云模式预报雨量与雷达估测雨量及自动站实测雨量比较
新一代天气雷达雨量估测与实况的对比实现
和 自动保 存。以便 对这 两种 数据 资料 所反 映 的雨量情 况， 进行更进一步 的分析 和总结 。最后对 不同估测 范围
量 数 据 ， 时段 雨 量 累积 数据 一一 对 应 起 来 ， 进 行 显 示 与 并
要一套相关的对 比平 台和对 比方案。但 目前本地 区并没 有 这 方 面 的平 台 ， 关研 究 人 员 只 能 以手 动 计 算 的 方 式 相 进行它们的误 差关 系分 析。这不但 费时费力 ， 容易在 还 计算过程中出现人为的错误 和误差 。 本 文 正是 在 这 样 的 背景 下 提 出的 一 个 新 的课 题 。本
发环境 ， 为软件开发提供 了高级代码编辑器 、 方便 的窗 口
方法 ， 将数据块转换 为文件 头数据结 构。这 里之所 以不 能直接通过内存 ， 获取文件 头信 息 ， 因为 ｃ 语 言是一 是 ＃ 种托管程序语言。这就需要加入中间的转换过程。 通过转换 后的文件头 就可 以直 接读取 ， 并显示 出时
段 雨 量 累 积 数 据 。 下 面 是 以 ２０ ０ ８年 ９月 ２ 日 ２ ４ ３～２ ４
通过 回波 雨 量估 测 得 到 的 雨 量 值 和 实 况 值 ， 际 上 是 有 实
一
系列误差的 ， 了研究估测值与实况值之 间的关 系 ， 为 需
件主要用于进行 时段雨量 的 累积 等功能 ， 同时可 以将 累 积结果 以二进制文件形式保存为时段 雨量 累积数据。 以此 为基础 ， 本课题主要 针对 时段雨量 累积数据 ， 和 成都周边 半径 为 １０ ｉ 范 围内的雨量站资料 ， ５ｋ ｎ 进行 整合 、 归并和检验。将指定时间段内每 １ 小时的每个 自动站雨
雷达OHP产品与雨量计数据对比分析软件设计及应用
根据计算出方位角及水平距离，获取各雨量计站点对应
的雷达估测值 。
Ｒ ，对 时 间进行 累加 得 到一 段时 间 内 的累积 降水 量 ，生成 雷 达降水 产 品。为 了充分 发挥 多普勒 天气雷 达 的作 用 ，对 降水
产品进行分 析应用是 非常必 要的 。 张 方 方 ’ 等 人 分 析 徐 州 ＷＳ Ｒ一 ８ ８ Ｄ雷达 Ｏ ＨＰ产 品 与 自
ｆ １ — ６ １
为 了获得各 雨量站 对应 上空雷 达 的估 算值 （ 对应 上空周
围 ９个点 的平均 雨量 ），先 将各 自动 站为 中心 的极坐 标形式 。各 雨量站 与雷 达站之 间 的水 平 距离 以及相对 于雷达站 的方位 角 可 由如下公 式求得 ：
Ｔ ＥＣＨＮ ＯＬＯＧＹ
— —
◆ 郑晓庆
摘 要 ：基 于对Ｗ Ｓ Ｒ ． 一 ８ ８ Ｄ雷达 降水处理 系统 的研 究 ，明确 了雷达一 小 时累积 降水量产 品的 生成 过
史万里
程及原 理 ，本文采 用ｃ 语 言编程 对新 一代天 气雷达ＯＨ Ｐ 产品进 行解析 ，并 获得 各 雨量站 对应上 空雷达 的一 小时 累积降水量 估算数据 。根据 雨量站 降水 资料 ，获得 对应 的小 时雨量值 ，并对 雷达估测值 与 雨 量计 实测值 进行 对 比分 析 。 实例表 明 ：编写 的软件 能够很 好地将 陕西Ｃ Ｂ ￣ ｑ ． 气雷达ＯＨ Ｐ 产品 和雨量 计 雨量值 分 别解析 出来 ；对 比雷达估 测值 与 雨量计 实测值 ，计算 各检 验量 ，便 于分析 ＯＨＰ 产 品估测 降 水的效 果 ；软件 使 用方便 ，其 中雷达 估测值 与雨量计 雨量值 能够直接 显 示 出来 ，比较直观 。便 于数 据
面雨量偏差平均值百 ：
雷达试题及答案
1、当波源和观测者做相对运动时，观测者接受到的频率和波源的频率不同，其(频率变化量)和（相对运动速度大小）有关，这种现象就叫做多普勒效应。
2、判断大冰雹最有效的方法是检查强回波（≥45dBZ)能否发展到（0°C）,特别是（—20°C)等温线高度以上。
5、新一代天气雷达近距离目标物的探测能力受限的主要原因是（静锥区）的存在。
6、天气雷达主要雷达参数有 (雷达波长)、（脉冲重复频率PRF）、脉冲持续时间(τ）和脉冲宽度（h）、（峰值功率)、（波束宽度）。
