目前主要存在两个可业务应用的降水测量系统:一是以雨量计为代表的地面测量系统，二是以天气雷达为代表的空中测量系统。前者用雨量筒测量地面降水量，直接而准确，可以获取降水的地面真值；但雨量筒测雨面积只约3.14 dm²，只能视作降水的点测量且在地面上呈现离散分布，因此，仅用雨量站网资料难以得到可靠的细网格分辨率地面降水量分布。后者是对空中雨滴大小及密度的一种电磁学间接测量，难以直接应用；但雷达能在半径约200 km内快速、实时得到分辨率为1 km×1 km反射率因子Z(mm⁶/m³)的平面分布，为其最为突出的优点。雷达定量降水估算(QPE，Quantitative Precipitation Estimation)的研究任务(Zhang et al，2011)是将这两类系统结合起来，即以雷达探测为基础、以地面雨量站网为标准化系统，将雷达所测反射率因子Z的某种空中分布，按照一定的“空-地”点对应方式转换成为地面雨强R(mm/h)分布，并要求在雨量站处通过转换和调整后的估算值，尽量和雨量计的实测值相等。由此可以研究和设计出多种雷达降水的估算和评估理念、技术和算法，从而形成多种雷达降水的估算和评估体系。

无论何种雷达定量降水估算技术，以雨量站网测量数据为标准去衡量评估雷达估算，必然会表现出差异(误差)，并且，会有相当大的不确定性。许多学者(Joss et al，1990;Zawadzki，1984;Collier，1984)对此做过研究，认为影响因素多而复杂。仅就雷达和雨量计结合估算降水而论，主要可概括为5个方面的因素。其一，空-地对应点位置确定的合理性问题。联系雷达反射率因子Z和地面降水强度R确定幂律参数已是一个长时间的问题(Krajewski et al，1991)，其核心是雷达和雨量计的数据采样问题。一种是时-空差异采样方法，即按照雨团下落并随风飘移的轨迹，找出每个雨量站在雷达探测层中雨团对应的初始点位置，这是相当困难的，但Mittermaier等(2004)和Lack等(2004)提出了雷达测雨因风漂移引起的误差订正方法，这样的空-地点对应具有直接的物理联系，可称为有理对应；另一种是瞬时垂直同步采样，显然这是一种不考虑雨滴下落时间和风对雨滴移动影响而存在时-空差异的采样方式，这种空-地对应点的采样不可能在同一雨团中进行，这和经典Z-R关系(Atlas et al，1990)所体现的同雨团样本是不相符的，本文将这种没有直接物理联系的空-地对应称为无理对应。其二，空-地对应点的面积不对称问题。雷达和雨量计空-地对应点采样面积之比约为亿分之三，降水量的时-空变化非常大，这给具有不同时-空分辨率的仪器观测做比较带来了重大影响(Steiner et al，2001)；Zawadzki(1975)也明确指出了雷达测量的平滑误差，并断言试图从雷达和雨量计比较中建立Z-R关系仅在均匀的降水中才是成功的。其三，雨量站网布设引起的统计抽样随机性问题。雷达结合雨量计估算降水，实质上是由N个雨量站组成的随机抽取子样本所求到的统计规律，来推测到整个雷达探测面积这个统计总体的每个点值，其结果必定因这个子样本的选择差异(雨量站密度及站址分布)而发生变化，其实用雨量计校准面临着同样的问题(Br and es，1975; Ahnert et al，1986; Cheze，1999;田付友等，2010)。其四，降水天气条件及其变化产生的随机问题。实践中发现，即便在同一雨量站网条件下，采用同一个估算技术也会得到不同的估算结果，Joss等(1990)指出，雨滴谱的自然可变性是雷达测量降水不确定性的一个重要原因，本文认为这可能反映了降水天气条件的变化。其五，区域型雷达估算降水技术带来的误差问题。虽然Doviak等(2006)认为，选择合适的Z-R关系可以补偿某些系统误差，但在一个覆盖区域各个格点采用一个公用的转换关系，即估算参数不随地理位置不同而变化，这显然会产生误差。

