基于深度学习的无资料地区多源降水融合与性能综合评估

为研究卫星-地面站点降水融合校正对遥感降水数据在无资料地区水文应用的意义,构建了考虑时空因素的深度神经网络(CNN-LSTM)融合模型,结合地形因子和气象站点实测资料对渫水流域TRMM 3B42遥感数据进行融合校正,并定量评估校正后的日降水误差。结果表明,经过CNN-LSTM模型校正后的降水数据精度有所提高,其与站点降水资料的相关系数在0.65以上,均方根误差、平均绝对误差、探测率分别比原始TRMM数据精度提升4.01%、8.09%、16.61%,且校正后的数据明显低估了降水;在不同雨强条件下遥感融合校正降水精度表现良好,但对于暴雨事件探测的精度仍有待提高。