Presentation Details
基于机器学习的中国区域多源降水产品融合算法研究
ID：3499
View Protection：ATTENDEE
Updated Time：2024-04-13 20:48:15 Hits：2070
Oral Presentation
Start Time：2024-05-19 10:52（Asia/Shanghai）
Duration：10min
Session：S14 主题14、水文地球科学 »
No files
Abstract
尽管许多具有高时空分辨率的多源降水产品（MSPs）在水循环研究中已得到广泛应用，但它们仍然存在各种不确定性。为降低这一不确定性，本研究发展了一种基于机器学习（GBDT、XGBoost和RF）的多源降水两步融合策略。研究考虑了多种环境变量和空间自相关对降水的影响，分别建立降水识别模型和降水定量估计模型，将六种主流的MSPs（GSMaP，IMERG，PERSAINN-CDR，CMORPH，CHIRPS和ERA5-Land）与观测站点进行融合，以提高中国区域的降水精度。相较于原始产品，融合数据的相关系数可达 0.85，均方根误差降低了 16%-52%，KGE提高了15%-85%。融合算法缩小了降水产品在不同时间和空间上的精度差异。相较于传统方法，本研究提出的融合算法精度更优，鲁棒性更强，即使在站点密度很低的情况下，也能获得较好的融合结果。
Keywords
机器学习,降水,多源降水融合,中国区域
Speaker
雷华锦
讲师 西华大学Submission Author
All Comments
Important Date
-
Conference Date
May 17
2024
toMay 20
2024
-
Mar 31 2024
Draft paper submission deadline
-
Mar 31 2024
Contribution Submission Deadline
-
May 20 2024
Registration deadline
Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
Submit Comment