由万玉发等(2008)提出的“基于准同雨团样本概念雷达和雨量计的实时同步结合方法”，即RASIM(RAdar-raingauge Synchronously Integrated Method in real-time)(Wan et al，2010)，可与大多数估算技术一起归并于区域型雷达降水估算技术，这些估算技术概括有：最优化法、A值平均法、概率配对法以及Z-R关系结合校准的方法，如平均校准法、距离加权法、卡尔曼滤波法、变分法等(张培昌等，1992，2001；Rosenfeld et al，1994; 尹忠海等，2005)。但RASIM采用了时间积分垂直同步采样，在无风和弱风条件下也可得到大部分的同雨团样本，可称为雷达和雨量计的积分对应或准有理对应。RASIM在固定指数bf(Smith et al，1997)基础上，将“小时等效反射率因子Z_B(mm⁶/m³)”和相应的雨量计采样Q_G(mm)直接对应并构成具有幂律形式的Z_B-Q_G关系，做到了转换和调整的合二为一。本文进一步综合提出4种RASIM式的降水估算方程，经过比较，A_BS区域云雨转换公共系数的估算方程最优；其次，文中提出了单站降水误差估算因子μ_i是造成估算误差的基本元素，并分析了其产生的原因；在此基础上又提出了几种误差表示和评估的公式，研究了各自的特点及相互关联；最后，建立一种可通过设定μ_i合理区间来判别雷达和雨量计错误数据对的质量控制新方法。2 RASIM的区域型降水累积量估算方程

本节将对RASIM研究成果(万玉发等，2008；Wan et al，2010)与本文相关的内容做出概括的提要和阐述，并在概念和方法上做进一步的扩充。2.1 单站云雨转换方程及转换系数

首先，将雷达和雨量计的空-地对应关系做一个概念代换。若将雷达在空中探测的降水粒子看作云的话，即可将空-地对应Z_B-Q_G关系称为云雨的对应关系或云雨转换方程。虽然这种概念代换对于大气物理中云和雨滴的区分是不严格的，但本文的目的仅仅是为了便于表述而已。需要强调的是本文所研究的对象是指云雨1 h累积量的转换方程和转换系数。2.1.1 以A_B为云雨转换系数的单站云雨转换方程

若雷达覆盖区域内有N个雨量站点，对于第i个站点(x，y)处T_j时次内存在有雷达和雨量计的垂直空-地积分对应关系

点击浏览公式

在式(1)中求出A_Bi，并且，标以时-空坐标，则

点击浏览公式

在T_j时次的1 h内，取第i个雨量站点处Q_Gi直接与其垂直对应的反射率因子Z平均值Z_Mi构成幂律关系

点击浏览公式

在雷达有效探测区域S内与T_j时次形成一个{A_Bi}_S或{A_Mi}_S的数据集合体，一般各个A_Bi(A_Mi)不尽相同，与自然界中降水具有很大的时-空变率相关，为各种降水天气系统的尺度、种类和部位以及所处地理环境等综合影响所致。从{A_Bi}_S和{A_Mi}_S的集合体中，需要研究的是代表区域天气总体共性的区域公共系数；区域内{A_Bi}_S和{A_Mi}_S数据的离散和聚合状态。2.2.1 A_B类型的区域云雨转换公共系数

{A_Bi}_S集合的第1个统计代表值是A_Bi的算术平均值A_B，为A_B类型的第1个区域云雨转换公共系数

点击浏览公式

点击浏览公式

同样，{A_Mi}_S集合的第1个统计代表值就是A_Mi的算术平均值A_M，为A_M类型的第1个区域云雨转换公共系数

点击浏览公式

点击浏览公式

在区域S内各个雨量站点处其空中的Z_Bi或Z_Mi和地面的Q_Gi都是实测的，根据式(1)、(3)即可计算各个单站云雨转换系数A_Bi或A_Mi。而对于S区域内非雨量站点(x，y)处，即使已拥有经雷达实测的Z_B(x，y)或Z_M(x，y)的面分布也不能得到A_B(x，y)或A_M(x，y)的面分布。为了使得这个问题的近似解决，可利用固定指数b_f和区域云雨转换公共系数以及由雷达实测的Z_B(x，y)或Z_M(x，y)的面分布，按照幂律形式来构建区域型降水累积量估算方程，在这类方程中需要待定的只有地面降水量的估算值Q_R(x，y)了。本文提出了4个区域型云雨转换公共系数，可相应建立如下4个区域型降水估算方程，分别称为A_BS型、A_B型、A_MS型和A_M型

