基于速度和數(shù)量閾值的雨滴譜質(zhì)量控制方法*

李 林 孫赫敏 仰美霖 杜傳耀 范雪波 盧一皎 尹佳莉

1 北京城市氣象研究院，北京 100089 2 北京市氣象探測中心，北京 100089

提 要：降雨的微觀結(jié)構(gòu)觀測對于降水的精確預報以及人工影響天氣至關(guān)重要，但受到非降水因素、湍流和雨滴重疊等因素影響，雨滴譜的觀測數(shù)據(jù)存在一定的誤差和錯誤。選取北京市9個國家級地面氣象觀測站在2017年4—10月期間的雨滴譜儀觀測數(shù)據(jù)，結(jié)合翻斗雨量計觀測資料和人工記錄天氣現(xiàn)象，研究雨滴譜觀測數(shù)據(jù)質(zhì)量控制方法。結(jié)果表明：錯誤的雨滴譜觀測數(shù)據(jù)主要由霾、沙塵天氣及昆蟲活動引起，粒子速度主要在5 m·s-1以下，粒子大小分布較為分散。建立了速度、數(shù)量的雙閾值質(zhì)量控制方法，可以有效剔除錯誤雨滴譜觀測數(shù)據(jù)，當速度、數(shù)量閾值系數(shù)分別為0.4和0.7時，TS評分最優(yōu)，達到0.92；雨滴譜儀與翻斗雨量計觀測降雨量的決定系數(shù)從0.757提高到0.985。該方法可以更有效地利用降雨觀測資料，充分發(fā)揮新型探測設備建設效益。

引 言

降雨的微觀結(jié)構(gòu)由云微物理與大氣動力之間復雜的相互作用所控制，降雨的微觀結(jié)構(gòu)對于遙感降水觀測至關(guān)重要，對于數(shù)值天氣建模，降雨入滲或土壤侵蝕也至關(guān)重要，較多學者采用地面激光雨滴譜儀進行反演降水參量和模擬等工作(熊飛麟和周毓荃，2016；梅海霞等，2017；沙修竹等，2019)。早期測量雨滴譜的方法主要有濾紙色斑法、動力學法、面粉球法、快速攝影法和浸潤法等，這些傳統(tǒng)的方法普遍存在精度低、工作量大、實時性差、成本高及無法自動完成測量分類等缺點。隨著電子技術(shù)的進步，研究人員陸續(xù)研制出了多種自動化雨滴譜觀測設備，其中較早被廣泛應用的有沖擊型雨滴譜儀器(Joss and Waldvogel,1967)，即通過雨滴撞擊產(chǎn)生的振動來測量雨滴大小和數(shù)目，但是因為儀器響應時間的原因在大雨強下無法測量小雨滴(Tokay and Short,1996)，同時由于5 mm以上雨滴的下落末速度變化很小，也無法分辨出大雨滴。2000年前后可以觀測降水粒子大小和速度的光學雨滴譜儀逐漸應用，主要包括奧地利的二維視頻雨滴譜儀2DVD(Kruger and Krajewski,2002)和德國OTT公司的激光雨滴譜儀Parsivel(L?ffler-Mang and Joss,2000)，2DVD觀測結(jié)果與雨量計更為接近(Wen et al,2017；Tokay et al,2013)，2011年OTT公司推出新一代的Parsivel，更新了激光器并擴大了采用區(qū)面積，性能得到較大提升(Tokay et al,2014)。Parsivel因為其易于安裝和維護被較多廠家用于降水類天氣現(xiàn)象的觀測，杜波等(2014;2017)通過對比試驗驗證其具有較好的效果，但也會產(chǎn)生誤報和漏報。

雨滴譜觀測受到湍流、雨滴濺落、邊緣降落和雨滴重疊等因素影響，會產(chǎn)生一些疑問數(shù)據(jù)，很多人員基于降雨雨滴直徑和下落末速度的特性(Gunn and Kinzer，1949)，采用不同的速度閾值刪除閾值外的粒子數(shù)據(jù)，比如Tokay et al(2013)采用下落末速度的50%作為限制，Kruger and Krajewski(2002)將閾值范圍設置在40%，而Jaffrain and Berne(2011)使用60%作為閾值，通過這些方法可以剔除降水過程中約10%～30%的雨滴數(shù)量。這種常規(guī)質(zhì)量控制方法雖然簡單易用，但僅適用于已經(jīng)明確降雨過程中的雨滴譜數(shù)據(jù)，無法對觀測到的非降水粒子的影響進行剔除，如昆蟲、蜘蛛網(wǎng)、沙塵以及大風卷起的落葉等，從而產(chǎn)生虛假的降水粒子。但雨滴譜儀作為降水類天氣現(xiàn)象儀，需考慮到非降水粒子的影響(杜傳耀等，2019)。

