基于高斯过程回归算法的广东省降水量空间预测研究

Research on Spatial Prediction of Precipitation in Guangdong Province Based on Gaussian Process Regression Algorithm

广东省主要的地形类型包括山地、丘陵、台地和平原,地形类型复杂多样,气候系统活跃。以广东省2020年84个地面雨量站观测的年降水量为因变量,以海拔、坡度、坡向、经度、纬度和经纬度乘积为协变量,使用高斯过程回归(GPR)算法构建降水量空间预测模型进而生成研究区1 km分辨率的降水栅格面;预测得到广东省2020年降水量范围介于1049~2557 mm,统计平均值为1862 mm,空间上呈现自珠三角向周边递减分布特征,这与站点资料统计特征一致;GPR模型预测精度R^(2)达0.79,而MAE和RMSE为179.81、223.58 mm,并且散点图中的离散度较低,显示了GPR模型优秀拟合能力;基于GPR算法与地面站点资料的广东省降水量空间预测具有较高的精度,可为未来的降水量空间预测提供参考。