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

这4个方程之所以称为区域型降水估算方程，是因为采取了区域型云雨转换公共系数，根据这些方程能估算出区域S内1 km×1 km每个点的1 h降水累积量。必须着重指出，由于A_BS型方程在区域S内所有站点的降水估算总量与地面实测总量具有相等的特点(详见第4节)，所以在5 a多来的业务实践中被优先采用，本文也对此类降水估算方程做重点分析和研究。3 雷达降水估算误差的基本因子

在第2节中所介绍的区域型降水估算方程是用一个公共系数(如A_BS)来代替区域S中各点真实的A_B(x，y)进行地面降水估算的，因此，难免或多或少存在估算误差。雷达降水估算误差应该发生在整个区域S内各个格点上，但实际上只能在雨量站点上进行检验或评估。3.1 单站误差估算因子μ_i

现设在T_j时次内Q_Ri为第i个雨量站点的雷达估算雨量，而Q_Gi为相应实测雨量，ΔQ_Ri为该点降水估算的误差量或称单站降水误差估算量，并根据式(1)、(8)，经过适当代换则有

点击浏览公式

点击浏览公式

第一，式(13)的第1个等式是一个通用的表达式，表示μ_i是单站误差估算量与单站降水量的比值，其物理意义为单站单位实测雨量所含有的误差估算量，故μ_i也可称为单站误差估算率。

第二，式(13)的第2个等式(包括第3个等式)则是RASIM方法所特有的表达，表示μ_i是该站云雨转换系数在为指数的幂值上相对于公共转换系数A_BS的相对离差，反映了μ_i产生的原因在于A_Bi对于A_BS的偏离度。显然，当A_Bi偏离A_BS越大，则μ_i的绝对值越大；反之越小；当A_Bi=A_BS时μ_i=0(图 1a)。图中等A_B线即为等μ_i线，等A_BS线将图像区域分成两部分，左上部分区域为μ_i<0，右下部分区域为μ_i>0。

图 1 ABS型降水估算方程误差分析(a．单站降水估算误差ΔQRi=μi×QGi示意图，曲线为等AB(或等μi)的ZB-QG关系线，b．单站误差估算因子μi的函数曲线，每根曲线描绘了在不同bf指数条件下μi随ABi/ABS变化) Fig. 1 Analysis chart of the error from the ABS regional radar precipitation estimation equation(a. Sketch map of ΔQRi=μi×QGi，the misestimate of single station，in which each curve is the ZB-QG relationship line with equal AB(or equal μi); and b. function curves of μi，the misestimate factor of single station，in which each curve shows the change of μi with ABi/ABS under the different bf factor)

图选项

第三，式(13)的第3个等式表示μ_i是A_Bi/A_BS和b_f的函数(图 1b)。在此图中横坐标为A_Bi/A_BS，纵坐标为μ_i，原点设在(1，0)上，在图中第一和第三象限的每根曲线描绘了在不同b_f指数条件下μ_i随A_Bi/A_BS变化。图中可见A_Bi<A_BS时μ_i<0，表示降水被A_BS方程低估；而A_Bi>A_BS时μ_i>0，则为高估。

第四，式(12)表示了单站降水误差估算量ΔQ_Ri是单站误差估算因子μ_i和单站实测降水Q_Gi的乘积。在图 1a中存在两种特殊情况，其一是当μ_i为常数时，即沿某根等A_B线上各点ΔQ_Ri随Q_G的变化成正比；其二，当Q_G为常数即均匀降水时，沿等Q_G线上各点的ΔQ_Ri随μ_i变化成正比，于是离A_BS线更远的A_Bi点就具有较大的降水估算误差量。3.2 区域平均绝对误差估算因子μ_A

现定义|μ_i|的算术平均为区域平均误差估算因子μ_A，并将式(13)代入则为

点击浏览公式

在第3节中，主要研究了单个雨量站位置上降水估算误差的表达式及其意义，同时指出了区域平均绝对误差估算因子μ_A及其特性。本节将研究区域S内N个雨量站上降水误差估算的几种整体表达式及其意义，它比单站误差估算的表达式更为重要。4.1 区域降水误差估算率μ_S

