《表1 3种方法的平均误差对比》

  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

《结合HASM和GWR方法的省级尺度近地表气温估算》

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

模型精度验证结果表明，就全年月平均气温估算结果（表1）来看，HASM-GWR模型具有最高精度。该模型的MAE的估算精度相对OLS、GWR分别提高了0.23℃、0.13℃；MRE分别提高了2.2%、1.74%；RMSE则相对于另外2种方法误差降低了25.42%、39.83%。精度验证结果表明（表2)，3种方法的精度由大到小依次为：HASM-GWR>GWR>OLS。其中，考虑了空间位置信息的多因子地理加权回归方法相对于基于最小二乘法的多因子普通线性回归进一步提高了估算精度。同时，从每月的估算结果来看，基于HASM-GWR模型的估算残差90%介于-2～2℃，72%介于-1～1℃之间；基于OLS模型的残差86%介于-2～2℃，64%介于-1～1℃之间；而基于GWR模型则有84%、71%的气象台站实测气温估算误差在-2～2℃、-1～1℃之间。