基于随机森林模型的雅鲁藏布江流域气温降尺度研究

来源：高原气象杂志2018年第5期北京时间：

作者：任梅芳;庞博;徐宗学;赵彦军

单位：北京师范大学 水科学研究院 水沙科学教育部重点实验室/城市水循环与海绵城市技术北京市重点实验室, 北京 100875

摘要：采用随机森林RF（Random Forest）模型对雅鲁藏布江流域22个站点的日平均气温进行降尺度研究，为了探求在雅鲁藏布江流域更适宜的气温降尺度方法，采用多元线性回归MLR、人工神经网络ANN和支持向量机SVM三种方法作为对比模型，并且采用主成分分析PCA和偏相关分析PAR两种分析方法，进行特征变量筛选。采用纳西效率系数NASH、均方根误差RMSE系数、绝对误差MAE和相关系数r值四种标准来评价模型的模拟效果。结果表明，RF模型的模拟效果要明显优于其他几种方法的模拟结果；采用PAR筛选特征变量的模型计算结果，不仅优于采用PCA筛选特征变量模型的模拟结果，且较稳定，另外，各种模型验证期的NASH效率系数都在0.86以上，相关系数都在0.93以上，所用几种模型都能较好地模拟雅江流域平均气温。选取MPI-ESM-LR模式在未来（2016-2050年）两种极端典型浓度路径RCP（Representative Concentration Pathway）排放情景RCP2.6和RCP8.5下的试验数据，研究雅鲁藏布江流域未来气温变化趋势表明，雅鲁藏布江流域未来2016-2050年在RCP2.6和RCP8.5两种排放情景下，平均气温都呈现出持续上升的趋势，在RCP2.6排放情景下日平均气温平均上升0.14℃，在RCP8.5排放情景下日平均气温平均上升0.30℃。

关键词：统计降尺度;随机森林;雅鲁藏布江;气温

基金资助：国家自然科学基金项目（211700044，210200002）