首先定义区域降水误差估算率μ_S为带有正负的各单站降水误差估算量在区域内的总和与区域对应各站点降水实测总量的比值，用于衡量区域降水总量的估算误差。区域S在T_j时次内，令Q_RS和Q_GS分别表示区域各站点降水估算总量和实测总量，因此，区域降水估算的总误差简称区域降水误差估算量ΔQ_RS为

点击浏览公式

在第2节中已经介绍了RASIM体系下的4个区域型降水估算式(8)、(9)、(10)、(11)，因而式(15)中Q_Ri在同一时次和同一区域内会有4种不同的估算值，相应产生4种不同的区域降水误差估算量，分别用ΔQ_RS(ABS)、ΔQ_RS(AMS)、ΔQ_RS(AAB)、ΔQ_RS(AAM)表示。4.1.1 A_BS型区域站点降水总量估算的特点

用A_BS型降水估算方程时产生的区域降水误差估算通过式(15)、(12)、(13)可表示为：

点击浏览公式

点击浏览公式

点击浏览公式

应该充分注意到，4个不同类型降水估算方程(式(8)、(9)、(10)、(11))都有相同的幂律数学形式，区域云雨转换系数分别是A_BS、A_B、A_MS、A_M。而小时等效反射率因子前两者用Z_B，后两者则用Z_M，其算法有所不同。因此，可以参照4.1.1 节的原理，分别求出另外3种区域降水估算误差表达式

点击浏览公式

点击浏览公式

点击浏览公式

A_B型优于A_M的根本原因在于A_B是基于反射率因子Z积分而得，而A_M则是基于Z的简单平均。

图 2 图 2 武汉雷达200 km半径范围的雨量站网分布 (·为常规站，·为加密站) Fig. 2 Distribution of the rain gauge network within a radius of 200 km from the Wuhan radar (·: conventional observation station and ·: intensive observation station)

图选项

4.1节中已经证明唯有在用A_BS型降水估算方程的条件下，在S区域内T_j时次必有区域误差估算率μ_S=0，即ΔQ_Ri=0，但是具体到每个站点误差估算量一般不为0，应有|ΔQ_Ri|≠0，由此给出区域降水绝对误差估算率μ_|S|的定义：各单站降水误差估算量绝对值在区域S内的总和与区域对应各站点降水实测总量的比值，用于衡量区域降水总的绝对误差估算率，是应用最为广泛的降水误差估算的评估判据。结合式(12)、(13)可有

点击浏览公式

现引入区域平均绝对误差估算量E_N，根据式(22)并令区域S中各站实测平均降水量为，Q_Gi，则

点击浏览公式

这两个量常用于降水估算评估中，但少有分析其关系的。在式(22)的第2式的分子和分母中引入μ_A和两个量，整理后有：

点击浏览公式

第一，在区域N个站点中，当|μ_i|和Q_Gi两者均为常数或者分别单独为常数，此时η=1，显然μ_|S|=μ_A。其中，当Q_Gi=Q_G时，表明S区域内发生均匀降雨。有意义的是|μ_i|与Q_G存在一个统计关系(图 3a)，即Q_G较小时一般|μ_i|较大，而Q_G较大时|μ_i|值较小。在此给出物理解释：万玉发等(2008)、Wan等(2010)论证了雷达和雨量计采

样时-空差异取决于雨滴的直径、雨量站离雷达的距离和环境场的风速，其中雨滴的直径是一个最主要因素。当雨滴较小时雨滴下落速度较慢，易受到雨量站距离和风速的影响，在这种情况下，时间积分垂直同步采样难以取得准同雨团样本，于是各站点的|μ_i|就较大，所以，在区域S内出现较小的均匀降雨时必然出现较大的μ_A或μ_|S|。反之，当区域S内出现较大的均匀降雨时，雨滴下落速度较快，受到雨量站距离和风速的影响较小，时间积分垂直同步采样近似于准同雨团样本采样，各站点的|μ_i|相应较小，μ_A或μ_|S|必然变小。在实际大气降水条件中，理想的均匀降雨极为罕见，但μ_|S|与μ_A相差较小的情况还是时有发生，此时可以认为在S区域T_j时次产生了一场比较均匀的降水。

