将降雨雷达图像与风预报融合于深度学习模型并应用于降雨临近预报
信号处理
2021-01-13 v2 机器学习
大气与海洋物理
摘要
短期或中期降雨预报是一项具有多种环境应用（如农业管理或洪水风险监测）的重要任务。现有的数据驱动方法，特别是深度学习模型，仅以降雨雷达图像为输入，已在此任务上展现出显著技巧。为确定使用风等其他气象参数是否能改善预报，我们在降雨雷达图像与天气预报模型产生的风速之融合数据上训练了一个深度学习模型。将该网络与仅在雷达数据上训练的同类架构、基本持续性模型以及基于光流的方法进行比较。对于 30 分钟预报时效内的中雨及以上降雨事件，本网络的 F1-score 比光流方法计算值高出 8%。此外，它比仅使用降雨雷达图像训练的同类架构高出 7%。融合降雨与风数据还被证明能稳定训练过程，并带来显著改进，尤其在难以预测的大降水量降雨上。
引用
@article{arxiv.2012.05015,
title = {Fusion of rain radar images and wind forecasts in a deep learning model applied to rain nowcasting},
author = {Vincent Bouget and Dominique Béréziat and Julien Brajard and Anastase Charantonis and Arthur Filoche},
journal= {arXiv preprint arXiv:2012.05015},
year = {2021}
}
备注
In press in Remote Sensing (MDPI)