《表5 单一研究区训练的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

注：黄色标识的数字为降尺度模型所产生的最佳结果。

由表5可发现，在单一研究区训练的RRF模型应用在自身研究区的时候，检验结果的RMSE基本都达到最优的水平，最小的RMSE出现在研究区（7）为0.84 K，相对较大的出现在研究区（6）（2.92 K）和研究区(10）（3.73 K）。影响该检验结果差异的因素来自于多个方面，其中最重要的部分在于研究区地表类型的复杂程度以及训练数据和参考数据的数据质量和相关性，这些因素将影响该研究区地表温度降尺度结果与参考数据之间的均方根误差大小。如表1所示，研究区(6）位于新疆西北部地区，主要地表类型为裸地和植被，而研究区（10）位于青藏高原区域，主要地表类型为裸地，由于这2个研究区域与其他区域的地表和大气状况与其他区域差异较大，因此，当用其他研究区训练的模型用于本地的降尺度时，RMSE差异相对比较明显。