基于随机森林算法的青藏高原AMSR2被动微波雪深反演

作者：王健顺,王云龙,周敏强,刘畅宇,黄晓东

摘要：青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2(Advanced Microwave Scanning Radiometer2),应用随机森林算法(Random Forest,RF)将亮温(Brightness Temperature,BT)和亮温差(Brightness Temperature Difference,BTD)作为参数输入,并将高程和纬度参数引入雪深反演模型中,经过模拟退火算法进行有效反演因子筛选,构建了基于随机森林算法的青藏高原雪深反演模型。结果表明:与AMSR2全球雪深产品相比,随机森林算法的拟合优度(R2)由0.41提升至0.60,均方根误差(Root Mean Square Error,RMSE)由7.36cm降至4.88cm,偏差(BIAS)由3.24cm减小至-0.16cm,随机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过4000m,当海拔大于青藏高原平均海拔时,随机森林算法的反演效果最差,但RMSE仅为3.78cm,BIAS仅为-0.09cm;高原南部(25°~30°N)因其复杂的地势和相对较少的气象站点使得反演效果较差,RMSE为5.94cm,BIAS为-0.39cm;青藏高原的主要土地覆盖类型为草地,随机森林算法在草地的RMSE约为3cm,BIAS接近0cm。

发文机构：兰州大学草地农业生态系统国家重点实验室/草地农业科技学院 南京信息工程大学地理科学学院

关键词：随机森林算法青藏高原雪深反演AMSR2random forest algorithmTibetan Plateausnow depth retrievalAMSR2

分类号： P426.635[天文地球—大气科学及气象学]