利用集合深度学习方法融合多源数据开发全国能见度网格数据

摘要

能见度对于生产生活安排具有重要的指导意义,目前我国的能见度监测网络站点覆盖相对稀疏,观测数据具有空间离散性和局地性.利用集合深度学习模型融合多源数据估计能见度,该集合模型包括了深度神经网络模型、随机森林模型、梯度强化模型和广义线性模型四种机器学习器,融合了气象观测、大气成分观测、模式模拟和土地利用类型等多源数据,并利用Barnes客观分析进一步消除深度学习融合误差,开发出空间连续的能见度网格数据集.该数据的空间分辨率为12 km,经过独立样本评估,融合数据的R2为0.61.相比较于空间插值和线性模型等方法,提出的方法具有更好的准确度,且具有很好的空间解析力,可进一步用于开发更高分辨率数据.该方法具有较高的计算效率和较好的数据兼容性,可以部署于业务化平台中可靠运行.