基于北京9個氣象站雨滴譜儀和地面自動站觀測數(shù)據(jù)，根據(jù)雨滴直徑和速度的分布特性，研究使用速度閾值和數(shù)量閾值的雙重約束，建立速度和數(shù)量雙閾值對雨滴譜觀測數(shù)據(jù)進行質(zhì)量控制，剔除雨滴譜儀觀測到的非降水粒子造成的降水天氣現(xiàn)象誤報。

1 觀測設備和數(shù)據(jù)方法

1.1 降雨觀測設備

Parsivel是以激光為基礎(chǔ)的光學粒子測量設備，儀器的核心是一個光學傳感器，主要由激光發(fā)射端、激光接收端及相應的電路等組成，該傳感器能夠發(fā)射平行的激光束(激光束的長寬高分別為180、30和1 mm)，通過下降的降水粒子對激光束遮擋的幅度和時間來測量降水粒子尺寸和降落速度，可實時監(jiān)測降水類型、降水粒子數(shù)量并計算出降水強度和累計降水量等。Parsivel輸出的粒子譜數(shù)據(jù)為32個直徑通道和32個速度通道，每個采樣間隔內(nèi)獲得的粒子譜數(shù)據(jù)為1 024個，其中最低兩個直徑通道(直徑通道1和2)因信噪比較低不可用，儀器安裝在2 m的高度，主要技術(shù)指標見表1。

表1 Parsivel激光雨滴譜儀主要技術(shù)指標

在研究中使用SL3-1雙翻斗雨量傳感器(以下簡稱翻斗雨量計)進行對比評估，翻斗雨量計主要由承水器、上翻斗、計量翻斗、計數(shù)翻斗、匯集漏斗、干簧管和調(diào)節(jié)螺釘?shù)冉M成，其測量原理是當有降水出現(xiàn)時，雨水首先在承水器內(nèi)匯集，再流入上翻斗，上翻斗翻動后，進入計量翻斗進行計量，計量翻斗每翻動一次記錄0.1 mm的降水量。隨后雨水由計量翻斗倒入計數(shù)翻斗，在計數(shù)翻斗的中間裝有一塊小磁鋼，磁鋼上部裝有干簧開關(guān)，計數(shù)翻斗每翻轉(zhuǎn)一次磁鋼對干簧管掃描，使干簧管的接點因磁化瞬間閉合一次從而送出一個導通信號，自動氣象站采集進行一次計數(shù)。翻斗雨量計承水口安裝高度為70 cm，采樣面積為314 cm2，按照中國氣象局(2003)《地面氣象觀測規(guī)范》，兩個儀器距離基本保持在15 m，將翻斗雨量計觀測的雨強作為標準來驗證雨滴譜儀質(zhì)量控制的效果。

1.2 數(shù)據(jù)方法

本文中選取北京市9個國家級地面觀測站在2017年4—10月期間雨滴譜儀和翻斗雨量計觀測資料進行分析，整個觀測時段共有123 931 min測得雨滴譜觀測數(shù)據(jù)，平均每站有114.1 d出現(xiàn)雨滴譜觀測數(shù)據(jù)，同期翻斗雨量計觀測到降雨日數(shù)平均為47.8 d。參照人工觀測記錄的天氣現(xiàn)象和翻斗雨量計觀測降水記錄時間對雨滴譜儀觀測數(shù)據(jù)進行判別，將地面觀測無降水，雨滴譜儀有數(shù)據(jù)的情況認定為雨滴譜儀觀測到非降水粒子，為錯誤的雨滴譜觀測數(shù)據(jù)，識別出錯誤雨滴譜觀測數(shù)據(jù)為2 510 min。雖然錯誤分鐘的觀測數(shù)據(jù)僅占到總數(shù)據(jù)的2.0%，但是52.7%的日數(shù)出現(xiàn)了錯誤的觀測數(shù)據(jù)，其中16.1%的日數(shù)既有正確數(shù)據(jù)也有錯誤的雨滴譜觀測數(shù)據(jù)。每站雨滴譜觀測日數(shù)見表2，每站雨滴譜儀觀測到正確日數(shù)和錯誤日數(shù)幾乎相當，絕大部分觀測數(shù)據(jù)錯誤在一天中僅會出現(xiàn)零星幾分鐘的雨滴譜，特別是54431站錯誤日數(shù)甚至超過了正確日數(shù)，可能和該站所處的環(huán)境和維護程度有關(guān)系(該站處于大運河公園內(nèi)且為無人值守站點)。

