基于深度学习的多源降水数据融合方法及其应用

打开文本图片集

摘要：

准确的水文模拟依赖于可靠的降水数据，遥感降水产品是对地面观测站点空间代表性差的有效补充，但其精度仍需进一步改进。为获得更高精度的降水数据，提出了一种时空动态数据融合方法，其结合了基于长短期记忆（LSTM）神经网络的空间插值方法与动态贝叶斯模型平均（DBMA）数据融合方法。基于该方法将IMERG-E遥感降水数据和地面站点观测降水数据进行了融合，并以湘江流域为例，通过评估融合降水数据的精度及在水文模拟中的应用验证该方法的可靠性以及融合降水产品的精度。（剩余29548字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。