基于深度多尺度外推融合的气象卫星图像预测
计算机视觉与模式识别
2022-09-26 v1 图像与视频处理
摘要
气象卫星图像对气象学家至关重要。这些数据在监测和分析天气与气候变化中发挥了重要作用。然而，卫星图像是一种观测数据，在将数据传输回地球时存在显著的时间延迟。对气象卫星图像进行准确预测十分重要，尤其是提前至多2小时的临近预报。近年来，基于深度学习的天气雷达图像临近预报预测应用研究兴趣日益增长。与天气雷达图像预测问题相比，气象卫星图像预测的主要挑战在于大尺度观测区域以及由此带来的大尺寸观测产品。本文提出一种深度多尺度外推融合方法，以应对气象卫星图像临近预报预测的挑战。首先，我们将大尺寸的原始卫星图像数据集下采样为若干较小分辨率的图像数据集，然后使用深度时空序列预测方法分别生成不同分辨率的多尺度预测图像。其次，我们通过条件生成对抗网络将多尺度预测结果融合为原始尺寸的目标预测图像。基于FY-4A气象卫星数据的实验表明，所提方法能够生成逼真的预测图像，有效捕捉天气系统的详细演变。我们相信本工作的总体思路可潜在应用于其他大尺寸时空序列预测任务。
引用
@article{arxiv.2209.11682,
title = {Meteorological Satellite Images Prediction Based on Deep Multi-scales Extrapolation Fusion},
author = {Fang Huang and Wencong Cheng and PanFeng Wang and ZhiGang Wang and HongHong He},
journal= {arXiv preprint arXiv:2209.11682},
year = {2022}
}