基于条件去噪扩散模型从数字台风卫星图像估算大气变量
计算机视觉与模式识别
2024-10-18 v3 大气与海洋物理
摘要
本研究探讨了扩散模型在台风领域的应用，从数字台风卫星图像同时预测多个 ERA5 气象变量。本研究的重点地区为极易受台风影响的台湾地区。通过比较条件去噪扩散概率模型（CDDPM）与卷积神经网络（CNN）和 Squeeze-and-Excitation Networks（SENet）的性能，结果表明 CDDPM 在生成准确且逼真的气象数据方面表现最佳。具体而言，CDDPM 取得了 32.807 的 PSNR，比 CNN 高约 7.9%，比 SENet 高 5.5%。此外，CDDPM 记录的 RMSE 为 0.032，比 CNN 改善了 11.1%，比 SENet 改善了 8.6%。本研究的一个关键应用可用于缺失气象数据集的插补，并利用卫星图像生成额外的高质量气象数据。希望本分析结果能够实现更稳健、更详细的预报，从而减少恶劣天气事件对脆弱地区的影响。代码可在 https://github.com/TammyLing/Typhoon-forecasting 获取。
关键词
引用
@article{arxiv.2409.07961,
title = {Estimating Atmospheric Variables from Digital Typhoon Satellite Images via Conditional Denoising Diffusion Models},
author = {Zhangyue Ling and Pritthijit Nath and César Quilodrán-Casas},
journal= {arXiv preprint arXiv:2409.07961},
year = {2024}
}
备注
Accepted for spotlight presentation at the NeurIPS 2024 workshop on Tackling Climate Change with Machine Learning. 8 pages, 5 figures