多種特征因子結合GBDT的降水數(shù)據(jù)降尺度方法研究

摘要： 結合增強型植被指數(shù)(EVI)、大氣可降水量(PWV)、地表溫度(LST)、坡度(Slope)、坡向(Aspect)、海拔(Altitude)及經(jīng)緯度(LON,LAT)提出了一種基于機器學習算法結合站點數(shù)據(jù)校正的降尺度框架.分析了前饋神經(jīng)網(wǎng)絡(FNN)、隨機森林(RF)、梯度提升決策樹(GBDT)在長江流域GPM IMERG數(shù)據(jù)空間降尺度過程中的魯棒性差異;考慮了2001—201...