表2 雨滴譜觀測天數(shù)(單位：d)

不同直徑降雨粒子的下落末速度(Videal)采用Brandes et al(2002)提出的公式獲得

Videal(D)=-0.102 1+4.932D-0.955 2D2+

0.079 34D3-0.002 362D4

(1)

式中D為通道粒子直徑(單位：mm)。

考慮邊界效應，根據(jù)Jaffrain and Berne(2011)研究，對不同直徑粒子計算各自有效采樣面積Ai(單位：mm2):

Ai=180×(30-0.5Di)

(2)

雨滴譜儀觀測降水量P(單位：mm)采用式(3)計算獲得:

(3)

式中nij表示某一粒子等級的粒子數(shù)。如前文所述，研究人員一般基于降雨雨滴直徑和速度的特性，本文根據(jù)式(4)采用不同的閾值來篩選。

|Vmeasure-Videal|≤TvVideal

(4)

式中：Vmeasure為測得的粒子通道末速度，Tv為速度閾值系數(shù)，Videal為經(jīng)驗速度公式值，采用該通道平均粒子直徑計算Videal，李淘等(2016)和杜波等(2018)研究認為雨滴譜儀測速誤差達到應用需求。Gatlin et al(2015)研究表明，自然界中很少存在直徑8.0 mm 以上的雨滴粒子，在質(zhì)量控制中采用的粒子直徑范圍為0.25～8.0 mm，當粒子速度是在速度閾值范圍之內(nèi)的為正確觀測粒子數(shù)據(jù)，其余為可疑觀測數(shù)據(jù)。

具體步驟為，根據(jù)速度閾值系數(shù)Tv確定粒子篩選區(qū)域，計算每分鐘正確雨滴譜粒子數(shù)量Nc占該分鐘觀測總粒子數(shù)量N的比例σ，當該分鐘的比例σ超過設定的數(shù)量閾值系數(shù)Tn時，認為該分鐘雨滴譜為降水觀測數(shù)據(jù)，否則為非降水觀測數(shù)據(jù)，即錯誤觀測數(shù)據(jù)。

(5)

式中：Nc為粒子末速度處于速度閾值系數(shù)Tv∈{0.3，0.4，0.5，0.6}內(nèi)的粒子個數(shù)，N為總粒子個數(shù)，σ為二者的比例，其閾值Tn∈{0.6，0.7，0.8，0.9}。對不同Tv-Tn雙閾值系數(shù)組合進行分析，圖1為該通道平均粒子直徑的不同速度閾值系數(shù)Tv下，粒子譜正確的篩選范圍。例如當速度閾值系數(shù)范圍和數(shù)量閾值比例系數(shù)分別采用0.3和0.8時，某分鐘雨滴譜觀測數(shù)據(jù)的在圖1a(Tv=0.3)中藍色區(qū)域內(nèi)的粒子數(shù)量達到全部粒子數(shù)量的80%，即Tn=0.8則該分鐘雨滴譜觀測正確。

圖1 不同速度閾值系數(shù)篩選范圍(a)0.3,(b)0.4,(c)0.5,(d)0.6(藍色區(qū)域判斷為正確粒子；其他區(qū)域識別為可疑粒子，紅線為降雨粒子的下落末速度理論曲線，下同)

參考現(xiàn)有預報評分中的方法，根據(jù)該質(zhì)量控制方法檢驗出來錯誤數(shù)據(jù)和人工實況觀測情況對全部分鐘雨滴譜樣本進行分類，詳見表3。

