Коррекция модельных осадков INM-CM5-0 над Северной Евразией с использованием данных IMERG и моделей машинного обучения

Оценка атмосферных осадков необходима для различных сфер жизнедеятельности, в частности для сельского хозяйства, природопользования и строительства. Однако поля осадков, получаемые с помощью численных моделей погоды и климата, содержат систематические ошибки, которые проявляются как во временном, так и в пространственном масштабах. Данные ошибки возникают из-за несовершенства параметризации физических процессов и описания подстилающей поверхности в климатических моделях, что вносит погрешность в прогноз атмосферных осадков. Для коррекции систематических ошибок применяют различные методы, включая статистические подходы и методы машинного обучения. Методы машинного обучения позволяют достичь высокой точности результатов, при этом требуя меньших вычислительных ресурсов по сравнению со сложными статистическими методами. В данной работе для коррекции систематических ошибок полей осадков, рассчитанных климатической моделью INM-CM5-0, используются такие методы машинного обучения как линейная регрессия, градиентный бустинг и случайный лес. Анализ проводится для полей осадков, полученных в историческом эксперименте CMIP6 за 2007–2014 гг. для территории Северной Евразии. Коррекция осадков модели INM-CM5-0 выполняется с привлечением мультиспутникового продукта IMERG (Integrated Multi-satellitE Retrievals for GPM), в котором поля осадков получены на основе данных инфракрасных и пассивных микроволновых датчиков, а также наблюдений с метеорологических станций. Для количественной оценки качества коррекции систематической ошибки модельных осадков используются следующие метрики: среднеквадратическая ошибка (Root Mean Squared Error, RMSE), средняя абсолютная ошибка (Mean Absolute Error, MAE) и коэффициент детерминации (R²).