报告详情
基于机器学习的中国区域多源降水产品融合算法研究
编号：3499
访问权限：仅限参会人
更新：2024-04-13 20:48:15 浏览：1424次
口头报告
报告开始：2024年05月19日 10:52（Asia/Shanghai）
报告时间：10min
所在会场：[S14] 主题14、水文地球科学 [S14-5] 主题14、水文地球科学 专题14.10、专题14.14（19日上午，B2鹭江厅VIP4）
暂无文件
摘要
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。
关键词
机器学习,降水,多源降水融合,中国区域
报告人
雷华锦
讲师 西华大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
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
联系方式
- 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********
发表评论