9、电磁波在降水粒子上的散射，是（天气雷达探测降水)的基础。
11、超级单体最本质的特征是具有一个（深厚持久的中气旋）.12、在层状云或混合云降水反射率因子回波中，出现了（反射率因子较高的环形）区域，称之为零度层亮带.13、可能导致谱宽增加的非气象条件有（天线转速)（距离）（雷达的信噪比）15、产生强降水的中尺度对流回波的多普勒速度特征是(强的风切变）、（强的辐合和形变）、（深厚的积云对流）、（旋转环流 )21、在径向速度图中,气流中的小尺度气旋（或反气旋）表现为一个（最大和最小的径向速度对），但两个极值中心的连线和雷达的射线（相垂直）。
23、边界层辐合线在新一代天气雷达反射率因子图上呈现为(窄带回波）,强度从几个dBZ到十几个dBZ。
24、在比较大的环境垂直风切变条件下，产生地面直线型大风的系统有多单体风暴、飑线和超级单体风暴，它们的一个共同预警指标是（中层气流辐合)。
28、单位体积中云雨粒子后向散射截面的总和，称为气象目标的（反射率）。
29、对于相同的脉冲重复频率，C波段雷达的测速范围大约是S波段雷达测速范围的（1/2）。
31、新一代天气雷达回波顶高产品中的回波顶高度（小于云顶高度） .33、垂直风廓线产品VWP对分析（高低空急流、垂直风切变、热力平流类型)是有用的。
34、中气旋是风暴尺度环流，它能由（切变尺度、持续时间尺度、垂直方向伸展厚度）来衡量。
雨量预报方法的评价模型(全国获奖论文)
雨量预报方法的评价模型摘要本文建立了一个关于雨量预报方法的评估模型。
首先，通过对给定的大量数据（预报数据和实测数据）进行统计画图分析，得出了散点图。
然后分别对两种不同方法预报的41天中每天4个时段各等距网格点的雨量数据进行处理和分析。
在可接受的度数差范围内搜索与各个观测站点距离最近的网格点，按从小到大排序后取其最小的4个网格点，再根据欧氏距离倒数加权的方法对它们赋权重，取出4个网格点对应的雨量，分别与各自的权重相乘，累加得到的值来预测相对应观测站点的雨量。
对得到的观测站点的预测雨量进行两种方法的分析，方法一：将预测雨量与实测雨量求偏差率，并对所有偏差率求出一个偏差率的算术平方根，作为评价准确性的指数，从而得到第一种雨量预报方法的准确性的指数为102.8755，第二种雨量预报方法的准确性的指数为726.6841；方法二：将预测雨量与实测雨量分别转化为对应的级别（如雨量在区间0.1——2.5为1级），用同级率比较法将它们作比较，从而得到第一种雨量预报方法的同级率为73.9346% ，第二种雨量预报方法的同级率为70.9662% 。
本文利用数学软件Matlab很好地实现了编程模拟计算，并结合实际测得的数据得出了雨量预报方法的同级率，很好地指导了人们的生活与工作。
关键词：（预报、实测、网格点、同级率）（一）问题的重述与分析1、问题的重述随着气象事业现代化建设的快速发展，雨量预报对指导农业生产和城市工作和生活有重要作用，但如何准确、及时地对雨量作出预报是一个十分困难的问题，近年来，随着社会经济的不断发展，预报方法对于提高气象服务水平，增强防灾减灾能力具有重要意义，因此，广受世界各国关注。
我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上。
自动站与人工站降雨量对比偏差的原因分析
自动站与人工站降雨量对比偏差的原因分析摘要：自动气象站是一种能自动观测和存储气象观测数据的设备，在自动站采样获得的总数据中异常数据占有量为0.1%，因此需要利用人工观测数据与自动站观测数据进行对比分析来识别自动站观测数据的正确性，文章针对两站雨量对比观测中出现的一些常见偏差情况，结合经验，对自动站雨量与人工站雨量存在差异的原因进行分析。
关键词：自动站；人工站；降雨量对比偏差中图分类号：p415 文献标识码：a 文章编号：1009-2374（2012）01-0072-03自动气象站（以下简称自动站）是一种能自动观测和存储气象观测数据的设备，在自动站采样获得的总数据中异常数据占有量为0.1%，因此需要利用人工观测数据与自动站观测数据进行对比分析来识别自动站观测数据的正确性，本文对自动站雨量与人工站实测雨量出现偏差的原因进行多方面的分析。
