خرد مقیاس سازی دمای هوا با استفاده از داده های ERA۵-Land، سنجش از دور و یادگیری ماشین

در این پژوهش قابلیت خرد مقیاس سازی دمای هوای ماهانه باز تحلیل ERA۵-Land با استفاده از ویژگی های مستخرج از داده های سنجش از دور به روش یادگیری ماشین برای دستیابی به قدرت تفکیک مکانی ۱ کیلومتر در سطح کشور ایران انجام شد. برای این منظور شاخص های طیفی، شاخص های مرتبط با توپوگرافی، پارامترهای تابشی و سایر متغیرهای هواشناسی به عنوان متغیرهای ورودی مدل های یادگیری ماشین از سامانه Google Earth Engine استخراج گشتند. عملکرد ۱۸ الگوریتم یادگیری ماشین شامل انواع مدل های خطی تا روش های پیشرفته یادگیری جمعی (Ensemble) ارزیابی و مقایسه گردید. نتایج خرد مقیاس سازی دمای هوا نشان داد که مدل Extra Trees Regressor با مقدار RMSE ۰/۸۸۹ درجه کلوین و MAE ۰/۶۵۱ درجه کلوین و R برابر با ۰/۹۹۱ بهترین عملکرد را داشته است. همچنین بررسی نقشه های نهایی دمای هوا حاصل از فرآیند خرد مقیاس سازی نشان داد که مدل Extra Trees Regressor با موفقیت الگوهای مکانی دمای هوا را در قدرت تفکیک مکانی بالاتر بازسازی کرده و امکان شناسایی الگوهای محلی دمای هوا را فراهم ساخته است.

کلیدواژه ها:

خرد مقیاس سازی دمای هوا ، مدل ERA۵-Land ، یادگیری ماشین ، سنجش از دور