图 3 2008年7月2日01—15时降水过程μ|S|和μA的关系(a. QG-|μi|点聚分布，黑色粗实线为散点趋势线； b. 同一个过程的μ|S|-μA点聚分布，黑色粗实线为μ|S|=μA线) Fig. 3 Analysis chart of the relation between μ|S| and μA for the rain event during 01:00-15:00 BT 2 July 2008(a. QG-|μi| scatter diagram，black thick real line is scatter trendline; and b. μ|S|-μA scatter diagram，black thick real line is line of μ|S|=μA)

图选项

第二，在区域内N个站点中，当|μ_i|和Q_Gi两者均不为常数，此时η≠1，一般μ_|S|≠μ_A。此时在区域S中出现了大、中、小雨混合纷呈不均匀的现象。统计表明，小雨的站点频次一般高于大雨的频次(图 3a)。由式(14)可见，用μ_A作评估判据会过于偏向于小雨站点的贡献(Klazura et al，1995)；而μ_|S|是各|μ_i|按Q_Gi分配的加权平均值，因此，一般μ_|S|<μ_A(图 3b)。由此可见，有时人们将μ_A作为降水评估判据是不太合理的，从本文的分析来看μ_A，只是各站点降水误差估算因子绝对值的平均，可诠释为多个单站的A_Bi相对于A_BS的聚合与离散程度的整体表示，但μ_A与雨量大小无关，无力判定降水估算的误差量。4.5 降水过程的绝对误差估算率

为科学评估降水过程的误差估算，区域S内N个站点在一次降水过程T(有M个T_j时次)中雷达降水误差估算的统计特征量可有下列3种表示方式或3种检验评估判据。

(1)区域平均单站降水过程绝对误差估算率(μ_T|S|)

点击浏览公式

(2)降水过程平均的区域绝对误差估算率(μ_T|S|)

点击浏览公式

(3)过程和区域降水总体绝对误差估算率μ_T|S|

点击浏览公式

计算2008年7月2日01—15时降水过程估算评估得出μ_T|S|、μ_T|S|、μ_T|S|分别为0.25、0.27、0.41。由此可见，对于同样一个降水过程其评估的3个量是有差别的，相比而言，μ_T|S|的算法比较严格，在开展降水过程评估时应优先选用。而μ_T|S|值偏大的原因正是4.5节所指出的，先单站时间平均就等于将那些小量级降水站的高误差估算率保留下来，加之这些站数相对偏多，由此再进行区域平均时就自然偏大了小量级而高误差估算率的贡献。5 雷达和雨量计数据对的质量控制5.1 基本概念

雷达降水探测的质量控制分为两类，其中，第一类可简称为降水单变量的质量控制，如雷达反射率因子Z场的质量控制。其主要是利用Z场本身空间结构自然特性，去鉴别和剔除非降水回波(Steiner et al，2002;王佑兵等，2006; 庄薇等，2012)，这对于除去Z场中的地物回波和超折射回波是相当有效的。第二类可简称为降水双变量的质量控制，利用空中Z场和地面降水Q_G场互相在对应点的结合关系来判断数据对(Z_B，Q_G)的质量，这其中包括雷达和雨量计各自数据或者两者均存在问题时都将认为数据对是不可靠的，或者是错误的，经判断后应予以舍去，这就是所谓雷达和雨量计数据对的双变量质量控制。

Gabella等(2000)指出执行雨量计-雷达测量数据对质量控制的重要性。其原因首先在于几乎所有的降水估算技术方法都是从研究和开发这些数据对的对应关系脱胎而成，其次雷达降水误差估算的检验和评估也是从这些对应的关系计算出来的。一件有意义的事在于一组数据对(Z_Bi，Q_Gi)通过第2节中式(1)的云雨转换方程就唯一地变为云雨转换系数A_Bi，于是A_Bi就含有这组数据对的空-地对应关系特性，于是雷达和雨量计数据对的双变量质量控制问题就变成为云雨转换系数A_Bi单变量的质量控制问题。5.2 误差估算因子控制法

