基于機器學習的高精度高分辨率氣象因子時空估計
作者：方穎; 李連發 中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室; 北京100101; 中國科學院大學; 北京100049
摘要：氣象變量常作為重要的影響因子出現在環境污染、疾病健康和農業等領域,而高分辨率的氣象資料可作為眾多研究的基礎數據,對推進相關研究的發展意義重大。本文以中國大陸為研究區域,利用2015年824個氣象站點的氣溫、相對濕度和風速3套數據,結合不同的解釋變量組合,分別構建了各自的GAM和殘差自編碼器神經網絡(簡稱殘差網絡)模型,以10倍交叉驗證判斷模型是否過擬合。研究結果表明:①GAM和殘差網絡方法都不存在過擬合問題,同GAM相比,殘差網絡顯著提高了模型預測的精度(3個氣象因素的交叉驗證CV R~2平均提高了0.21,CV RMSE平均降低了37%),其中相對濕度模型的提升幅度最大(CV R~2:0.85 vs. 0.52,CV RMSE:7.53%vs. 13.59%);②殘差模型的結果較普通克里格插值結果和再分析資料更接近站點觀測數據,表明殘差網絡可作為高分辨率氣象數據研制的可靠方法。此外,研究還發現在相對濕度模型中加入臭氧濃度和氣溫、在風速模型中加入GLDAS風速再分析資料,可提升模型的性能。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
地球信息科學學報雜志
地球信息科學學報雜志， 月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創新性，刊載內容涉及的欄目：綜述、地球信息科學理論與方法、地理空間分析綜合應用、遙感科學與應用技術、學苑動態等。于1996年經新聞總署批準的正規刊物。
- 北大期刊
- CSCD期刊
- 統計源期刊
- 1-3個月審核
