基于雷达的时空降雨模型用于水位预测与洪水预报
图像与视频处理
2026-02-04 v1 人工智能
机器学习
摘要
研究区域：下萨克森州戈斯拉与戈特林。研究重点：2017年7月，戈斯拉与戈特林经历了仅有20分钟短暂警告时间的严重洪水事件，导致广泛的区域性洪水和显著损坏。这凸显了需要更可靠和及时的洪水预报系统的关键性。本文提出了一项综合性研究，探讨了雷达降雨数据对预测戈斯拉河水位的影响。此外，研究还 examines 降雨如何影响戈特林的水位预测。分析将雷达衍生的时空降雨模式与来自地面站点的水文传感器数据相结合，以评估该方法在提高洪水预测能力方面的有效性。该地区的新水文洞见：本文的关键创新在于使用残差建模来解决降雨图像与水位之间的非线性问题，导致一种基于雷达的时空降雨模型（STRPMr）。与传统水文模型不同，我们的方法不依赖上游数据，使其独立于额外的水文输入。这一独立性增强了其适应性，使其在其他具有RADOLAN降雨的地区具有更广泛的适用性。深度学习架构集成了用于空间和时间特征提取的 (2+1)D 卷积神经网络与用于时间序列预测的 LSTM。结果表明，STRPMr 在捕捉极端事件和更准确的洪水预报方面具有潜力。
引用
@article{arxiv.2503.19943,
title = {A Spatiotemporal Radar-Based Precipitation Model for Water Level Prediction and Flood Forecasting},
author = {Sakshi Dhankhar and Stefan Wittek and Hamidreza Eivazi and Andreas Rausch},
journal= {arXiv preprint arXiv:2503.19943},
year = {2026}
}
备注
28 pages, 11 figures, 6 tables