《表3 基于1998-2017年多年平均值的不同模型的降尺度精度分析》

  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

《复杂地形下TRMM降水数据的降尺度研究：以四川省为例》

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

以41个气象站点实测数据为验证数据集，以MAE、MARE、RMSE、RMSRE和R等指标评价各模型的降尺度精度。相关系数R的值越接近1，其余评价指标的值越接近0，说明相应模型的降尺度精度越高。通过表3的分析结果可以看出，就多年平均的处理结果而言，各模型的降尺度精度由高至低为MGWRK>GRK≈Bilinear。虽然基于OLS的GRK模型综合考虑了降水、空间位置等多个高分辨率辅助信息源，但是其降尺度精度与传统的Bilinear法相比并没有明显的提升；而MGWRK模型在全局回归分析的基础上，进一步定量描述了TRMM降水与各影响因素间相互关系的空间非平稳性特征，考虑更为周全，因此其降尺度的精度要优于GRK模型及Bilinear图像重采样法:MGWRK模型的MAE值比GRK和Bilinear模型分别降低7.16和7.69，下降率分别达7.34%和7.84%；MGWRK模型的RMSE值比GRK和Bilinear模型分别降低6.93和9.55，下降率分别达5.18%和7.00%。另一方面，从各评价指标的对比可以看出，经不同模型降尺度处理后的降水数据的精度均低于TRMM原始数据，究其原因，可能是降尺度处理虽然可有效提高降水数据空间分辨率，但本质上未能改变TRMM原始降水测量值，且处理过程中存在一定的信息损失，导致处理后的精度必然有所下降。而本研究构建的MGWRK模型的结果与TRMM原始数据最为接近，也说明该模型在提升TRMM数据空间分辨率的同时，相比其它模型可以更好保持数据的准确性，将其用于四川省TRMM年降水数据的降尺度研究是可行的。