good-turing平滑方法评价_一种用于融合实测和基于模型土壤湿度数据的先进误差校正方法 三...

融合参数测定

• CDF-Obs的计算

CDF-Obs是一个累积正态分布函数，可以用两个矩进行参数化: 一阶矩(均值)，二阶矩(方差，在本研究中用标准差代替)。土壤湿度序列的CDF通常是利用一组累积概率和相应土壤湿度值的分段线性回归方程来构造的。然而，分段CDF匹配不适用于有限构件观测的土壤湿度系列。因此，采用CDF拟合方法获取CDF- obs。通常，观测的土壤湿度系列假定为正态分布。偏度系数和峰度系数常用于检验温度、降水和径流等水文序列的正态性。然而，这种方法对于本研究中观测的土壤湿度序列来说过于复杂和严格。

因此，采用一种简单的ND检验方法来评价观测土壤湿度序列的正态性。当拟合误差小于某一阈值时，可以认为数据序列服从拟正态分布。ND拟合误差定义为观测土壤湿度序列与对应的ND(利用最小二乘法拟合的土壤湿度序列)之间的平均绝对相对误差(MARE(观测平均值归一化的平均绝对误差)。利用最小二乘法拟合土壤湿度序列与相应的ND-拟合土壤湿度序列之间的关系，拟合误差阈值为MARE的0.15。612个台站90.3%的观测序列平均绝对相对误差为拟正态分布。

平均绝对相对误差分布图

因此，612个站点的CDF-Obs，可以定义为: