利用卫星数据深度扩散模型进行四小时雷暴临近预报
机器学习
2025-12-19 v5
摘要
对流（雷暴）在数小时内迅速发展，具有高度破坏性，对临近预报构成重大挑战，并给基础设施和社会带来巨大损失。自基于人工智能（AI）的方法出现以来，对流临近预报经历了快速发展，其性能已超越基于物理的数值天气预报和其他传统方法。然而，其预报时效和覆盖范围仍有很大提升空间，难以满足灾害应急响应的需求。在此，我们提出一种卫星数据深度扩散模型（DDMS），以建立一个基于AI的对流临近预报系统。具体而言，DDMS利用扩散过程有效模拟对流云复杂的时空演化模式，从而在更长的预报时效内实现更准确的对流生消预报。此外，它结合了静止卫星亮温数据和气象专家的领域知识，从而实现了行星尺度的预报覆盖。在基于风云四号A星（FengYun-4A）的长期测试和客观验证中，我们的系统首次实现了长达4小时的有效对流临近预报，具有广阔的覆盖范围（约20,000,000平方公里）、卓越的准确性和高分辨率（15分钟；4公里）。与现有模型相比，其性能在对流临近预报方面达到了新的高度。在应用方面，我们的系统具有高度可迁移性，有望与多颗卫星协同进行全球对流临近预报。此外，我们的结果突显了扩散模型在对流云预报中的卓越能力，以及地球静止轨道卫星数据在AI技术赋能下的巨大价值。
引用
@article{arxiv.2404.10512,
title = {Four-hour thunderstorm nowcasting using a deep diffusion model of satellite data},
author = {Kuai Dai and Xutao Li and Junying Fang and Yunming Ye and Demin Yu and Hui Su and Di Xian and Danyu Qin and Jingsong Wang},
journal= {arXiv preprint arXiv:2404.10512},
year = {2025}
}