一、仪器结构引起的差异（一）自动站雨量传感器结构引起的差异自动站雨量的观测，是使用双翻斗雨量传感器进行计量测量，当上翻斗承积的水量达到一定的数量值时，翻斗翻倒，另一半翻斗开始盛雨，降水从汇集漏斗的节流管注入计量翻斗，计量翻斗把降水倾倒到计数翻斗，使计数翻斗翻转一次，也即为0.1mm的降雨量（也有的为0.5mm或1mm翻斗），在这个过程中，共有三次翻转过程。
当降水强度较强时，上翻斗、计量翻斗和计数翻斗由于惯性作用，即使雨量没有达到0.1mm的量也可能出现翻转，且强降水速度较快，从承水器下来的水有一定的冲力，这种冲力给雨量增加了重量，更加加速了翻斗的翻转速度，使雨量值的偏大较大。
当降水强度较弱或仅有微量降水时，即使降雨量已达到0.1mm的量，上翻斗、计量翻斗和计数翻斗由于沾附性作用，雨滴每经过一次翻斗便会减少部分降雨量，最终造成了降雨量的偏小或滞后现象的产生。
（二）人工站雨量器结构引起的差异1．人工站雨量器与自动站雨量传感器承水器口缘引起的差异。
人工降雨量的观测是通过雨量器进行承接降水，人工进行测量。
自记与自动观测降雨量的差异及相关分析
自记与自动观测降雨量的差异及相关分析李亚丽;任芝花;陈高峰;妙娟利;刘芳霞【摘要】利用2004-2007年同时使用雨量计(自记)与雨量传感器(自动)观测的54站其中1年的平行观测日降雨量资料,通过对比差值、相关系数分析两者的差异及相关性.结果表明:双翻斗式遥测雨量计自记观测比双翻斗雨量传感器自动观测的日降雨量平均偏小0.12 mm,标准差为0.93 mm.虹吸式雨量计自记观测比双翻斗雨量传感器自动观测的日降雨量平均偏小0.39 mm,标准差为1.5 mm.自动观测降雨量对雨日有一定的影响,两者存在一定的系统偏差.双翻斗式遥测雨量计、虹吸式雨量计与双翻斗雨量传感器观测日降雨量的相关系数分别为0.996和0.994,虹吸式雨量计、双翻斗式遥测雨量计自记观测与人工观测降雨量的相关系数分别为0,98和0.95.%The data of daily rainfall from 54 weather stations in 2004, 2005, 2007 are used to analyze the difference and correlativity between automatic and self-recording observation rainfall. Results indicate that the average daily rain amount observed by dual tipping-bucket pluviographs is 0. 12 mm less than those by the automatic observation, with the standard deviation of the difference being 0.93 mm; the average daily rain amount observed by hydrocone-type pluviographs is 0. 39 mm less than the automatic observation,with the standard deviation of the difference being 1. 5 mm. The application of the automatic rain sensors has certain influence on the statistical results of rainy days. The daily rain amount observed by the selfrecording observation is obviously linearly related to that by the automatic observation. The correlation coefficient of daily rainfall measurements by the tipping bucket pluviograph and theautomatic rain sensor is 0. 