《Atmosphere》：Comparison of Simple Temporal and Climatological Baselines, Deterministic Spatial Interpolation, and Hybrid Machine-Learning Methods for Imputing Precipitation Data Using ERA5-Land Climate Data
编辑推荐：
气象站点的降水记录经常因传感器、电源或传输故障而出现空缺，给水文、农业和水资源应用带来不确定性。研究人员比较了两种简单基线（站点特定的月气候学平均值和时间线性插值）、确定性空间插值、直接基于再分析的替换以及机器学习方法用于日降水量填补。研究人员使用独立最终测试
气象站点的降水记录经常因传感器、电源或传输故障而出现空缺，给水文、农业和水资源应用带来不确定性。研究人员比较了两种简单基线（站点特定的月气候学平均值和时间线性插值）、确定性空间插值、直接基于再分析的替换以及机器学习方法用于日降水量填补。研究人员使用独立最终测试集评估了1985–2014年土耳其东部和东南部14个站点的日降水量，该测试集通过分层随机掩盖15%的完整观测值形成；其余85%用于校准、SHapley Additive exPlanations（SHAP）分析、交叉验证和超参数优化。ERA5-Land变量被传输到站点，降水量通过经验分位数映射（Empirical Quantile Mapping，EQM）进行校准，并将无泄漏的克里金（Kriging）估计值作为预测变量纳入XGBoost、LightGBM、随机森林（Random Forest）、支持向量回归（Support Vector Regression）和多层感知器（Multilayer Perceptron）模型中。站点月气候学平均值（均方根误差RMSE = 5.4820 mm；纳什-萨特克利夫效率NSE = 0.0527）和时间线性插值（RMSE = 5.7059 mm；NSE = ?0.0262）的表现明显差于优化后的克里金和反距离权重法（IDW）。全混合LightGBM模型取得了最佳性能（RMSE = 3.2001 mm；平均绝对误差MAE = 0.9814 mm；皮尔逊相关系数r = 0.8317；NSE = 0.6772），而直接ERA5-EQM替换的准确性较低（RMSE = 5.2252 mm；NSE = 0.1394）。因此，结合本地观测、空间信息和ERA5-Land协变量改善了研究区域的日降水量填补。
**论文解读：基于ERA5-Land气候数据与混合机器学习方法的日降水填补研究**
**研究背景与问题**
气象观测站点的降水记录常因传感器故障、供电中断或传输问题产生缺失，导致水文建模、农业规划及水资源管理中的不确定性增加。传统方法如站点内时间序列插值（线性插值、月气候均值）和确定性空间插值（反距离权重法IDW、克里金Kriging）虽简单易用，但难以捕捉日降水的间歇性和局地性特征。再分析数据集（如ERA5-Land）提供时空连续的网格降水场，但网格值与站点观测存在尺度偏差，直接替换精度不足。因此，如何融合站点观测、空间信息与再分析辅助变量，构建更准确的日降水填补方法，成为研究关键。该研究发表于《Atmosphere》期刊。
**研究内容与结论**
研究人员以土耳其东部和东南部14个气象站（1985–2014年）为对象，系统比较了简单基线（站点月气候均值、时间线性插值）、确定性空间插值（IDW、Kriging）、直接ERA5-EQM（经验分位数映射）替换，以及基于机器学习的混合模型（XGBoost、LightGBM、随机森林RF、支持向量回归SVR、多层感知器MLP）在日降水填补中的表现。通过分层随机掩盖15%完整观测作为独立最终测试集，其余85%用于校准、SHAP分析、交叉验证和超参数优化。结果表明：全混合LightGBM模型性能最优（RMSE=3.2001 mm，NSE=0.6772），较优化Kriging（RMSE=3.4831 mm，NSE=0.6176）提升约8.1%；简单基线和直接ERA5-EQM替换效果最差（RMSE>5.2 mm，NSE<0.14）。该研究证实，结合本地站点观测、同日空间信息（Kriging估计）和ERA5-Land气象协变量，可显著提升半干旱陆区日降水填补精度。
