排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
气象站点观测降水难以精确反映降水时空分布与变化,而雷达降水存在复杂地形区域精度不高等问题。为了最大限度发挥两者的优势,文章以广东省北部山区为研究区域,选择2018-08-26—30一次暴雨过程为研究对象,结合地形、与海岸线距离、植被指数、经纬度等地表辅助参量,分析地面站点降水与地表辅助参量、雷达降水的相关关系,利用XGBoost算法与克里金插值方法,构建地面-雷达日降水数据融合模型,得到了空间分辨率为1 km的日降水融合数据集。此外,采用多元线性回归（LM）与克里金插值方法,实现了地面-雷达日降水数据的融合,并利用地面降水数据分别对XGBoost与LM日降水融合性能进行精度验证。结果表明：1）地面降水与雷达降水存在显著的正相关,地面降水与地表辅助参量之间的相关性随时间变化;2）XGBoost预测精度整体上高于LM预测结果;经模型残差校正后,XGBoost融合模型的精度整体上优于LM融合模型,这是因为XGBoost方法在捕捉地面降水与地表辅助参量、雷达降水之间关系性能上优于LM方法。 相似文献
2.
以广东省北部山区2018年汛期强降水时段4月23—28日龙舟水、5月7—11日龙舟水和9月16—17日台风“山竹”3次典型暴雨过程的逐时降水为研究对象,研究基于XGBoost算法与地统计学理论的地面观测-前两个时刻逐时降水-雷达-卫星遥感的多源逐时降水融合模型,充分考虑相邻时刻降水的时间相关性,得到空间分辨率为1 km的逐时降水融合数据。此外,分别利用XGBoost与随机森林(RF)算法进行不考虑降水时间相关性的地面观测-雷达-卫星遥感逐时降水融合对比试验,并对试验结果进行精度评价。结果表明：(1) 在3次暴雨过程中,三种融合模型的逐时降水融合结果具有类似的空间分布;(2) 与XGBoost和RF逐时降水融合结果相比,融合了降水时间相关性的逐时降水融合结果在不同暴雨过程的准确性均有明显改进,3次暴雨过程的决定系数(R2)平均提高了7.89%和23.27%;(3) XGBoost逐时降水融合模型的精度整体上优于RF逐时降水融合模型,3次暴雨过程的R2分别提高了7.1%、4.3%和31.4%。 相似文献
1