996 and the correlation coefficient of daily rainfall measurements by hydrocone type pluviograph and the automatic rain sensor is 0. 994. The self-recording rainfall also is obviously linearly related to the manual observation.【期刊名称】《气象科技》【年(卷),期】2011(039)002【总页数】4页(P227-230)【关键词】自动观测;自记观测;降雨量;雨日;相关【作者】李亚丽;任芝花;陈高峰;妙娟利;刘芳霞【作者单位】陕西省气象信息中心,西安,710014;国家气象信息中心,北京,100081;陕西省气象信息中心,西安,710014;陕西省气象信息中心,西安,710014;陕西省气象信息中心,西安,710014【正文语种】中文降雨量的变化是一个地区天气气候研究中最直接、最敏感的因素,它直接影响当地的工农业生产,特别是在当前气候异常的情况下,干旱和洪涝频繁发生,而洪涝、干旱、暴雨、连阴雨等灾害天气与降雨量、雨日的多少有关。
自动雨量站与联网雷达产品对比应用分析
自动雨量站与联网雷达产品对比应用分析摘要天气雷达是利用云雨目标物对电磁波的后向散射回波来发现它们，并测定其空间位置、强弱分布，从而了解降水的生消演变和移向移速。
实际工作中利用濮阳雷达与安阳自动雨量站资料对安阳回波强度≥30 dbz和20 mm以上降水的雷达回波，在位置与强度上进行统计学的对比分析发现：①安阳回波中心位置在实际降水中心位置的偏西北，距离差5～10 km；②安阳雷达回波中心强度比濮阳弱10 dbz左右；③利用濮阳雷达与安阳雷达在重叠区中观测图像的差异，可以识别有些异常传播产生的回波。
关键词天气雷达；后向散射；雷达网；自动雨量站在雷达图像的应用中，针对地面降水强度对雷达图像做的解译，由于许多因素的影响而非常复杂，这就要求对来自云中的雷达回波的波型做修正。
尽管对这些影响因素能够做一些有效的自动订正，但不论是对单部雷达还是业务雷达网，都不能完全消除这些因素的影响，因此对这个问题的研究成为在天气预报中改善雷达图像使用的重要一步。
在实际工作中利用濮阳雷达与安阳自动雨量站资料对安阳回波强度≥30 dbz和20 mm以上降水的雷达回波，在位置与强度上进行统计学的对比分析发现：①安阳回波中心位置在实际降水中心位置的偏西北，距离差5～10 km；②安阳雷达回波中心强度比濮阳弱10 dbz左右；③利用濮阳雷达与安阳雷达在重叠区中观测图像的差异，可以识别有些异常传播产生的回波。
1 地物杂波天气雷达上看到的并不都是云雨（雪）产生的回波，下述原因可以导致非气象回波：①地球表面和地面静止物；②移动的物体；③与雷达设备有关的技术问题；④来自其他辐射源（如附近雷达）的干扰。
在PPI图像上，这些影响因素所产生的回波与真正的气象回波相比，无论是它们的几何形状，还是像素尺度上的强度变化，以及其随时间变化的特性都有很大差异，因此这类非气象回波出现时很容易识别，不会误导气象预报员。
最常见的非气象回波是地物回波，也叫地物杂波。
雷达定量估测降水量中双偏振参量的算法
雷达定量估测降水量中双偏振参量的算法赵畅; 魏鸣; 刘红亚; 陈雷【期刊名称】《《科学技术与工程》》【年(卷),期】2019(019)018【总页数】7页(P40-46)【关键词】双偏振雷达; 偏振参量; 定量测量降水量【作者】赵畅; 魏鸣; 刘红亚; 陈雷【作者单位】南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044; 上海中心气象台上海200030【正文语种】中文【中图分类】P412多普勒天气雷达是天气监测和预警的重要探测工具，而基于雷达资料的定量降水估测和预报一直以来是多普勒雷达的重要应用之一。
常规的单偏振多普勒天气雷达只能发射和接收水平方向的偏振波，相比之下，双偏振雷达可以获得更多关于雨滴谱分布和降水类型等方面的信息。
欧美国家已经进行了大量的双偏振雷达研制和产品应用工作。
