-
题名基于集成学习的多源降水产品融合——以长江流域为例
- 1
-
-
作者
邱新法
薛顺奎
曾燕
-
机构
南京信息工程大学地理科学学院
-
出处
《长江科学院院报》
2025年第11期33-41,65,共10页
-
基金
中国气象服务协会气象科技创新平台项目(CMSA2023MC022)。
-
文摘
降水是地表水循环中重要的一个环节,为获取高质量栅格降水数据,依托现行4种栅格降水产品,并考虑多种辅助变量为输入,通过多种机器学习模型及其集成模型,获了长江流域0.1°的融合降水产品,并对获取的融合降水产品性能与原始4种降水产品性能进行了比对。研究表明:①RF、CatBoost、KNN、Lasso、DTREE、XGBoost、HGBR和ETREE 8种机器学习模型性能比较而言,以RF综合表现最优;②基于不同机器学习模型组合构建的9种集成模型中,以分季集成模型ELM4-S综合表现最优,且其在综合性能上比RF有所提升;③基于ELM4-S和RF获得的长江流域融合降水产品,明显优于4种原始降水产品,同时兼备了不同原始降水产品的优点,且在降水空间分布上能够体现出降水量随地形变化的细节特点。生成的长江流域2001—2023年日降水产品,可作为高精度降水产品用于生产应用与科学研究。
-
关键词
长江流域
随机森林
集成学习
分季建模
降水融合
-
Keywords
Yangtze River Basin
random forest
ensemble learning
seasonal modeling
precipitation fusion
-
分类号
P426.6
[天文地球]
-
