基于星地数据与GA-DNN算法河北省径流格点数据降尺度研究

为了克服现存径流量格点数据低分辨率问题,搜集基于多种遥感数据的环境变量集,运用遗传算法(GA),筛选出最优变量做为输入因子,运用随机森林(RF)算法,建立河北省2018年的径流量降尺度模型。结果显示,GA算法能排除冗余变量,筛选易于模型增益的协变量,进而优化模型性能。同时,地面水文站资料验证显示,降尺度后径流量格点数据的NSE为0.76,MAE和RMSE分别为28.39、37.97mm。相较于原始径流量格点产品,降尺度后的NSE增加8.57%,MAE和RMSE减小21.44%、23.92%。研究表明,GA-RF降尺度模型可为重构精细化地表径流量栅格数据集提供潜在途径。