基于雷达降水的深度时间插值
计算机视觉与模式识别
2022-03-03 v1 人工智能
机器学习
摘要
在为水文洪水模型提供边界条件并估算相关风险时，以极高时间分辨率（例如5分钟）对降水进行插值至关重要，以免遗漏局部区域洪水的成因。本文研究了基于光流的全球可用卫星气象雷达图像插值。所提方法使用深度神经网络对多视频帧进行插值，同时将地形信息与时间上粗粒度的降水雷达观测作为自监督训练的输入。利用Meteonet雷达降水数据集在法国南部奥德省（2018年）进行洪水风险模拟的实验表明，相较于线性插值基线，所提方法具有优势，误差最高降低20%。
引用
@article{arxiv.2203.01277,
title = {Deep Temporal Interpolation of Radar-based Precipitation},
author = {Michiaki Tatsubori and Takao Moriyama and Tatsuya Ishikawa and Paolo Fraccaro and Anne Jones and Blair Edwards and Julian Kuehnert and Sekou L. Remy},
journal= {arXiv preprint arXiv:2203.01277},
year = {2022}
}
备注
5 pagers, 4 figures, ICASSP-22. arXiv admin note: text overlap with arXiv:1712.00080 by other authors