表3 質(zhì)量控制分類列聯(lián)表

采用質(zhì)量控制方法后，人工識別為錯誤數(shù)據(jù)，同時質(zhì)量控制方法判斷為錯誤數(shù)據(jù)，則認為命中；若人工識別為正確數(shù)據(jù)，而質(zhì)量控制方法判斷為錯誤數(shù)據(jù)，認為是空報；若人工識別為錯誤數(shù)據(jù)，而質(zhì)量控制方法判斷為正確數(shù)據(jù)，認為是漏報；人工識別和質(zhì)量控制方法判斷均為正確數(shù)據(jù)為正確拒絕。

下面介紹下文中所用的評價指標和技巧評分見表4。

表4 質(zhì)量控制方法評價指標和技巧評分

2 結(jié)果分析

2.1 典型錯誤雨滴譜

正常降水條件下，雖然存在一部分速度過大或者過小的異常粒子，也可能會存在一部分直徑過大的降水粒子，這部分粒子除了儀器的觀測誤差以外，更多是因為雨滴濺落、邊緣降落、雨滴重疊等因素影響，但是整體降雨粒子分布處在合理范圍內(nèi)。圖2是54424站2017年7月18日的一次陣雨過程雨滴譜分布，可見不同直徑雨滴分布和雨滴下落末速度理論值比較符合，粒子數(shù)量主要分布在理論值附近，其他區(qū)域雨滴粒子數(shù)量僅為個位數(shù)。

圖2 2017年7月18日54424站雨滴數(shù)量分布(填色代表個數(shù))

根據(jù)2 510 min錯誤雨滴譜樣本分析，當出現(xiàn)誤報數(shù)據(jù)樣本時，觀測站點的天氣現(xiàn)象往往出現(xiàn)了視程障礙現(xiàn)象，集中在輕霧、霾或者沙塵、揚沙天氣，另外根據(jù)臺站觀察昆蟲活動也是造成雨滴譜儀觀測出現(xiàn)錯誤數(shù)據(jù)重要原因。與正確雨滴譜觀測數(shù)據(jù)相比較，粒子的速度明顯偏低，極少有超過5 m·s-1的情況，但是也呈現(xiàn)出不同的特征，昆蟲引起的誤報粒子直徑較大也更為離散(圖3c)，最大可以達到20 mm，這個與活動的昆蟲個體特征有關(guān)系。相比較而言，沙塵天氣粒子直徑較為集中，主要在2 mm以下,個別可以達到5 mm(圖3b)，根據(jù)沙塵天氣情況看，該天氣條件下，除了較小的沙塵粒子在光路引起誤報，伴隨的大風也會卷起草葉等雜物出現(xiàn)在觀測光路中，從而出現(xiàn)較大的粒子。霧-霾天氣下觀測到的粒子最為集中(圖3a)，直徑基本在1 mm以下，速度也很少超過2 m·s-1，比較符合霧-霾時一般是靜穩(wěn)天氣的情況。從三種天氣下能見度情況來看，沙塵和霧-霾天氣下能見度分別在2 km和5 km左右，而出現(xiàn)昆蟲導致錯誤數(shù)據(jù)的情況，能見度一般在10 km以上。同時霧-霾與沙塵天氣中站點的PM2.5和PM10觀測數(shù)據(jù)也存在明顯差異，以54511站為例,5月 5日沙塵天氣PM2.5和PM10最高值分別達到321.6 μg·m-3和2 361.9 μg·m-3，在10月28日霾天氣中PM2.5和PM10最高值分別為154.6 μg·m-3和164.4 μg·m-3。一般來說霧滴平均直徑通常不到20 μm，根據(jù)雨滴譜儀性能指標，應該是觀測不到直徑在0.25 mm以下的粒子，但在低能見度的情況下霧或者霾的顆粒對觀測光路造成的污染或者空間上疊加，也會導致雨滴譜儀輸出錯誤數(shù)據(jù)。