万玉发等(2008)、Wan等(2010)中已经初步论述了(Z_Bi，Q_Gi)数据对或A_Bi质量控制方法，并分为二级。第一级方法很简单，即将凡是1 h累积雨量 小于1.0 mm的数据对全部删去，其理由在原文中已有详述，简单可归结为在此条件下A_Bi的离散性非常大，几乎没有出现明显的聚合性，因此，将这样的数据对用作降水估算计算评估的基础明显是不可靠的，所以，应该舍去。第二级方法简单可叙述为将Q_G大于1.0 mm以上的雨量分为5个雨量子区间，根据一些降水估算实例，分别计算出各个雨量区间较为合适使用的A_B可允许范围，将此暂时固定下来，用作二级质量控制的取舍标准。由此可见，这种方法不随天气过程和时次而变化显得较为机械和呆板。

在本节中将介绍一种与原有二级质量控制有所不同的一种新方法，称为单站误差估算因子μ_i控制法。前已提及雷达和雨量计数据对的质量控制可归结为云雨转换系数A_Bi的质量控制，而从第3节式(13)可知，当在固定指数b_f的条件下以及当某时次A_BS计算确定后，A_Bi与单站误差估算因子μ_i是唯一对应的，于是雷达和雨量计数据对的质量控制可归结为误差估算因子μ_i的质量控制。其基本操作方法是：必须设立一个较为合理的μ_i的允许区间(如μ_i∈[-0.8，1.5])，在μ_i值超出此允许区间的所有(Z_Bi，Q_Gi)将被舍掉。余下的数据对重新融合得到新的A_BS，建立新的区域降水估算方程。这样一来，A_Bi相对于A_BS离散性将会变小而聚合性将会增大，区域平均误差估算因子μ_A和区域降水绝对误差估算率μ_|S|等一般也随之变小。

不论是原有二级质量控制或现在的误差估算因子控制，从原理上都是将|μ_i|的大值舍掉，这就等价于将相对A_BS太小的或太大的A_Bi舍去，这样做的理由在于当很小的A_Bi出现时这些雨量站点上必将出现淡云大雨，而反之就会出现浓云小雨的奇怪现象。出现这两种现象的站点一般不会是多数而是属于一种存在有疑点和不稳定的少数。其原因有多种可能，一种是由于雷达和雨量计存在时、空采样差异和分辨率差异而造成的，另一种可能是雷达或雨量计的观测错误或者是强度和位置的标定错误，当然也不能排除确实是大气中的自然现象，即使这样也会是极为罕见的。

综上所述，雷达和雨量计数据对的质量控制可形成一级控制、误差估算因子控制及双重控制3种控制。误差估算因子μ_i的允许区间可根据多个个例试验总结规律来设定。一旦设定了μ_i的允许区间，相应A_Bi的允许区间可随天气过程和时次而自动变化，这就是误差估算因子控制能适应降水天气变化的优越性。图 4a为未经质量控制数据Z_B-Q_G点聚分布，图 4b为未经质量控制和在3种质量控制情况下的μ_i频率分布。从μ_i的频率分布可以看出，总体分布还是比较合理的，大都集中在μ_i=0值两旁；只是在μ_i=1.5后仍出现一定频率分布，特别在μ_i=2.0后出现一个较高频率状况，这显然是不合理的，因此，将μ_i的合理范围确定为-0.8—1.5。经过质量控制之后，μ_i=2.0后的高频率极端值去掉。

图 4 2010年7月11日06—20时质量控制分析(a．未经质量控制数据ZB-QG点聚分布；曲线为等AB(或等μi)的ZB-QG关系线；b．未经质量控制和在3种质量控制情况下的μi频率分布) Fig. 4 Analysis chart of the quality control for the period from 06:00 BT to 20:00 BT 11 July 2010(a. ZB-QG scatter diagram without the quality control，each curve is the ZB-QG relationship line with equal AB(or equal μi); and b. μi the frequency distribution without the quality control and with the three kinds of the quality control)

图选项

比较上述4种情况可以看出，对数据进行质量控制之后，μ_|S|有所下降(表 2)。比较3种质量控制方式的μ_|S|、μ_A可以看出，双重控制与单独一级(将凡是1 h累积雨量(Q_G)小于0.5 mm的数据对全部删去)或误差估算因子控制比较，μ_|S|并不表现出明显的改善；而单独一级与误差估算因子比较，虽然μ_|S|值后者改善不多，但μ_A值则从0.51下降到0.35。由此可见，在实际操作过程只需进行单独误差估算因子控制即可。

