面向雷达回波外推的空间-时间深度概率扩散模型：可靠冰雹预报
机器学习
2025-04-01 v1
摘要
冰雹预报是气象灾害的一个重要来源，通过精准预报具有高分辨率、长预报时限和局部细节，能够显著减轻其经济社会影响。现有的中长期天气预报方法主要依赖上层气流和云层的变化来预测降雨等降水事件，难以适用于冰雹预报，因为冰雹主要由与地形相关的低空局部强对流引起。此外，雷达捕捉到低层云的信息，如水汽、水滴和冰晶，为冰雹预报提供了丰富的信号。为此，我们引入了称为SteamCast的空间-时间生成模型，用于雷达回波外推进行冰雹预报。SteamCast是一种基于空间-时间表示的深度概率扩散模型，包含雷达回波及其位置/时间嵌入，在中国延安气象局的历史再分析资料上进行训练，其中类似苹果作物的作物产量会因冰雹损害而受到严重影响。鉴于冰雹的短时性质，SteamCast提供了30分钟的预报，每6分钟一次，针对单个雷达反射率变量，在延安市9个不同垂直角度上，以约1公里×1公里的分辨率进行网格化。通过成功融合雷达回波的空间-时间特征，SteamCast在其他深度学习模型如PredRNN和VMRNN的预测结果中，表现出竞争甚至在某些方面更优的成绩。
引用
@article{arxiv.2503.22724,
title = {A Spatial-temporal Deep Probabilistic Diffusion Model for Reliable Hail Nowcasting with Radar Echo Extrapolation},
author = {Haonan Shi and Long Tian and Jie Tao and Yufei Li and Liming Wang and Xiyang Liu},
journal= {arXiv preprint arXiv:2503.22724},
year = {2025}
}