2020
DOI: 10.2166/h2oj.2020.124
|View full text |Cite
|
Sign up to set email alerts
|

Decision tree-based reduction of bias in monthly IMERG satellite precipitation dataset over India

Abstract: Decision trees are ideally suited for handling huge datasets and modelling non-linear relationships between different variables. Given the relationship between precipitation and bias may be very complex and non-linear, bias-correction of satellite precipitation is a challenge. We examine the applicability of Classification and Regression tree (CART) for bias-correction of the Integrated Multi-satellite Retrievals for Global Precipitation Mission (IMERG) precipitation dataset over India. The gauge-based 0.25° g… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2021
2021
2023
2023

Publication Types

Select...
5
1

Relationship

0
6

Authors

Journals

citations
Cited by 7 publications
(2 citation statements)
references
References 43 publications
0
1
0
1
Order By: Relevance
“…Có thể thấy các thuật toán học máy đã trở thành một công cụ mạnh mẽ liên kết dữ liệu vệ tinh với việc ước tính lượng mưa trong những năm gần đây. Hiện nay, nhiều nghiên cứu về các kỹ thuật học máy khác nhau đã được cung cấp rộng rãi, do đó nó mở ra một hướng mới cho việc mô phỏng các mối quan hệ giữa dữ liệu vệ tinh với việc khôi phục trường lượng mưa, ví dụ như kỹ thuật sử dụng mạng thần kinh nhân tạo (ANN) [1,[6][7][8][9][10]; thuật toán học máy có giám sát dạng vector hỗ trợ (SVM) [11][12][13], cây quyết định (DT) [14][15], học sâu (DL) [16][17]. Bên cạnh đó, thuật toán rừng ngẫu nhiên (RF) [18], cũng được sử dụng rộng rãi và rất thích hợp sử dụng trong việc ước tính lượng mưa viễn thám [19][20][21][22][23][24].…”
Section: Giới Thiệuunclassified
“…Có thể thấy các thuật toán học máy đã trở thành một công cụ mạnh mẽ liên kết dữ liệu vệ tinh với việc ước tính lượng mưa trong những năm gần đây. Hiện nay, nhiều nghiên cứu về các kỹ thuật học máy khác nhau đã được cung cấp rộng rãi, do đó nó mở ra một hướng mới cho việc mô phỏng các mối quan hệ giữa dữ liệu vệ tinh với việc khôi phục trường lượng mưa, ví dụ như kỹ thuật sử dụng mạng thần kinh nhân tạo (ANN) [1,[6][7][8][9][10]; thuật toán học máy có giám sát dạng vector hỗ trợ (SVM) [11][12][13], cây quyết định (DT) [14][15], học sâu (DL) [16][17]. Bên cạnh đó, thuật toán rừng ngẫu nhiên (RF) [18], cũng được sử dụng rộng rãi và rất thích hợp sử dụng trong việc ước tính lượng mưa viễn thám [19][20][21][22][23][24].…”
Section: Giới Thiệuunclassified
“…Rainfall varies spatially and temporally (Courty et Traditionally, rainfall observations obtained from a gauge station network are used to drive hydrological models (Zhang and Han 2017; Zeng et al 2018) to obtain runoff data at several points on a river. The observed rainfall from the gauges is considered an accurate measurement of the data source and this serves as the basis for calibrating and assessing precipitation estimates from other sources such as satellite and weather radar (Navarro et (Chaudhary and Dhanya 2020). Hence there is a need to evaluate their performance and applicability using different statistical procedures and hydrologic modeling.…”
Section: Introductionmentioning
confidence: 99%