关键词:
月降水
偏差校正
遥相关因子
多源降水数据集
BiLSTM模型
摘要:
多源降水数据校正对于缺资料地区水文规律的分析及模拟至关重要,当前校正方法对气候要素考虑不足。为此,基于ERA5、 ERA5-Land、 MSWEP-V2和PERSIANN-CDR多源降水数据集与遥相关因子集,结合XGBoostSHAP模型进行特征筛选与成因分析,构建基于BiLSTM的降水数据偏差校正模型,采用贝叶斯优化(BO)策略寻求模型的最优超参数组合,以进一步提高校正精度。选取汉江上游为研究对象,对多源降水数据进行偏差校正。结果表明:(1)大气环流类因子是汉江上游降水形成的主要影响因素,北半球副高脊线位置指数的影响最大;(2)与传统的统计类方法相比,BO-BiLSTM略逊色于表现最优的参数转换法,但可以更加灵活地考虑多个因子的影响;(3)考虑遥相关因子后,多源降水数据校正的测试期纳什效率系数平均提升了5.4%,均方误差平均降低了24.6%,Kling-Gupta效率系数平均提升了10.5%。研究成果可为数据匮乏地区月降水的高精度估算与延长提供切实可行的技术方案。