Simulation of Remotely Sensed Rainfall Fields Using Copulas

摘要: Rainfall is a major input in hydrological and meteorological models. Quantification of rainfall its spatial temporal variability extremely important for reliable hydrologic modeling. Hydrological climate studies have long relied on rain gauge measurements. While measurements do not provide reasonable areal representation rainfall, remotely sensed precipitation estimates offer much higher resolution. Recent technological advances the field remote sensing led to an increase available data regional global scale. However, advantages are limited by complications related indirect nature estimates. Previous confirm that subject various errors, future use studies, efforts required determine accuracy their associated uncertainties. Despite extensive research, however, uncertainties with yet well quantified. Radar estimates, example, several different error types arise from factors such as beam over-shooting, partial filling, non-uniformity vertical profiles reflectivity (VPR), inappropriate $Z-R$ relationship, sampling pattern, hardware calibration random error. It expected will propagate into predictions meteorologic models; therefore, accurate characterization quantification errors radar induced applications important, challenging issue. So far, multitude approaches research been undertaken develop uncertainty model In order assess uncertainties, one can simulate ensemble fields consists large number realizations, each which represents possible event occur. Subsequent runs or using simulated ensembles would then allow assessment propagation due input. One way generate stochastically impose them This study intends stochastic techniques simulation radar-based through simulating imposing over Four models developed discussed this work. first second models, two elliptical copulas, Gaussian t-copula, used describe dependence structure multivariate fields. third model, asymmetrical v-transformed copula employed simulations. fourth generated perturbing normally distributed terms: purely component proportional magnitude rates. three having described dependencies empirical distribution function observed numerically approximated applied so realizations similar those terms function. assumed be distributed. all observations (the differences between measurements) condition observations. In examine reliability performance case presented small watershed Mississippi, USA, Oklahoma, USA. Both (Level II) Stage IV Next Generation Weather (NEXRAD) multi-sensor The obtained compared original respect statistical properties, extreme values spatio-temporal dependencies. Moreover, physically based demonstrate application generators streamflow analysis. subsequent chapters, after introducing strong weak points highlighted detail. Durch die Entwicklung von Wetter-Radarsystem, Satelliten und Techniken der Fernerkundung sind den letzten Jahren Niederschlagsinformationen hoherer raumlicher wie zeitlicher Auflosung verfugbar geworden, als es Niederschlagsmesser liefern konnen. Dadurch haben Daten aus Jahrzehnten verstarkt Einzug hydrologische meteorologische Vorhersagen gefunden. Verglichen mit Messwerten Niederschlagsmessern bieten diese eine hohere raumliche zeitliche Auflosung. Allerdings bergen sie auch verschiedene Fehlerquellen Effekt, dass Strahl durch Erdkrummung immer weiter uber das Gebiet hinaus schiest er nur teilweise ausgefullt wird. Hinzu kommen Geratefehler Unsicherheiten, Ungleichmasigkeiten im Hohenprofil Reflektivitat (VPR - verticale reflectivity), unzulangliche Z-R-Beziehungen, Abtastmuster, Hardware-Kalibrierung zufallige Abtastfehler. Daruber nimmt Wettergeschehen Einfluss auf Radar-Messwerte. Beispielhaft seien hier grose Ausbreitung Niederschlagsereignissen Richtung oder thermodynamische Zustand Niederschlagskorper, Radarschatzungen beeinflussen konnen, erwahnt. Die erfassten Niederschlags-Daten bislang trotz ausgiebiger Forschung nicht gut quantifiziert worden. Eine Moglichkeit, raumlichen zeitlichen Unsicherheiten bezuglich des Niederschlagsverhaltens einzuschatzen, ist Simulierung eines Ensembles Niederschlagsfeldern. Diese bestehen einer grosen Anzahl Realisationen, denen jede ein moglicherweise eintretendes Niederschlagsereignis reprasentiert. Stochastisch generierter Niederschlag kann dann Eingangsgrose fur Modelle verwendet werden, um Modellvorhersagen abzuschatzen. Es Anstrengungen unternommen worden, stochastische zur multivariater Regenfelder (Regenmesser, Radar, Satelliten, etc.) zu entwickeln. Alternative, Ensemble Regenfeldern erhalten, es, Felder Fehlern simulieren damit gemessenen Niederschlagsdaten uberlagern. Diese Arbeit soll Untersuchung verschiedener stochastischer Methoden Nachbildung radarbasierter Grundlage Niederschlagsschatzungen Fernerkundung, simulierten Zufallsfehlerfeldern uberlagert dienen. Vier unterschiedliche Ansatze werden dieser Veroffentlichung entwickelt besprochen. ersten beiden Modellen zwei elliptische Copulas Gaussian- t-Copula Beschreibung Abhangigkeitsstrukturen Radar-Niederschlagsfehlern Niederschlagsfehler-Felder zum Einsatz. Im dritten Modell wird asymmetrische v-transformierte Copula Fehlersimulation verwendet. Mit konnen asymmetrisch Abhangigkeiten Copulaparameter beschrieben werden. vierten dadurch erzeugt, normalverteilten Fehlertermen modifiziert werden: absolut unabhangiger Anteil einer, dem Ausmas Niederschlags ist. Bei drei Modellen, bei wurden, empirische Verteilungsfunktion beobachteten Niederschlagsfehler numerisch approximiert Fehlerfelder angewendet, sodass Realisierungen Hinblick ahneln. hingegen angenommen, Fehler normalverteilt sind. allen vorhandene Beobachtungen Radarniederschlagsfehler (die Differenzen zwischen Regenmesser) herangezogen, konditionieren.