基于雷达图像的降水临近预报机器学习方法
计算机视觉与模式识别
2019-12-30 v1 机器学习
机器学习
摘要
高分辨率临近预报是有效适应气候变化（尤其是极端天气）所需的重要工具。由于深度学习（DL）技术在包括地球科学在内的许多领域展现出巨大前景，我们提出将 DL 应用于降水临近预报问题，即高分辨率（1 km x 1 km）短期（1 小时）降水预测。我们将预报视为图像到图像的翻译问题，并利用普遍的 UNET 卷积神经网络的能力。我们发现，与三种常用模型——光流、持续性以及 NOAA 的数值一小时 HRRR 临近预报预测相比，其表现更优。
引用
@article{arxiv.1912.12132,
title = {Machine Learning for Precipitation Nowcasting from Radar Images},
author = {Shreya Agrawal and Luke Barrington and Carla Bromberg and John Burge and Cenk Gazen and Jason Hickey},
journal= {arXiv preprint arXiv:1912.12132},
year = {2019}
}