中国也从上世纪末逐步开展了双偏振雷达的建设、改造和研究工作。
2014年5月底，上海WSR—88D多普勒天气雷达完成双偏振技术升级，成为中国首部业务化的S波段双偏振多普勒天气雷达。
目前，双偏振升级后的雷达产品已经融入上海短时临近预报预警业务中，可以为上海及周边地区的灾害性天气监测分析、预报预警业务以及中尺度数值天气预报模式资料同化提供多样化且更精准的信息。
双偏振多普勒雷达[1]通过发射垂直和水平方向的电磁波，可以分别获取这两个通道的回波信息。
除了能得到常规多普勒雷达的参数反射率因子Z、径向速度V、谱宽W之外，根据不同收发模式两个通道返回的信息，还可得到差分反射率因子Zdr、退偏振因子Ldr、差分传播相移Φdp，差分传播相移率Kdp、相关系数ρhv 等多个偏振参量。
国内外研究结果表明，双偏振雷达在冰雹大粒子识别、降水粒子相态识别、定量估测降水量等方面具有优势。
在降水估测方面，文献[2]研究结果表明，双偏振多普勒雷达的降水估测效果可比传统多普勒天气雷达的效果有较大提高；文献[3]发现偏振算法估算降水的精度会随着降雨强度的变化而变化；文献[4,5]发现，在小雨的情况下，反射率因子Zh和差分反射率因子Zdr的组合关系式R(Zh,Zdr)与传统的Z-R关系相比，定量估测降水量的精度提高不明显，在降雨强度较大时，基于差传播相移率Kdp的估测降水关系式R(Kdp)比R(Zh)和R(Zdr)更好；文献[6]的研究则表明在中到大雨的降水中使用R(Kdp,Zdr)进行降水估测效果要优于R(Zh)、R(Zh,Zdr)和R(Kdp)；文献[2,7]则在QPE(quantitative precipitation estimate)算法中综合使用了Zh、Zdr、Kdp这三种双偏振参量，并给出了基于降水类型识别的优化降水估测算法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
云模式预报雨量与雷达估测雨量及自动站实测雨量比较李玉林;周国强【摘要】By using the 2007-2008 rainfall data from GRAPES cloud model product, radar estimation and automatic weather station, the basic statistic characteristics and geographical distribution of precipitation and the corresponding relativities are analyzed. Also, the complex relationships among them are analyzed based on 129 samples. The results show that there is a good complex relationship. The maximum hourly rainfall value from GRAPES cloud model is larger than those from radar estimation and measurement.%利用2007-2008年1-12月国家气象中心GRAPES云模式预报雨量资料，及同期江西区域天气雷达估测雨量及自动气象站实测雨量资料，比较其基本统计与地理分布特征，并对其进行相关计算与结果分析，选取129个数据样本，计算分析它们之间的复相关性，并对其计算误差进行比较与分析。
结果表明，三种雨量的复相关性较好，GRAPES云模式预测的时雨量值最大，比雷达估测的时雨量值及自动站实测的时雨量值偏大，自动站实测时雨量值次之，雷达估测的时雨量值偏小。
【期刊名称】《气象与减灾研究》【年(卷),期】2013(000)002【总页数】6页(P65-70)【关键词】预报雨量;GRAPES云模式;雷达估测;实测【作者】李玉林;周国强【作者单位】江西省人工影响天气领导小组办公室，江西南昌 330046;江西省人工影响天气领导小组办公室，江西南昌 330046【正文语种】中文【中图分类】P426.613国内在利用数字化雷达、多普勒天气雷达等估测降水方面已作过一些工作［1-7］，包括Z-I关系法、概率配对法、卡尔曼滤波校准法和变分校准法等，进行雷达定量测量降水订正与估测。
