《表4 不同降尺度模型在不同子研究区交叉检验误差统计结果》
为了更直观地反映3种模型对训练数据和预测数据的过拟合问题,降尺度模型用于自身训练区以及其他区域的RMSE误差对比,如图7所示。由该图可见,无论是子研究区A训练的降尺度模型用于子研究区B,还是子研究区B训练的降尺度模型用于子研究区A,3种模型的RMSE均有所增大,尤其是TsHARP模型的RMSE增大较为明显。这说明考虑的降尺度因子较为单一的时候,容易存在过拟合的现象,这就导致了传统的TsHARP或者Basic-RF地表温度降尺度模型并不能很好地应用至其他区域。研究结果表明,模型的泛化能力与能否有效表征地表状态密切相关。当所采用的尺度因子能够充分表示某一区域不同地表状况时,降尺度模型的泛化能力也将得以提升。考虑到对于子研究区A和B,RRF模型地表温度降尺度结果的RMSE相差很小(低于0.2 K),明显低于TsHARP和Basic-RF这2种降尺度模型,由此可见RRF模型的鲁棒性比较理想。
图表编号 | XD00150401400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 李婉、牛陆、陈虹、吴骅 |
绘制单位 | 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国科学院大学资源与环境学院、中国自然资源航空物探遥感中心、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国科学院大学资源与环境学院 |
更多格式 | 高清、无水印(增值服务) |