《表2 降尺度前后精度对比》

  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TRMM降水产品降尺度研究——以中国东北地区为例》

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

由图4可知，深度学习模型预测的降尺度降水量与实测降水量之间存在显著的线性相关关系，相比原始TRMM产品更接近实测降水量，说明深度学习降尺度模型有较高的拟合度。降尺度前后精度对比如表2所示，降尺度降水量的决定系数R2在各月份都不同程度高于TRMM降水量，降尺度前R2在0.784～0.879之间，降尺度后R2在0.817～0.935之间，其中4月和7月的R2提升较大。降尺度前，RMSE介于2.819～20.960 mm之间，MRE介于12.37%～79.76%之间，经过降尺度操作后，预测降水量与实测降水量的误差得到有效降低，预测精度得到了提升。RMSE降低至2.503～16.870 mm，MRE降至10.28%～71.31%，各月均有不同程度的降低。这是因为站点实测数据仅记录以站点为中心区域的降水，数据描述范围有限，而经降尺度操作后的降水空间分辨率由0.25°（约26 km）提升至0.01°（约1 km），这与实际站点的描述范围更加匹配，因此降尺度降水量与实际降水量的拟合度和精度更高。