《表6 RRF模型在不同研究区的检验结果的误差分布》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林算法的地表温度鲁棒降尺度方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表6展示了多个研究区联合训练RRF与单个研究区训练的RRF在不同研究区的检验结果。如表6所示，多个研究区联合训练的RRF模型的RMSE的分布在0.83～3.75 K之间。相比于单个研究区训练的最优结果，多个研究区训练的RRF模型与单个模型训练的最佳结果之间的差值非常小，几乎低于0.1 K，大部分研究区（如研究区（3）、（4）和（5）等）甚至优于单个模型训练的最佳结果，由此可见改变训练策略后，RRF模型的泛化能力能够进一步增强，鲁棒性更加明显，多个研究区都能达到令人满意的降尺度效果。