首页|基于随机森林与多源遥感数据的青海省降水空间分布

基于随机森林与多源遥感数据的青海省降水空间分布

扫码查看
原文链接
  • 万方数据
  • 维普
基于青海省56个气象站点2000-2012年平均年降水资料,在地理信息技术支持下提取由地形(T)变量(DEM、坡度、坡向、曲率、起伏度)、地表覆被(V)变量(归一化植被指数NDVI、植被初级生产力NPP)和海陆位置(L)变量(经度、纬度、经纬度乘积)等10个因子构成的协变量集,运用随机森林(Randomforest,RF)算法建立区域降水量空间预测模型.结果表明,RF算法结合多元协变量集能实现区域降水量精确预测.十折交叉验证显示,不同输入变量条件下RF拟合的降水量预测模型性能排序为:T+V+L＞T+L＞L＞L+V＞T+V＞T＞V,其中T+V+L和T+L模型的R2达到0.893、0.892,RMSE仅为 12.31、13.55 mm,比其他模型的R2提高了 0.028～0.102,RMSE 降低了 1.24～12.95 mm,能满足区域降水量空间精细估计.旨在为低密度气象站点分布区的降水量空间分布式信息获取提供新的技术参考.
Spatial Distribution of Precipitation in Qinghai Province Based on Randomforest and Multivariate Remote Sensing Data

侯方国、王化光

展开 >

河南测绘职业学院,河南郑州450015

西南交通大学,四川成都614200

随机森林 遥感 降水分布

2022

10.3969/j.issn.1000-2324.2022.01.015

山东农业大学学报(自然科学版)
山东农业大学

山东农业大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.565
ISSN：1000-2324
年,卷(期)：2022.53(1)
  • 1
  • 6