriques précises peuvent être obtenues par fusion infra-journalière, soulignant l'importance de la fusion dans les applications de prévision immédiate et en temps quasi réel.
Date de publication : 16 mai 2024