本文对武汉雷达探测到的4次降水过程进行数据对质量控制前、后的降水估算结果对比评估。这4次降水过程是：(1)2007年7月1日18时—2日13时，湖北省东部有13个气象站出现了暴雨，8个气象站出现了大暴雨。(2)2008年6月8日12—21时，湖北省中东部出现大到暴雨天气，16个气象站降暴雨。(3)2008年7月2日01—15时，湖北省东北部出现暴雨天气，3个气象站降大暴雨。(4)2010年7月10日07时—11日04时，湖北省中东部地区降大到暴雨，3个气象站降大暴雨。使用武汉雷达探测半径200 km范围内雷达反射率因子和599个区域雨量站资料进行数据质量控制对比分析。评估结果见表 3，在没有开展数据对质量控制前，过程和区域降水总体绝对误差率μ_T|S|均高于30%，经过本研究提出的误差估算因子控制法处理后，过程和区域降水总体绝对误差率μ_T|S|平均下降7%。

(1)RASIM 构建了具有幂律形式的雷达和雨量计直接积分对应的单站关系式ZBi=ABi×QbfGi，这是一个准同雨团样本概念下的准有理对应关系，随时-空可变。其中系数ABi特称为单站云雨转换系数，它表明了在某时某站空中雨团ZB下落到地面雨量计成为QG的转换能力，其大小显然与天气系统和地理环境密切相关，值得今后深入研究。由单站云雨转换系数的数据集{ABi}S可以产生区域云雨转换公共系数ABS，从而构成区域型降水估算方程。这种用共性来代表个性的方法不可避免会带来一定的估算误差，而对于各个站点估算误差的表示和分析实质上是基于ABi的个性方程和基于ABS的共性方程的比较，使得误差分析具有清晰的物理意义和明确的数学表达式。

(2)单站误差估算因子μ_i是RASIM方法估算误差表示的最基本元素，以它为基础可构造出一系列误差表示和评估判据，如区域平均绝对误差估算因子μ_A、区域降水误差估算率μS、区域降水绝对误差估算率μ_|S|以及区域平均绝对误差估算量EN等。在RASIM中μ_i正好等于A_Bi与A_BS以b_f^-1为指数幂值的相对离差，从而揭示了引起降水估算误差的根本原因是单站A_Bi相对偏离于公共系数A_BS所致。μ_A是区域中各μ_i绝对值的平均，其值大小体现了区域内各站降水条件差异的总体程度，与A_Bi相对A_BS的聚合和离散密切有关，但μ_A与降水量大小无关。文中证明了只有在区域内出现均匀降雨的条件下，μ_A与μ_|S|才相等。而μ_|S|和E_N既联系着μ_A，而且也与雨量有关，是较为合理而实用的降水估算误差判据。有意义的是，A_BS区域型降水估算方程在区域内所有站点的高估总量必定与低估总量相等，这是一个十分突出的优点。

(3)RASIM区域型雷达降水估算方程中的估算参数A_BS是经过对单站空-地对应关系式的面积分而得到的，在雷达覆盖区域内是一个公用常数，它可随时间而变化但不随站点而变化，换言之A_BS只对时间变率具有一定的敏感度而对于空间变率即天气的地理分布差异是无力反映的。同时，雷达和雨量计是积分对应，模糊了不同性质降水的差异，会影响降水估算的精度。目前RASIM方法的估算精度在天气条件差异较小，即μ_A较小时，μ_|S|可达到20%左右，而在天气条件差异较大即μ_A较大时，μ_|S|在30%以上。因业务需要对武汉雷达8次和广州雷达4次降水过程进行了分雨量的评估，小时降水量0.5—5 mm段的μ_|S|比5—20 mm段和20 mm以上段要大近5%，由此说明RASIM方法对小雨估算的准确性要差一些。为了对雷达估算降水作进一步的改进，必须研究区域云雨转换分布函数A_B(x，y)_S来替换公共系数A_BS，从而建立RASIM体系下的局地型降水估算方程。