基于隨機森林算法的青藏高原AMSR2被動微波雪深反演

作者：王健順,王云龍,周敏強,劉暢宇,黃曉東

摘要：青藏高原因其復雜的地形地勢和和積雪分布使得多種雪深算法未達到理想的精度。基于新一代被動微波數據AMSR2(Advanced Microwave Scanning Radiometer2),應用隨機森林算法(Random Forest,RF)將亮溫(Brightness Temperature,BT)和亮溫差(Brightness Temperature Difference,BTD)作為參數輸入,并將高程和緯度參數引入雪深反演模型中,經過模擬退火算法進行有效反演因子篩選,構建了基于隨機森林算法的青藏高原雪深反演模型。結果表明:與AMSR2全球雪深產品相比,隨機森林算法的擬合優度(R2)由0.41提升至0.60,均方根誤差(Root Mean Square Error,RMSE)由7.36cm降至4.88cm,偏差(BIAS)由3.24cm減小至-0.16cm,隨機森林雪深反演模型在青藏高原的精度更高;青藏高原平均海拔超過4000m,當海拔大于青藏高原平均海拔時,隨機森林算法的反演效果最差,但RMSE僅為3.78cm,BIAS僅為-0.09cm;高原南部(25°~30°N)因其復雜的地勢和相對較少的氣象站點使得反演效果較差,RMSE為5.94cm,BIAS為-0.39cm;青藏高原的主要土地覆蓋類型為草地,隨機森林算法在草地的RMSE約為3cm,BIAS接近0cm。

發文機構：蘭州大學草地農業生態系統國家重點實驗室/草地農業科技學院 南京信息工程大學地理科學學院

關鍵詞：隨機森林算法青藏高原雪深反演AMSR2random forest algorithmTibetan Plateausnow depth retrievalAMSR2

分類號： P426.635[天文地球—大氣科學及氣象學]