SGMAGNet：基于新型主被动卫星基准的 3D 云相态结构重建基线模型
计算机视觉与模式识别
2025-09-22 v1 人工智能
大气与海洋物理
摘要
云相态廓线对数值天气预报（NWP）至关重要，因为它们直接影响辐射传输和降水过程。在本研究中，我们提出了一个基准数据集和基线框架，用于将多模态卫星观测转换为详细的 3D 云相态结构，旨在实现业务化云相态廓线反演以及未来与 NWP 系统的整合，以改善云微物理参数化。多模态观测包括：（1）来自地球静止卫星的高时空分辨率、多波段可见光（VIS）和热红外（TIR）图像；以及（2）来自星载激光雷达（CALIOP/CALIPSO）和雷达（CPR/CloudSat）的精确垂直云相态廓线。该数据集由跨越不同云状态的同步图像-廓线对组成，定义了一项监督学习任务：给定 VIS/TIR 图像块，预测相应的 3D 云相态结构。我们采用 SGMAGNet 作为主模型，并将其与包括 UNet 变体和 SegNet 在内的几种基线架构进行比较，这些架构均旨在捕获多尺度空间模式。模型性能使用标准分类指标进行评估，包括 Precision、Recall、F1-score 和 IoU。结果表明，SGMAGNet 在云相态重建中取得了优越的性能，特别是在复杂的多层和边界过渡区域。定量上，SGMAGNet 取得了 0.922 的 Precision、0.858 的 Recall、0.763 的 F1-score 和 0.617 的 IoU，在所有这些关键指标上显著优于所有基线。
引用
@article{arxiv.2509.15706,
title = {SGMAGNet: A Baseline Model for 3D Cloud Phase Structure Reconstruction on a New Passive Active Satellite Benchmark},
author = {Chi Yang and Fu Wang and Xiaofei Yang and Hao Huang and Weijia Cao and Xiaowen Chu},
journal= {arXiv preprint arXiv:2509.15706},
year = {2025}
}
备注
9 pages, 4 figures, 2 tables