基于集成学习的多源降水产品融合——以长江流域为例

作     者：邱新法 薛顺奎 曾燕 

作者机构：南京信息工程大学地理科学学院 南京气象科技创新研究院中国气象局交通气象重点开放实验室 

出 版 物：《长江科学院院报》 (Journal of Changjiang River Scientific Research Institute)

年 卷 期：2025年

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：中国气象服务协会气象科技创新平台项目(CMSA2023MC022) 

主　　题：长江流域 随机森林 集成学习 分季建模 降水融合 

摘      要：本研究生成的长江流域2001-2023年日降水产品，可作为高精度降水产品用于生产应用与科学研究。从数据源上看，收集了处理了大量的基础数据和实测数据，集成机器学习的做法提高一定的精度，并降低了误报率，可以作为长江流域研究数据的成果。研究表明：（1）RF、CatBoost、KNN、Lasso、DTREE、XGBoost、HGBR和ETREE 8种机器学习模型性能比较而言，以RF综合表现最优；（2）基于不同机器学习模型组合构建的9种集成模型中，以分季集成模型ELM4-S综合表现最优，且其在综合性能上比RF有所提升；（3）基于ELM4-S和RF获得的长江流域融合降水产品，明显优于4种原始降水产品，同时兼备了不同原始降水产品的优点，且在降水空间分布上能够体现出降水量随地形变化的细节特点。