炒茄子: 大概300多MB，因为分辨率是0.25且区域是四川省，时间效率之前以为加载比较吃力所以是放入h5文件分批次加载内存训练，所以大约需要一整天，后来索性直接全部加载内存中训练，时间维3h左右。（Note：内存32G，4060）

@依古比古*: 有多少训练数据啊？

炒茄子: 因为最近时间比较忙（本打算再更新一下博客）实在无力更新该博客，因为博客涉及内部仅仅占整个项目的40%左右，再次更新花费的精力太长。好，回到这里，因为当时对于降水降尺度的不了解，所以博客中的内容仅仅涉及到降尺度的一部分内容，为了避免误导，这里做一些说明： 博客仅仅涉及到了低分辨率下各个因子数据（例如DEM、NDVI等）与低分辨率的降水建立关系模型（例如此处的随机森林，另外实际上关于建立关系模型之前的特征工程实际上也还有很多东西可以处理，不是简单建立模型就OK，至于这方面就烦请多多查看论文），那么博客还缺少什么内容呢？ 缺少通过关系模型并基于高分辨率下的因子数据去预测高分辨率的降水数据，最后降水数据和地面站点真实降水的准确性以评估模型效果。当然也可以继续添加内容例如前期的因子数据其实也可以使用部分站点数据进行校正啊等等，很多可以进行拓展延申的内容，这里我就不再详细说明了，Cheers！

炒茄子: 并不是，这是空间尺度上的降尺度，是在低分辨率下建立关系模型，然后基于模型和高分辨率的因子生成高分辨率的目标影像，达到空间上的降尺度。

B929034: 请问是进行的时间尺度的降尺度吗？如果我只分析单变量的降水事件数据，最好的办法是用随机森林吗？感谢