LangPrecip：语言感知的多模态降水临近预报
机器学习
2026-05-15 v3 人工智能
计算机视觉与模式识别
摘要
短期降水临近预报是一个固有的不确定且约束不足的时空预测问题，尤其对于快速演变和极端天气事件。现有的生成方法主要依赖视觉条件，使得未来运动约束较弱且模糊。我们提出了一个语言感知的多模态临近预报框架（LangPrecip），它将气象文本视为对降水演变的语义运动约束。通过在Rectified Flow范式下将临近预报形式化为语义约束的轨迹生成问题，我们的方法能够在潜在空间中高效且物理一致地整合文本和雷达信息。我们进一步引入了LangPrecip-160k，一个包含16万对雷达序列和运动描述的大规模多模态数据集。在瑞典和MRMS数据集上的实验表明，与最先进的方法相比，我们的方法取得了持续改进，在80分钟预见期的强降水CSI上分别实现了超过60%和19%的提升。
引用
@article{arxiv.2512.22317,
title = {LangPrecip: Language-Aware Multimodal Precipitation Nowcasting},
author = {Xudong Ling and Chaorong Li and Tianxi Huang and Qian Dong and Guiduo Duan},
journal= {arXiv preprint arXiv:2512.22317},
year = {2026}
}