多模态数据提升重性暴雨预报：整合雷达与卫星观测

极端降雨事件日益增多，这些事件是城市洪水的主要原因，凸显了对准确降水预报的紧迫需求，尤其是在城市地区，局部事件往往被地面传感器所检测不到。在德国，2001 年至 2018 年间，仅有 17.3% 的小时级重性暴雨事件被雨量计记录，凸显了传统监测系统的局限性。雷达数据是另一种有效跟踪 ongoing 降水的来源，但仅凭雷达数据预测重性暴雨的发展仍具有挑战性，这些事件具有短暂且不可预测的特性。我们的关注点在于评估雷达与卫星数据融合进行 nowcasting 的有效性。我们开发了一种多模态 nowcasting 模型，将雷达和卫星图像用于预测 5、15 和 30 分钟的降水。我们展示了这种多模态策略显著优于仅使用雷达的方法。实验结果表明，整合卫星数据在预测强降水方面具有显著提升。在 5 分钟预报时，重性暴雨的关键成功指数提高了 4%，暴雨的关键成功指数提高了 3%。此外，该模型在较长的预报时限上保持更高的预测技能，而在这些时限上，仅雷达的方法性能会下降。对德国北莱茵-瓦普尔格州 2021 年严重洪水事件的定性分析进一步说明了多模态模型的优越性能。与仅雷达模型不同，后者捕捉一般降水模式，而多模态模型为受重性暴雨影响地区提供更精细且准确的预报。这种精度提升使能够及时、可靠地发布可救命警报。实现代码已公开于 https://github.com/RamaKassoumeh/Multimodal_heavy_rain。