基于 IMERG 卫星数据的区域性降水 nowcasting：南美案例研究
机器学习
2024-12-05 v1 人工智能
摘要
气候变化正在增加极端降水事件的发生频率，使得洪涝和山体滑坡等灾害更易发生。因此，准确进行降水 nowcasting 的能力变得更加关键，以为决策者提供即时、准确的信息。以 DYffusion 框架在降水 nowcasting 中取得成功为动力，我们本文：扩展 DYffusion 框架至此任务并评估其在预测 IMERG 卫星降水数据上4 小时的预报性能；修改 DYffusion 框架以提升其建模降雨数据的能力；并引入一种新型损失函数，将 MSE、MAE 和 LPIPS 感知分数组合在一起。在对4 小时预报 horizon 的定量评估中，采用新损失函数训练的修改版 DYffusion 框架性能优于四个竞争模型。它在弱、中等和强雨阈值上均获得最高的 CSI 分数，并保持 LPIPS 分数 <0.2 在整个预报过程中，随 lead-time 增大而性能下降最慢。该 proposed nowcasting 模型在重雨案例中表现出在2 小时的预报 horizon 上视觉上稳定且清晰的预测。代码已公开于 https://github.com/Dseal95/DYffcast。
引用
@article{arxiv.2412.02723,
title = {DYffCast: Regional Precipitation Nowcasting Using IMERG Satellite Data. A case study over South America},
author = {Daniel Seal and Rossella Arcucci and Salva Rühling-Cachay and César Quilodrán-Casas},
journal= {arXiv preprint arXiv:2412.02723},
year = {2024}
}
备注
Accepted in the Machine Learning for Physical Sciences workshop @ NeurIPS 2024