基于星地多源数据与GA-DNN模型的江苏省GPM产品降尺度研究

作者：徐秀丽; 张艺铭; 张俊瑞; 张彩云; 吴泽雄

来源：水电能源科学, 2021, 39(10): 18-62.

• 降水量
• GA-DNN模型
• 变量优化
• 降尺度

针对GPM降水产品低空间分辨率的缺陷,基于多源环境数据提取了表征区域地形、水汽、地表覆被、海陆位置等20个辅助变量,采用遗传算法(GA)提取最相关变量做为降尺度因子,运用深层神经网络(DNN)算法建立2019年江苏省GPM逐月产品的降尺度模型,并利用地面站点数据进行验证。结果表明,GA算法能很好地排除冗余信息、约简降尺度模型;基于地面资料的独立验证表明降尺度后数据的决定系数R2介于0.43～0.93之间,相对误差MRE在7.47%～23.77%之间,平均绝对误差MAE、均方根误差RMSE分别为2.18～26.84、3.23～29.54mm;与GPM原始产品相比,降尺度后的平均R2增加了0.05,MAE、RMSE分别减小了1.44、2.04mm,MRE降低了2.97%。提出的GA-DNN降尺度模型可为粗级降水产品的精细化提供技术参考。

• 单位
  江苏省水文水资源勘测局