中国自然资源航空物探遥感中心主办
地质出版社出版
高级检索

基于深度学习的TRMM降水产品降尺度研究 ——以中国东北地区为例

,  , 

文章导航 > 自然资源遥感 > 2020 > (4): 145-153

上一篇

下一篇

杜方洲, 石玉立, 盛夏. 基于深度学习的TRMM降水产品降尺度研究——以中国东北地区为例[J]. 自然资源遥感, 2020, (4): 145-153. doi: 10.6046/gtzyyg.2020.04.19
引用本文: 杜方洲, 石玉立, 盛夏. 基于深度学习的TRMM降水产品降尺度研究 ——以中国东北地区为例[J]. 自然资源遥感, 2020, (4): 145-153. doi: 10.6046/gtzyyg.2020.04.19
shu
DU Fangzhou, SHI Yuli, SHENG Xia. Research on downscaling of TRMM precipitation products based on deep learning:Exemplified by northeast China[J]. Remote Sensing for Natural Resources, 2020, (4): 145-153. doi: 10.6046/gtzyyg.2020.04.19
Citation: DU Fangzhou, SHI Yuli, SHENG Xia. Research on downscaling of TRMM precipitation products based on deep learning:Exemplified by northeast China[J]. Remote Sensing for Natural Resources, 2020, (4): 145-153. doi: 10.6046/gtzyyg.2020.04.19
shu

基于深度学习的TRMM降水产品降尺度研究 ——以中国东北地区为例

  • 南京信息工程大学遥感与测绘工程学院,南京 210044

  • 南京信息工程大学遥感与测绘工程学院,南京 210044

  • 南京信息工程大学遥感与测绘工程学院,南京 210044

  • 基金项目:

    国家自然科学基金项目"异速增长和资源限制模型结合多源遥感数据估算森林地上生物量研究"

详细信息

  • 中图分类号: TP79

Research on downscaling of TRMM precipitation products based on deep learning:Exemplified by northeast China

    摘要
  • 降水的季节性时空分布研究对东北地区的生态保护和农业生产有重要意义.基于植被指数、地形因子与降水的相关性,采用深度学习模型,对2009—2018年10 a间平均1,4,7,10月TRMM_3B43产品降尺度至0.01°(约1 km),使用站点实测数据进行精度校正,并填补TRMM未覆盖的50°N以上地区.结果表明,该模型效果优于随机森林,可有效获得各季节较高空间分辨率与精度的研究区域降水分布,校正后全局决定系数R2介于0.881~0.952之间,均方根误差介于1.222~13.11 mm之间,平均相对误差介于7.425%~28.41%之间,其中4月和10月份拟合度较好,1月和7月份相对稍差.
    • HTML全文
  • 加载中
    • 相关文章
  • 施引文献
  • 资源附件(0)
  • 加载中
计量
  • 文章访问数:  401
  • PDF下载数:  42
  • 施引文献:  0
出版历程
刊出日期:  2020-12-15

目录

    版权所有：中国地质调查局发展研究中心 copyright @2020
    返回