集合卡尔曼滤波与随机森林算法在异源遥感降水数据同化融合中的应用

摘要：

为减小异源遥感降水产品的非均质误差,提出集合卡尔曼滤波(EnKF)联合随机森林(RF)的数据同化融合算法,选取长江流域5种遥感降水产品(ERA5、TerraClimate、GPM、TRMM和PERSIANN-CDR),在分析星地降水数据一致性的基础上,进行EnKF-RF数据同化与融合处理,并利用独立气象站点评估其精度.结果表明,异源产品在长江流域降水量捕捉精度为 TRMM＞GPM＞TerraClimate＞PERSIANN-CDR＞ERA5;各产品经EnKF同化后的精度纳什效率系数NNSE增至0.93～0.96,均方根误差RRMSE 降至89.48～176.03 mm,较未同化前的NNSE提升11.46%～22.34%、RRMSE减小96.35%～122.60%;RF融合进一步改进了单一源降水产品可靠性,融合后产品精度NNSE达0.99、RRMSE 为43.56 mm;异源降水数据的EnKF-RF同化融合策略减少了单一源降水产品的误差,在长江流域乃至全球尺度具有较大应用潜力.

关键词：数据同化、数据融合、多源异构、遥感降水产品

所属期刊栏目：42

分类号：TV125(水利工程基础科学)

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：11-16