《表1 0.5°×0.5°分辨率产品向0.25°×0.25°分辨率产品转换统计结果》

  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

《基于深度学习的数值模式降水产品降尺度方法》

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

选用2019年7月共744个时次的数据作为测试数据，深度学习模型经训练后得到模型参数。表1为源资料为0.5°×0.5°分辨率，目标资料为0.25°×0.25°分辨率的双三次插值、单时次模型和多时次模型的MAE误差和MSE误差；表2为源资料为1°×1°分辨率，目标资料为0.25°×0.25°分辨率的双三次插值、单时次模型和多时次模型的MAE误差和MSE误差。从两种分辨率转换试验的统计结果中可发现，基于深度学习的单时次模型方法和多时次组合模型方法在各个指标上均取得了比双三次插值更好的降尺度重构效果，说明基于深度学习的方法具备提取历史空间相关性的能力。基于多时次组合模型的方法较之单时次模型方法在各个指标上又有所提高，说明多时次组合模型在一定程度上具备提取时间相关性信息的能力。