Sensores de vídeo amplamente distribuídos registram continuamente informações sobre precipitação, e a estimativa de dados de chuva com alta resolução espaço-temporal baseada em sensores de vídeo tornou-se uma das abordagens de estimativa de precipitação mais promissoras atualmente. No entanto, devido à complexidade e variabilidade dos dispositivos sensores e dos cenários de vídeo, a qualidade dos dados de chuva invertidos por diferentes sensores de vídeo pode variar bastante, sendo necessário processá-los para garantir a qualidade dos dados invertidos. Inspirado pela primeira lei da geografia, e considerando as informações espaço-temporais entre os nós na rede de sensores de vídeo como restrição, propõe-se um modelo de controle de precisão da inversão de precipitação cooperativa entre nós de vídeo (Precision Control Model, PCM). O modelo PCM, por meio da verificação mútua das informações de precipitação entre os nós de vídeo, parte das características de consistência espaço-temporal do evento de precipitação, consistência de situação e correlação para construir um método de filtragem de múltiplos níveis para a inversão de precipitação, visando alcançar uma expressão de alta precisão dos eventos de precipitação. Os resultados experimentais mostram que em diversos cenários de precipitação, o modelo PCM pode melhorar efetivamente a precisão e estabilidade da inversão de precipitação. A média do erro relativo da intensidade da precipitação (Rainfall Intensity, RI) é reduzida em cerca de 14,85% em cenários de chuva leve e moderada, e cerca de 19,90% em cenários de chuva forte; o desvio padrão do erro relativo do RI é reduzido em cerca de 40,87% em cenários de chuva leve e moderada, e cerca de 40,96% em cenários de chuva forte, podendo apoiar a produção de dados de chuva de alta qualidade.

inversão de precipitação;sensores de vídeo;cooperação entre nós;controle de precisão;restrições espaço-temporais