圖3 2017年(a)10月28日霧-霾,(b)5月5日沙塵,(c)7月4日昆蟲引起的粒子分布

2.2 雙閾值法的質(zhì)量控制效果分析

2.2.1 質(zhì)量控制評價指標

使用不同的雙閾值組合對123 931 min的分鐘雨滴譜數(shù)據(jù)進行質(zhì)量控制判斷，圖4為不同條件下POD、FAR和TS評分情況。無論采用何種組合，POD能保持一個較高的評分，大部分在0.90以上，最低為0.76。FAR差異較大，當采用0.3的速度閾值系數(shù)時，數(shù)量閾值系數(shù)從0.6～0.9時，F(xiàn)AR從0.13 提高至0.89，即基本識別出來的均是正確的雨滴譜數(shù)據(jù)；當數(shù)量閾值系數(shù)采用0.9時，在同樣速度閾值系數(shù)的FAR會明顯高于其他設置情況，主要是雨滴譜儀觀測中受到湍流、雨滴濺落、邊緣降落、雨滴重疊等因素影響，即使在降水過程中也會部分粒子在超出速度閾值范圍；當采用0.5和0.6的速度閾值系數(shù)時，整體TS評分均處于較高的水平，TS評分均高于0.75。當采用0.4的速度閾值系數(shù)和0.7的數(shù)量閾值系數(shù)時，TS評分最高為0.92，對應的POD和FAR分別為0.97和0.04，即在所有錯誤雨滴譜數(shù)據(jù)樣本中正確判斷出2 459 min數(shù)據(jù)，有72 min未能識別，同時產(chǎn)生了129 min的空報。

圖4 不同速度閾值系數(shù)和數(shù)量閾值系數(shù)下的(a)POD，(b)FAR和(c)TS

同樣使用不同的雙閾值組合計算9個站分別使用的效果，統(tǒng)計結(jié)果表明每個站點最佳TS評分的雙閾值組合存在一定差異，最佳TS評分時采用0.4的速度閾值系數(shù)和0.7的數(shù)量閾值系數(shù)站點最多，有4個站點，3個站速度、數(shù)量閾值系數(shù)組合為0.5/0.8，各有1個站采用的雙閾值系數(shù)組合為 0.4/0.6和0.6/0.8，這5個站點中有3個站點的次優(yōu)組合為0.4/0.7。9個站點的最佳TS評分除54424站外，均處于一個較好的水平，這種差異可能和站點產(chǎn)生誤報的原因相關(guān)。54424站主要是一次降雨過程中，根據(jù)0.5的速度閾值系數(shù)計算，正確粒子數(shù)量比例主要集中在0.8左右，導致產(chǎn)生較多的空報，從而整體的TS評分較低。

表5 各站最佳TS評分的速度閾值系數(shù)和數(shù)量閾值系數(shù)

2.2.2 典型個例分析

2017年5月5日，懷柔站發(fā)生一次復雜天氣過程，此次過程人工觀測記錄了浮塵、雨、大風、揚沙四種天氣現(xiàn)象，其中降雨未形成降水量。這次過程中，雨滴譜儀在06:19—06:35連續(xù)觀測到數(shù)據(jù)(第一時段)，在07:12—09:05間歇性觀測到粒子數(shù)據(jù)(第二時段)。采用0.4的速度閾值系數(shù)，對該過程的雨滴譜觀測數(shù)據(jù)進行評估，第一段時段正確粒子數(shù)量比例平均為0.97，第二時段正確粒子數(shù)量比例平均為0.58。分別統(tǒng)計兩個時段的雨滴譜粒子分布，圖5a，5b分別為第一時段和第二時段各通道粒子譜分布，第一時段的粒子分布比較符合降雨粒子分布特征，粒子直徑基本在3 mm以內(nèi)，速度也符合雨滴下落末速度特征，而第二時段的粒子分布明顯散亂，最大粒子直徑甚至達到了10～12 mm，自動氣象站觀測的極大風速也達到20.1 m·s-1，此時的粒子應為為大風揚沙天氣帶來的沙塵粒子和草葉等。該過程中同時采用0.7的數(shù)量閾值系數(shù)對逐分鐘數(shù)據(jù)進行判別(圖5c)，第一時段全部為正確降水粒子數(shù)據(jù)，第二時段中僅個別分鐘會產(chǎn)生空報。

圖5 54419站2017年5月5日(a)07時前和(b)07時后的粒子譜分布以及(c)風速和粒子比例的時間序列

2.3 質(zhì)量控制對反演降水的影響

采用最優(yōu)速度、數(shù)量閾值系數(shù)組合(0.4/0.7)對123 931 min雨滴譜數(shù)據(jù)進行質(zhì)量控制判別，其中2 510 min的錯誤雨滴譜數(shù)據(jù)中識別出2 438 min，有72 min數(shù)據(jù)未能識別，121 421 min正確雨滴譜數(shù)據(jù)中有129 min誤判為錯誤數(shù)據(jù)。將全部和經(jīng)過質(zhì)量控制的雨滴譜數(shù)據(jù)采用式(2)和式(3)計算小時降水量。

與同觀測場的翻斗雨量計小時雨量進行匹配，采用最小二乘法驗證雙閾值法質(zhì)量控制效果，圖6給出了相關(guān)性分析結(jié)果。質(zhì)量控制前后的兩組數(shù)據(jù)的斜率差異不大，但決定系數(shù)從0.757提高到0.985，表明通過雙閾值法可以有效剔除雨滴譜因外界干擾產(chǎn)生的虛假降水。質(zhì)量控制后的決定系數(shù)與二者實際降雨量的決定系數(shù)(0.984)略有改進，但差別不大，同樣線性回歸方程也差異較小，說明該質(zhì)量控制方法對于正常降雨粒子譜的識別還較為準確。

圖6 (a)質(zhì)量控制前，(b)質(zhì)量控制后與(c)實際觀測的雨滴譜儀降雨量與翻斗雨量計降雨量散點分布

翻斗雨量計和雨滴譜儀觀測的2017年4—10月期間累計降雨量，除了54431站的雨滴譜儀觀測降雨量高于翻斗雨量計觀測數(shù)據(jù)64.5%外，其他8個站質(zhì)量控制前雨滴譜儀與翻斗雨量計觀測降雨量的比例介于92.9%～105.3%，質(zhì)量控制后二者觀測降雨量的比例降為83.8%～100.7%，實際人工進行降雨過程質(zhì)量控制處理后該比例介于 84.6%～100.8%，除54431站外剔除錯誤的雨滴譜儀觀測降雨量占翻斗雨量計觀測降雨量的3.3%～19.4%。如前文所述，54431站位于大運河森林公園附近，更容易受昆蟲等活動影響造成虛假粒子譜輸出，為了減少這種極端情況對效果統(tǒng)計的影響，如果剔除54431站的觀測數(shù)據(jù)，在使用最優(yōu)速度、數(shù)量閾值系數(shù)組合(0.4/0.7)前，其余8個站質(zhì)量控制前雨滴譜儀與翻斗雨量計觀測的小時雨量決定系數(shù)為0.921，質(zhì)量控制后二者的決定系數(shù)為0.987，經(jīng)過質(zhì)量控制決定系數(shù)提高了0.066，說明即使剔除極端情況站點的數(shù)據(jù)，該方法對雨滴譜儀觀測數(shù)據(jù)質(zhì)量也有較好的提升。

表6 翻斗雨量計與雨滴譜儀觀測累計降雨量

3 結(jié)論與討論

根據(jù)北京9個氣象站的雨滴譜質(zhì)量控制方法研究，以及與翻斗雨量計對比分析得到以下主要結(jié)論：

(1)錯誤的雨滴譜觀測數(shù)據(jù)主要由霾、沙塵天氣及昆蟲活動引起，粒子速度主要在5 m·s-1以下，霾、沙塵天氣主要集中在小粒子段，昆蟲活動產(chǎn)生的粒子分布較為分散，錯誤粒子分布與正常降雨觀測的雨滴譜分布特征有較明顯區(qū)別。

(2)通過速度閾值和數(shù)量閾值的質(zhì)量控制方法，可以有效剔除錯誤雨滴譜觀測數(shù)據(jù)，對于錯誤雨滴譜觀測數(shù)據(jù)具有較高的識別率，但是空報率隨著閾值選擇變化較大，當分別采用0.4速度閾值系數(shù)和0.7數(shù)量閾值系數(shù)時，TS評分最優(yōu)，達到0.92。

(3)經(jīng)過該方法自動質(zhì)量控制雨滴譜儀觀測降水，雨滴譜儀與翻斗雨量計觀測降水量的決定系數(shù)從0.757 提高到0.985，提升雨滴譜觀測數(shù)據(jù)質(zhì)量。

本文的研究結(jié)果是基于北京9個氣象站獲得，僅針對Parsivel雨滴譜儀進行質(zhì)量控制研究，實際通過中國氣象局考核定型的降水類天氣現(xiàn)象儀有5個廠家的產(chǎn)品，還需要對其他廠家的方法適應性進行進一步的研究，也可以考慮增加電容式感雨器對雨滴譜儀進行硬件交互質(zhì)量控制。