基于深度學習的多源降水數(shù)據(jù)融合方法及其應(yīng)用

打開文本圖片集

摘要：

準確的水文模擬依賴于可靠的降水數(shù)據(jù)，遙感降水產(chǎn)品是對地面觀測站點空間代表性差的有效補充，但其精度仍需進一步改進。為獲得更高精度的降水數(shù)據(jù)，提出了一種時空動態(tài)數(shù)據(jù)融合方法，其結(jié)合了基于長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)的空間插值方法與動態(tài)貝葉斯模型平均（DBMA）數(shù)據(jù)融合方法。基于該方法將IMERG-E遙感降水數(shù)據(jù)和地面站點觀測降水數(shù)據(jù)進行了融合，并以湘江流域為例，通過評估融合降水數(shù)據(jù)的精度及在水文模擬中的應(yīng)用驗證該方法的可靠性以及融合降水產(chǎn)品的精度。（剩余29548字）