Nature Scientific Reports: Повышение точности оценки глубины снежного покрова с помощью многоисточниковых данных и модели машинного обучения
Глубина снежного покрова (ГСП) предоставляет информацию о пространственном распределении снежного покрова, что критически важно для оценки водных ресурсов и глобального изменения климата. В настоящее время ГСП можно получить с помощью пассивных микроволновых радиометров, моделей реанализа и натурных наблюдений. Однако данные ГСП, полученные различными методами, характеризуются низкой полнотой и согласованностью, что затрудняет их использование в соответствующих научных исследованиях. В данном исследовании авторы разработали метод слияния ГСП на основе алгоритма случайного леса (random forest, RF) и использовали его для построения пространственного распределения ГСП на территории Китая с 2014 по 2018 гг. Этот метод позволяет объединять информацию из различных источников ГСП (наземных, спутниковых и данных реанализа) для улучшения представления его пространственно-временного распределения. В качестве входных данных для построения модели были использованы пять продуктов ГСП (WESTDC, ERA-Interim, CMC, GLDAS-NOAH и MERRA2). Кроме того, модель слияния была построена с учётом вспомогательной информации (например, типов земельного покрова, доли лесного покрова, географической информации, неоднородности земельного покрова, шероховатости поверхности и класса снежного покрова). Авторы подробно оценили погрешность объединённых данных ГСП (RF-ГСП) и пяти продуктов ГСП по сравнению с натурными наблюдениями при различных типах земельного покрова, доле лесного покрова, неоднородности земельного покрова, шероховатости поверхности и классификации снежного покрова. Результаты показали, что данные RF-ГСП повысили точность оценок ГСП по Китаю и увеличили эффективность Клинга-Гупты с 0,21 до 0,64, затем до 0,73 и с более низким среднеквадратическим отклонением (5,1 см) по сравнению с пятью исходными наборами данных ГСП. Этот метод может быть эффективен для интеграции преимуществ каждого источника данных ГСП, повышения точности оценки ГСП и снижения несогласованности между наборами данных ГСП из нескольких источников.