基于星地融合数据与随机森林算法的青海省降水量时空分布特征分析

针对低密度气象站点分布区降水量空间信息提取精度不高及卫星遥感降水产品空间分辨率粗糙问题,以2020年青海省逐月GPM产品为例,在地理信息技术支持下生成由地形(DEM、坡度、坡向、曲率、起伏度)、地表覆被(NDVI、NPP)、海陆位置(经度、纬度)和水汽等10个因子构成的环境协变量集,运用随机森林(Randomforest,RF)算法对GPM数据进行精细化融合,并基于56个气象站点资料对融合精度进行独立验证。结果表明,该融合模型能克服GPM产品分辨率粗糙问题,实现区域降水量时空尺度精细化;协变量对模型精度有重要影响,在地形起伏度小、大气水含量低的地区具有更高融合精度;研究区降水量时空分布不均衡,降水中心在1～8月呈逆时针移动,在9～12月呈顺时针移动。