**主要关键技术方法**（不超过250字）
研究人员使用14个土耳其国家气象局（MGM）站点的30年（1985–2014）日降水数据。关键技术包括：①通过反距离权重法（IDW）将ERA5-Land网格变量（降水、温度、露点温度、气压、相对湿度）传输至站点；②采用经验分位数映射（EQM）校正ERA5-Land降水偏差；③基于无泄漏设计，在85%开发池内通过五折交叉验证优化IDW（指数p=1.5，邻域8站，搜索半径150 km）和Kriging（指数变异函数，邻域8站，搜索半径120 km）参数；④构建两阶段模型：第一阶段用随机森林（RF）分类器估计湿日概率，第二阶段用回归模型（XGBoost、LightGBM、RF、SVR、MLP）估计正降水量（经log1p变换）；⑤用SHAP（SHapley Additive exPlanations）解释17个预测变量贡献；⑥用Wilcoxon符号秩检验和全局Moran's I评估模型差异与残差空间自相关。
**研究结果**（保留小标题，简要说明）
**3.1 SHAP特征重要性分析**
全混合LightGBM模型上，Kriging估计特征均值绝对SHAP值最大（0.3243），其次为最近邻站降水、第二近邻站降水和EQM校正的ERA5-Land降水，表明站点空间信息主导模型，ERA5-Land提供补充大尺度信息。
**3.2 超参数优化**
通过五折交叉验证，IDW最优配置为p=1.5、150 km搜索半径、8邻域；Kriging最优为指数变异函数、120 km搜索半径、8邻域。机器学习中XGBoost交叉验证RMSE最低（3.2902 mm），但LightGBM在独立测试集上泛化略优。
**3.3 简单时间-统计、确定性空间与基本机器学习方法比较**
站点月气候均值（RMSE=5.4820 mm，NSE=0.0527）和时间线性插值（RMSE=5.7059 mm，NSE=-0.0262）远差于优化Kriging（RMSE=3.4831 mm，NSE=0.6176）和IDW（RMSE=3.5083 mm，NSE=0.6120），基本机器学习模型中LightGBM最优（RMSE=3.5519 mm，NSE=0.6023）。
**3.4 Kriging特征支持的机器学习模型性能**
加入Kriging估计特征后，所有机器学习模型性能提升，MLP最优（RMSE=3.2753 mm，NSE=0.6619），较单独Kriging降低约6.0% RMSE。
**3.5 ERA5-Land与Kriging特征支持的全混合模型性能**
全混合LightGBM最优（RMSE=3.2001 mm，MAE=0.9814 mm，r=0.8317，NSE=0.6772），XGBoost次之（RMSE=3.2204 mm，NSE=0.6731）。直接ERA5-EQM替换最差（RMSE=5.2252 mm，NSE=0.1394），证明ERA5变量作为辅助协变量而非直接替代有效。
**3.6 模型性能的图形与空间评估**
泰勒图显示全混合模型（LightGBM、XGBoost、MLP、RF）更接近观测参考（高相关、低中心误差）。2005年及1985–2014年长期站点RMSE空间分布表明，全混合模型在各站点误差更低且空间均匀性更优。
**3.7 模型差异的统计显著性**
Wilcoxon符号秩检验表明，LightGBM与其他所有方法（包括XGBoost，p=2.4822×10
-6）的绝对残差差异在95%置信水平上显著，但XGBoost和MLP为实际接近的替代方法。
**3.8 残差空间自相关**
全局Moran's I值为-0.0337，接近零，表明残差无显著空间聚类，模型在全区空间稳定性良好。
**讨论总结与结论翻译**
讨论指出，性能从简单基线到全混合模型逐步提升，证实了空间和大气信息的价值。Kriging特征和ERA5-Land协变量分别贡献了空间依赖和大尺度环境信息。直接ERA5-EQM替换弱，但作为辅助变量有效。研究设计（独立测试集、无泄漏交叉验证、Wilcoxon检验、Moran's I）增强了结论可靠性，但结果适用于孤立或非连续站点日空缺，连续空缺或全网故障需另行验证。
**结论翻译**：本研究评估了简单站点内基线、确定性空间插值、直接ERA5-EQM替换和混合机器学习模型用于日降水填补。主要结论如下：无泄漏设计将独立最终测试集与校准、SHAP分析、变异函数选择、超参数优化和交叉验证分离。站点月气候均值和时间线性插值明显差于优化IDW、Kriging和混合模型。全混合LightGBM模型达到最佳最终测试性能（RMSE=3.2001 mm；MAE=0.9814 mm；Pearson r=0.8317；NSE=0.6772）。优化IDW和Kriging仍为强基准，加入Kriging衍生预测变量提升了所有机器学习模型相对于基本场景的性能。ERA5-EQM作为直接替换效果弱，而ERA5-Land协变量在结合站点、空间、时间和地形预测变量时提升了性能。总体而言，在严格分离的训练-验证-测试框架内，结合本地观测、同日空间信息和ERA5-Land协变量可获得最可靠的日降水估计。
