• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Geoscience and Remote Sensing Symposium >Spatial Downscaling for Global Precipitation Measurement Using a Geographically and Temporally Weighted Regression Model
【24h】

Spatial Downscaling for Global Precipitation Measurement Using a Geographically and Temporally Weighted Regression Model

机译：使用地理上和时间加权回归模型的全球降水测量的空间缩小

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

High-resolution precipitation data are crucial to monitor disasters in urban areas, especially in cases with abundant precipitation. Based on the spatiotemporal, non-stationary relationship between precipitation and normalized differential vegetation index (NDVI), in this paper we introduce a geographically and temporally weighted regression (GTWR) model and further evaluate it in a case study in Guangdong province, China, in the summer of 2015. Our results indicate that there is a mainly negative correlation between precipitation and NDVI in the summer. Our GTWR downscaling model performs better than a previously available geographically weighted regression (GWR) model, providing more accurate downscaled precipitation estimations. This suggests that considering the spatiotemporal, non-stationarity relationship between NDVI and precipitation, our GTWR downscaling model can provide high-spatial resolution precipitation estimates, with more details in urban areas with abundant precipitation.
机译：高分辨率降水数据对于监测城市地区的灾害至关重要，特别是在降水量丰富的情况下。基于沉淀和归一化差分植被指数（NDVI）之间的时空，非静止关系（NDVI），在本文中，我们在地理上和时间加权回归（GTWR）模型中，进一步评估了中国广东省的案例研究2015年夏天。我们的结果表明，夏季，降水和NDVI之间存在负相关性。我们的GTWR缩小模型比以前可用的地理加权回归（GWR）模型更好地执行，提供更准确的较低的降水估计。这表明，考虑到NDVI和降水之间的时空，非公平关系，我们的GTWR缩小模型可以提供高空间分辨率降水估计，以及丰富降水的城市地区有更多细节。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号