Cloud4D：高时空分辨率的云特性估计

在利用机器学习改进数值天气预报和气候模型方面已取得重大进展。然而，大多数全球模型在公里尺度上运行，使得模拟单个云以及极端降水、风切变、湍流和地表辐照度等因素变得困难。因此，有必要转向更高分辨率的模型，而这反过来又需要当前仪器难以获取的高分辨率真实观测。我们提出了 Cloud4D，这是第一个仅使用同步地基相机重建物理一致的四维云状态的学习框架。利用单应性引导的 2D 到 3D 变换器，Cloud4D 以 25 m 空间和 5 s 时间分辨率推断液态水含量的完整 3D 分布。通过随时间追踪液态水含量检索结果，Cloud4D 额外估计了水平风矢量。在为期两个月的部署中，包含六台朝天空的相机，我们的系统相对于最先进的卫星测量在时空分辨率上实现了数量级的提升，同时相对于共置雷达测量保持了单位数相对误差（<10%）。代码和数据可在我们的项目页面 https://cloud4d.jacob-lin.com/ 获取。