轴向UNet：用于降雨即时预报的神经天气模型
机器学习
2025-12-01 v2 计算机视觉与模式识别
信号处理
摘要
准确预测短期降雨对于灾害管理、航空和城市规划等天气敏感型应用至关重要。传统数值天气预报在高分辨率和短预报时间下往往计算代价高昂。本文提出一种轻量级基于UNet的编码器-解码器结构，增强于沿图像行和列进行注意力的轴向注意力块，以捕获长程空间相互作用，同时通过条件化多个过去雷达帧提供时序上下文。我们的混合架构能够从雷达图像序列中捕获局部和长程时空依赖关系，实现固定 lead 时间的降雨即时预报，计算资源占用适中。在经过预处理的 HKO-7 雷达数据集上进行的实验结果表明，我们的模型在像素保真度指标上超越了 ConvLSTM、pix2pix 风格的 cGAN 以及纯粹的 UNet，分别达到 PSNR 47.67 和 SSIM 0.9943。我们报告 PSNR/SSIM 指标；将评估扩展到气象学相关的技能指标（如 CSI/FSS）留待未来工作。该方法简单、可扩展且高效，适用于资源受限的实时预测场景。
引用
@article{arxiv.2504.19408,
title = {Axial-UNet: A Neural Weather Model for Precipitation Nowcasting},
author = {Sumit Mamtani and Maitreya Sonawane},
journal= {arXiv preprint arXiv:2504.19408},
year = {2025}
}
备注
16 pages, 3 figures. Accepted at the International Conference on Distributed Computing and Intelligent Technology (ICDCIT 2026), to appear in Springer LNCS