Mejora de la precisión de la estimación de precipitaciones con aprendizaje automático, enmascaramiento de nubes y...

Área de la Ciencia:

• Hidrología y Teledetección; Aplicaciones de aprendizaje automático en ciencias ambientales

Sus antecedentes:

• La estimación precisa de las precipitaciones es crucial para la gestión de los recursos hídricos y la prevención de desastres en las regiones costeras.; Los productos de precipitación existentes a menudo enfrentan desafíos con la precisión y la integración de datos, particularmente en terrenos complejos.

Objetivo del estudio:

• Desarrollar y validar un novedoso marco de aprendizaje automático (LGBM-3SC-CF) para la clasificación y estimación mejorada de precipitaciones.; Mejorar la precisión de los datos de precipitaciones para cuatro provincias costeras en el centro de Vietnam utilizando observaciones satelitales y terrestres multifuente.

Principales métodos:

• Integración de datos multifuente: Himawari-8, ERA5, ASTERDEM y datos de pluviómetros.; Desarrollo de una arquitectura de clasificación de 3 etapas con una novedosa técnica de enmascaramiento de nubes.; Aplicación de balanceo de datos para el desequilibrio de clases y selección de características basada en factores meteorológicos.

Principales resultados:

• El producto LGBM-3SC-CF demostró un rendimiento superior en comparación con IMERG, GSMaP y PERSIANN-CCS.; Logró un alto Índice de Éxito Crítico (CSI) de 0,55 y una Probabilidad de Detección (POD) de 0,74.; Exhibió bajos métricas de error, incluyendo un Error Absoluto Medio (MAE) de 2,66 mm/h y un Error Cuadrático Medio (RMSE) de 5,48 mm/h.

Conclusiones:

• El marco LGBM-3SC-CF proporciona una solución robusta y precisa para la estimación de precipitaciones en el centro de Vietnam.; El estudio sienta las bases metodológicas para el desarrollo de modelos de estimación de precipitaciones en tiempo casi real.; Los hallazgos resaltan el potencial de integrar diversas fuentes de datos con aprendizaje automático avanzado para mejorar el monitoreo hidrológico.