基于随机森林算法的香港地区大气水汽反演
2022-03-13丁凯文张晨晰
丁凯文,张晨晰,陈 宇
(1.山东科技大学资源学院,山东 泰安 271019;2.中国矿业大学环境与测绘学院,江苏 徐州 221116)
0 引 言
对流层内部的水汽约占总大气含量的4%左右,急剧的三相变化会导致诸如洪涝、台风、寒潮、暴雨等恶劣天气,对人民生命财产安全造成重大隐患。
传统探测水汽的方式如无线电探空仪、水汽辐射计等时间分辨率低,无法满足预测的时效性。随着全球卫星导航系统(Global Navigation Satellite System,GNSS)应用领域的不断拓展以及其空间分布均匀、全天候、全天时、高精度的优势,利用GNSS预测地区可降水量(Precipitable Water Vapor,PWV),对气象灾害预警领域的技术发展与研究具有重大推动作用[1]。
对流层延迟(Zenith Tropospheric Delay,ZTD)与大气加权平均温度(Atmospheric Weighted Average Temperature,Tm)是计算大气可降水量的两个关键参数,数十年来,国内外许多学者针对二者进行了大量相关研究[2-3]。ZTD模型根据是否需要实测气象参数以及建模方法不同,主要划分为气象参数模型与经验模型;在模型建立方面,继Bevis等[4]首次提出“GPS(Global Positioning System)气象学”的概念,并给出的回归经验模型后,有关的研究工作大多集中在模型的优化上[5-7]。与此同时,国内还有学者在Bevis模型的基础上建立了区域模型[8-10],验证精度均较前者有不同程度的提升。
值得关注的是,以上研究中对流层延迟的获取大都来自GPS基线解算,且建模方法多基于最小二乘回归,加之文献[5]中严密验证了地表温度与加权平均温度存在非线性关系。综上,本文主要研究了基于单北斗卫星系统(BeiDou Navigation Satellite System,BDS)的精密对流层延迟获取,并考虑到随机森林算法训练速度快、非线性学习能力强、不易产生过拟合,以及在缺失某些特征的情况下依旧保证回归准确率等优势,建立了香港地区多因子模型,并在对模型精度进行了验证后,预测了香港地区2018年7月份可降水量。……
