中国区域年降水空间分布高精度曲面建模

论文利用781个采样站点的降水数据(中国大陆729个气象台站1951—2002年间月降水观测数据、台湾地区25个站点1971—2000年年均降水数据、世界"雨极"乞拉朋齐年均降水量以及中国西部增设的26个虚拟站点模拟数据),选取有效的敏感性解析因子经纬度、高程、坡向修正系数与地形开阔度等,建立累年平均降水与相关解析因子之间的多元回归方程(降水总体趋势)。并对于回归拟合后与局部变化有关的"随机指示项",采用HASM算法进一步插值处理。模型充分考虑其他地理环境因子的影响,在采样点稀疏区域使用虚拟站点辅助模拟,克服了传统模拟方法完全依赖观测站点实测资料,在站点稀疏区域等雨量线走向主观性的缺点;模型模拟结果既突出空间分布的总体趋势,也反映局地细节变化。     

基于时空XGBoost的中国区域PM2.5浓度遥感反演

为了提高PM_2.5估算精度,获得连续的PM_2.5浓度空间分布,本文提出了一种时空XGBoost模型（STXGB）.STXGB模型引入克里金法,将地理信息和时间信息融合到XGBoost算法体系中,通过集成遥感数据、气象数据和地理信息数据建立了基于STXGB模型的PM_2.5质量浓度空间估算方法.最后,以2019年中国区域PM_2.5质量浓度月数据为例,采用基于样本、站点和时间的十折交叉验证法,评估了STXGB模型的性能,并与BP神经网络（BPNN）、随机森林（RF）、XGBoost、反距离加权XGBoost （XGBIDW）模型结果进行对比.结果表明,STXGB模型的预测精度优于其它模型,其中,STXGB模型验证的决定系数为0.92,均方根误差为6.51 μg·m^-3,平均预测误差为4.26 μg·m^-3,利用该模型生成的中国区域PM_2.5浓度空间分布更为合理.