基于健康评分的框架，用于评估水库流域降雨监测数据的质量并进行空间重建

《Scientific Reports》：A health-score-based framework for quality assessment and spatial reconstruction of rainfall monitoring data in reservoir watersheds

　　

摘要

可靠的降雨记录对于洪水预测、水库运营和水资源管理至关重要，然而自动雨量计网络往往存在数据值固定不变、数据缺失时间长、数据异常点孤立以及峰值短暂等问题，且这些异常数据的衰减过程不符合实际情况。我们提出了一种基于模型的框架，用于诊断和重构中国安徽省梅山水库辖区内的100个监测站的降雨数据。该框架将基于规则的异常检测方法与站点健康评分相结合，后者用于评估数据质量并指导加权重构过程中数据来源的选择。在整个监测网络中，有21个站点的健康评分低于60分，被归类为数据质量较差或严重不良的站点。根据评估协议，通过健康评分进行筛选后的逆距离加权（IDW）方法得到的均方根误差（RMSE）为0.281毫米、平均绝对误差（MAE）为0.182毫米、噪声系数（NSE）为0.979，偏差百分比（PBIAS）为-3.82%。综合比较结果显示，在所有评估方法中，IDW方法的RMSE和MAE最低，而NSE最高；不过在不同长度的数据缺失区间内，各方法的适用范围存在差异。这些研究结果为水库降雨监测中的数据质量筛选和数据缺失段重构提供了实用的理论基础。