第七届青年地学论坛

实时卫星降水产品广泛应用于洪水干旱监测与预警。然而，由于缺乏地面校正，实时产品有很大的误差。本研究以全球降水观测（global precipitation measurement，GPM）IMERG产品为例，利用机器学习算法，结合云的信息，在保持产品实时性的同时提高产品的精度。支持向量机（support vector machine，SVM），随机森林（random forest，RF），人工神经网络（artificial neural network，ANN），极限梯度加速（Extreme Gradient Boosting，XGB）等四种机器学习算法，用于构建实时降水产品校正模型。东江流域和汾河流域的应用实例表明，所有四种机器学习算法都能提高卫星产品的精度。相较于原始IMERGE实时产品（IMERG-early），东江流域校正后产品的均方根误差（root mean square error，RMSE）减少了53%-60%。汾河流域产品质量提高的幅度更大，RMSE减少了63%-66%。校正后的产品质量甚至高过IMERG最终产品（IMERG-final）。属性重要性分析（feature importance analysis）表明，云的高度和亮温是提高卫星降水产品精度最重要的信息，大气反射率和地表温度也有重要作用。本研究提出的算法简单易用，算法生成的产品可为全球提供实时高精度的卫星降水数据，为诸如洪水监测的水文应用提供基础。

机器学习，卫星降水，支持向量机，随机森林，人工神经网络，随机森林