多通道三维立方体连续卷积网络在对流风暴临近预报中的应用

对流风暴临近预报在各个领域引起了广泛关注。现有基于深度学习框架的方法主要依赖雷达数据。尽管它们能较好地预报风暴平流，但由于雷达观测的局限性，预报风暴初生与增强仍具挑战性。本文描述了首次尝试在深度学习框架下利用多源气象数据同时预报风暴初生、增强和平流。为此，我们提出了一种多通道三维立方体连续卷积网络（3D-SCN）。由于实时再分析气象数据现在能提供对预测风暴初生与增强至关重要的有价值的大气边界层热动力信息，原始三维雷达和再分析数据被直接利用，无需任何手工特征工程。这些数据被构建为多通道三维立方体，输入我们的网络，并通过跨通道三维卷积进行卷积。通过堆叠无池化的连续卷积层，我们构建了一个用于临近预报的端到端可训练模型。实验结果表明，深度学习方法比传统外推方法取得更好性能。对3D-SCN的定性分析显示出在风暴初生、增强和平流临近预报上的令人鼓舞的结果。