问题背景
随机森林回归需要增加一个KGE的指标,但是网上这方面的资料比较少,于是自己按照公式在GEE上实现了一下。
具体代码
// 计算均值
var meanObs = observationValidation.reduce(ee.Reducer.mean(), [0]);
var meanPred = predictionValidation.reduce(ee.Reducer.mean(), [0]);
var meanObsRepeat = meanObs.repeat(0, observationValidation.length().get([0]))
var meanPredRepeat = meanPred.repeat(0, predictionValidation.length().get([0]))
// 计算标准差
var stdObs = observationValidation.reduce(ee.Reducer.stdDev(), [0]);
var stdPred = predictionValidation.reduce(ee.Reducer.stdDev(), [0]);
// 计算相关系数 r
var covariance = observationValidation.subtract(meanObsRepeat)
.multiply(predictionValidation.subtract(meanPredRepeat))
.reduce(ee.Reducer.mean(), [0]);
var r = covariance.divide(stdObs.multiply(stdPred));
// 计算相对标准差 β (Beta)
var beta = meanPred.divide(meanObs);
// 计算变异系数 γ (Gamma)
var gamma = stdPred.divide(stdObs);
// 计算KGE
var kge = ((r.subtract(1).pow(2))
.add(beta.subtract(1).pow(2))
.add(gamma.subtract(1).pow(2))
.sqrt())
.multiply(-1).add(1);
// 输出结果
print('KGE:', kge);
代码中,observationValidation和predictionValidation分别是实际值和预测值,按照如下公式进行计算。
在我的数据上进行计算,KGE可达0.92.