在利用传统的只针对自动雨量站资料本身质量控制方法的基础上，引入雷达资料，将地面实测雨量与雷达估测雨量通过相似离度的方法查找二者之间的关系，并对雷达回波强度和自动站雨量的相关性进行了研究；有的学者利用粒子激光探测仪观测到的滴谱资料建立实时的Z-I关系，然后利用变分法对同时有雷达回波和雨量计资料站点的实测校准因子进行校准；有学者利用多普勒雷达及自动气象站雨量资料，在淮河流域雨季不同气候区进行了降水估测；采用最优化、概率配对法分别得到不同区域的Z-I关系，找出最佳估测区域和最佳估测方法；用卡尔曼滤波校准方法、最优化方法、概率配对方法同时进行降水估测，提供了判别其方法优劣的可靠依据［8-12］。
而利用GRAPES云模式预报雨量、多普勒天气雷达估测雨量、自动站实测雨量等资料，比较其基本特征，并进行综合相关计算与结果分析等工作开展得比较少，对计算精度的比较工作也不多见。
文中利用2007—2008年1—12月国家气象中心GRAPES云模式预报雨量资料，及同期江西区域天气雷达估测雨量及自动站实测雨量资料，应用数理统计等方法，比较它们之间的基本特征与地理分布特征；从总资料样本中选取129个资料数据样本，计算分析它们之间的复相关性，并对其计算误差进行比较与分析，为江西省人工增雨作业潜力分析、技术指导、效果分析等提供依据。
1.1 时雨量表1给出了江西区域3种雨量各时次的平均值。
分析发现，GRAPES云模式预报的时雨量最大，其平均值为1.41 mm，比雷达估测及自动气象站实测的时雨量平均值均偏大0.96 mm。
由图1看出，GRAPES云模式预报的时雨量值曲线位于其他两条曲线上方，呈双峰型，峰值分别出现在12时、08时，分别为1.91、1.33 mm。
雷达估测的时雨量值最小，平均为0.42 mm，比GRAPES模式预报的时雨量平均值偏小0.99 mm，比自动气象站实测的时雨量平均值偏小0.03 mm；呈单峰型，峰值出现在09时，其值为0.83 mm。
自动站实测的时雨量值曲线在三条曲线中居于中间，其平均值为0.45 mm，比GRAPES云模式预报的时雨量平均值偏小0.96mm，比雷达估测的时雨量平均值偏大0.03 mm；呈多峰型，峰值分别出现在09时、14时、17时、04时，分别为0.83、0.68、0.60、0.39 mm。
极大值出现时间段为：GRAPES云模式预报时雨量最大值出现在12时，为1.91 mm；雷达估测的时雨量与自动气象站实测的时雨量最大值均出现在09时，均为0.83mm；GRAPES模式预报的时雨量值最大值出现时间，比雷达估测时雨量值及自动气象站实测时雨量值出现最大值的时间落后了3 h，其值偏大1.08 mm。
极小值出现时间段为：GRAPES云模式预报时雨量最小值出现在次日03时，为1.02 mm；雷达估测时雨量最小值出现在21时，为0.18 mm；自动气象站实测时雨量最小值出现在23时，为0.21 mm；GRAPES云模式预报时雨量最小值出现的时间，比雷达估测时雨量最小值出现的时间落后6 h，其值偏大0.84 mm，比自动气象站实测时雨量最小值出现时间落后了4 h，其值偏大0.81 mm。
1.2 月雨量表2给出了江西区域三种雨量的各月数值。
分析发现，自动气象站实测月雨量值最大，其平均值为11.58mm，分别比GRAPES云模式预报的和雷达估测的月雨量平均值偏大2.39、8.39 mm。
结合图2分析发现，自动气象站实测月雨量值曲线1—5月在三条曲线中居于中间，在6—12月居于其他两条曲线之上，呈多峰型，峰值分别出现在2月、4月、9月、12月，合计雨量分别为9.18、11.91、18.40、5.43 mm。
GRAPES云模式预报月雨量值居第二，其平均值9.19 mm，比自动气象站实测月雨量平均值偏小2.39 mm，比雷达估测月雨量平均值偏大6.00 mm；GRAPES云模式预报月雨量曲线1—5月居于其他两条曲线的上方，6—12月在三条曲线中居于中间，呈多峰型，峰值分别出现在5月、9月、12月，合计雨量分别为14.05、16.37、4.41 mm。
