Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data

要約

衛星降水量のグリッドデータは、広い地域を高密度にカバーしているため、水文学的なアプリケーションに有用である。しかし、地上での測定値と一致しないという意味で、精度が低い。精度を向上させる方法として、機械学習アルゴリズムを採用して補正する方法が確立されている。この補正は、地上観測データを従属変数、衛星データを予測変数とし、地形要素（標高など）を加えた回帰問題の形で行われる。この種の研究の多くは、限られた数の機械学習アルゴリズムを使用し、狭い地域と限られた期間について実施される。そのため、これらの研究で得られた結果は局所的なものであり、より一般的なガイダンスやベストプラクティスを提供するものではありません。一般化できる結果を提供し、ベストプラクティスの提供に貢献するために、ここでは、8つの最先端の機械学習アルゴリズムを、米国本土全体と15年間の衛星降水量データの補正において比較する。PERSIANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) gridded datasetの月次データと、Global Historical Climatology Network monthly database, version 2 (GHCNm) の地球観測降水量の月次データを用いています。その結果、二乗誤差スコアリング関数の観点から、極端勾配ブースティング（XGBoost）とランダムフォレストが最も正確であることが示唆された。残りのアルゴリズムは、ベストからワーストまで次のように並べることができる。ベイズ正則化フィードフォワードニューラルネットワーク、多変量適応多項式スプライン（poly-MARS）、勾配ブースティングマシン（gbm）、多変量適応回帰スプライン（MARS）、フィードフォワードニューラルネットワーク、線形回帰．

要約(オリジナル)

Gridded satellite precipitation datasets are useful in hydrological applications as they cover large regions with high density. However, they are not accurate in the sense that they do not agree with ground-based measurements. An established means for improving their accuracy is to correct them by adopting machine learning algorithms. This correction takes the form of a regression problem, in which the ground-based measurements have the role of the dependent variable and the satellite data are the predictor variables, together with topography factors (e.g., elevation). Most studies of this kind involve a limited number of machine learning algorithms, and are conducted for a small region and for a limited time period. Thus, the results obtained through them are of local importance and do not provide more general guidance and best practices. To provide results that are generalizable and to contribute to the delivery of best practices, we here compare eight state-of-the-art machine learning algorithms in correcting satellite precipitation data for the entire contiguous United States and for a 15-year period. We use monthly data from the PERSIANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) gridded dataset, together with monthly earth-observed precipitation data from the Global Historical Climatology Network monthly database, version 2 (GHCNm). The results suggest that extreme gradient boosting (XGBoost) and random forests are the most accurate in terms of the squared error scoring function. The remaining algorithms can be ordered as follows from the best to the worst: Bayesian regularized feed-forward neural networks, multivariate adaptive polynomial splines (poly-MARS), gradient boosting machines (gbm), multivariate adaptive regression splines (MARS), feed-forward neural networks, linear regression.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL