《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》
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。
图表编号 | XD00220132400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 周佳、赵亚鹏、岳天祥、卢涛 |
绘制单位 | 中国科学院成都生物研究所中国科学院山地生态恢复与生物资源利用重点实验室生态恢复与生物多样性保育四川省重点实验室、中国科学院大学、中国科学院大学、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、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、中国科学院成都生物研究所中国科学院山地生态恢复与生物资源利用重点实验室生态恢复与生物多样性保育四川省重点实验室 |
更多格式 | 高清、无水印(增值服务) |