基于注意力机制的卷积网络用于中国地区卫星降水降尺度
计算机视觉与模式识别
2022-03-29 v1 图像与视频处理
摘要
降水是水文循环的关键部分,也是气候变化的敏感指标。全球降水测量(GPM)任务的集成多卫星检索(IMERG)数据集被广泛用于全球与区域降水研究。然而,其局部应用受限于相对粗糙的空间分辨率。因此,本文提出一种基于注意力机制的卷积网络(AMCN)对GPM IMERG月降水数据进行降尺度。所提方法为端到端网络,由全局交叉注意力模块、多因子交叉注意力模块与残差卷积模块组成,综合考量降水与复杂地表特征间的潜在关系。此外,设计了基于低分辨率降水的退化损失函数以从物理上约束网络训练,提升所提网络在不同时间与尺度变化下的鲁棒性。实验表明,该网络显著优于三种基线方法。最后,引入地理差异分析方法,通过融合原位测量进一步改善降尺度结果,实现高质量精细尺度降水估计。
引用
@article{arxiv.2203.14812,
title = {An attention mechanism based convolutional network for satellite precipitation downscaling over China},
author = {Yinghong Jing and Liupeng Lin and Xinghua Li and Tongwen Li and Huanfeng Shen},
journal= {arXiv preprint arXiv:2203.14812},
year = {2022}
}