基于机器学习模型的关中地区GPM_IMERG降水数据订正方法

针对GPM_ IMERG降水数据存在系统误差的问题,以关中地区为例,在筛选海陆位置、地形、植被指数(NDVI)变量的基础上,运用支持向量机(SVM)、随机森林(RF)、高斯过程回归(GPR)模型对IMERG月降水数据进行订正,并通过34个站点数据验证订正模型.结果 表明,关中地区IMERG数据具有良好的可替代性,其决定系数R2达0.76,平均绝对误差MMAE、均方根误差RRMSE分别为6.94、9.77 mm;经机器学习模型订正后星地数据之间的R2提升了2.05％～58.33％,RRMSE、MMAE分别降低了0.85％～71.23％、0.10％～73.47％;与GPR、RF模型相比,SVM模型的RRMSE、MMAE分别减小16.76％、9.76％和24.73％、14.11％,对IMERG数据订正具有更好的适用性.