雷达估测月雨量值最小，其平均值3.19 mm，比自动气象站实测的月雨量平均值偏小8.39 mm，比GRAPES云模式预报月雨量平均值偏小6.00 mm；雷达估测的月雨量值曲线居于其他两条曲线的下方，呈多峰型，峰值分别出现在2月、9月、12月，合计雨量分别为6.82、4.57、3.33 mm。
1.3 三种雨量地理分布的个例比较图3给出了2007年9月3日GRAPES云模式预报、雷达估测、自动气象站实测雨量地理分布。
可以看出，GRAPES云模式预报雨量集中在江西地区的南部、北部，最大值出现在崇义县，为36.95 mm；雷达估测雨量集中在江西地区的西南部和东南部，最大值出现在黎川县，为18.13 mm；自动气象站实测雨量集中在江西地区的西南部和东南部，最大值出现在全南县，为67.40mm。
GRAPES云模式预报、自动气象站实测、雷达估测雨量的地理分布趋势大致相同，但在03时、06时、09时、23时、02时、05时等，GRAPES云模式预报雨量、自动气象站实测雨量地理分布区域接近，雷达估测雨量除在12时值为0外，在其他时段与GRAPES云模式预报雨量、自动站实测雨量地理分布较接近。
2.1 计算资料样本选取自动气象站实测、雷达估测、GRAPES云模式预报的时雨量资料样本选取，需保证时间、区域同步。
文中选取的样本资料中自动气象站实测的每小时雨量资料，在统计时其资料时间比雷达估测雨量、GRAPES云模式预报雨量资料时间推迟5—10min，主要是考虑云中大雨滴从云中降至地面需要的时间约为5—10 min；其雨量值的区域与GRAPES云模式预报的雨量、雷达估测的雨量相同。
雷达估测雨量资料来自南昌多普勒雷达实时估测资料；GRAPES云模式预报雨量资料来自国家气象中心GRAPES云模式预报的雨量基数据，再经同步计算，使其计算的雨量值与自动气象站实测雨量、雷达估测雨量在时间与区域上同步。
根据计算标准与要求，从2007—2008年自动气象站实测、雷达估测、GRAPES云模式预报雨量资料中选取符合条件样本共129个（表3）。
2.2 回归计算结果分析由表3可知，自动气象站实测雨量Y与GRAPES云模式预报雨量X2的复相关性较好，复相关系数R=0.734 0。
自动气象站实测雨量Y与雷达估测雨量X1的复相关性次之，复相关系数R=0.728 7。
雷达估测雨量X1与GRAPES云模式预报雨量X2的复相关性最小，复相关系数R=0.557 1。
回归计算结果分析表明，GRAPES云模式预报的月雨量值与自动气象站实测的月雨量值较接近；自动气象站实测的时雨量值与雷达估测的时雨量值比较接近；雷达估测的时雨量值与月雨量值，均表现为最小。
2.3 回归拟合结果2.3.1 自动气象站实测雨量、雷达估测雨量回归拟合计算结果表明，自动气象站实测雨量Y与雷达估测雨量X1残差拟合（图略）、线性拟合、标准概率分布拟合，表现为在雨量数值较低值范围内残差拟合效果比较好，雨量数值点比较集中，分析数据值比较接近，残差值较小；随着雨量数值范围增大，雨量数值点比较分散，而且雨量数值点数也明显减少，残差值较大。
而在雨量数值较低值范围内线性拟合比较好，雨量数值点比较集中，随着雨量数值范围增大，雨量数值点比较分散，而且雨量数值点数也明显减少，与残差拟合分析图形的数据点分布比较接近。
在雨量数值较低值范围内标准概率拟合比较好，雨量数值点比较紧密、集中，随着标准概率百分比值增大，雨量数值点值明显增大。
2.3.2 自动气象站实测雨量与GRAPES云模式预报雨量回归拟合计算结果表明，自动气象站实测雨量Y与GRAPES云模式预报雨量X2之间残差拟合、线性拟合、间标准概率分布拟合，表现为在雨量数值较低值范围内残差拟合比较好，雨量数值点比较集中，分析数据值比较接近，残差值较小；随着雨量数值范围增大，雨量数值点比较分散，而且与自动气象站实测雨量Y与雷达估测雨量X1雨量数值点数不同的是，在标准线以下的数值点数明显增加，表明在负值范围内的残差值较大，残差值负值数据点数增多。
而与自动站实测雨量Y与雷达估测雨量X1雨量数值点数不同的是，在红线标准线右下方数值点数明显增加，表明自动气象站实测雨量Y与GRAPES云模式预报雨量X2的线性拟合随雨量数值增大而呈离散型分布，线性拟合结果变差。