期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习与星地融合的西南高山峡谷区全球降水测量日降水产品降尺度研究
1
作者 甘宇诗 李月臣 +2 位作者 王莉红 秦伟 丁琳 《生态学报》 北大核心 2025年第14期6678-6690,共13页
高质量的网格化降水数据对水文、气象和生态学等的研究至关重要。然而,高山峡谷区域因地形起伏剧烈、局地气候效应显著,导致降水空间分布复杂,同时受季风、水汽输送和地形影响,降水呈现明显的季节性和年际波动。因此,仅依赖稀疏站点插... 高质量的网格化降水数据对水文、气象和生态学等的研究至关重要。然而,高山峡谷区域因地形起伏剧烈、局地气候效应显著,导致降水空间分布复杂,同时受季风、水汽输送和地形影响,降水呈现明显的季节性和年际波动。因此,仅依赖稀疏站点插值得到的网格化降水数据可靠性不高。卫星降水产品虽能提供大范围观测,但分辨率低且存在偏差,无法直接应用于具有显著时空异质性的高山峡谷区。为此,融合站点观测数据对卫星降水产品进行降尺度已成为获取这些区域准确降水信息的有效方法。研究选择先利用站点数据对卫星降水产品进行校正,再通过随机森林(RF)、极限梯度提升树(XGBoost)和长短期记忆网络(LSTM)机器学习算法进行降尺度,最终将西南高山峡谷区全球降水测量(GPM)日降水产品的空间分辨率从0.1°提升至0.01°(约为1 km)。研究结果表明:(1)利用站点观测数据对GPM原始降水产品进行校正对降尺度研究具有积极作用;(2)3种降尺度结果均保留了GPM降水图原有的空间分布格局,显著改善了降水的空间细节,并且可以在不降低精度的情况下有效地提高降水产品的空间分辨率,整体精度为LSTM>RF>XGBoost>GPM;(3)地理位置(经度和纬度)和气象因子(水汽、LST和风向)是影响研究区域降水降尺度最重要的因素。研究为地形复杂且站点匮乏的地区提供了一种有前景的高质量网格化降水数据生成方案。 展开更多
关键词 全球降水测量(GPM) 日降水 校正 机器学习 空间降尺度 西南高山峡谷区
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部