使用条件生成对抗网络模拟热带气旋的夜间可见光卫星图像
大气与海洋物理
2025-05-08 v4 机器学习
摘要
可见光（VIS）图像对于监测热带气旋（TC）很重要，但在夜间不可用。本研究提出了一种条件生成对抗网络（CGAN）模型，以生成精度和空间分辨率显著提高的夜间VIS图像。与现有模型相比，我们的方法提供了三个关键改进。首先，我们将pix2pix框架中的L1损失替换为结构相似性指数（SSIM）损失，这显著减少了图像模糊。其次，我们基于对其光谱特性的彻底检查选择了多光谱红外（IR）波段作为输入，为准确模拟提供了必要的物理信息。第三，我们加入了太阳和卫星的方向参数，解决了VIS图像对阳光方向的依赖性，并使得从连续白天数据中获得更大的训练集成为可能。该模型使用先进葵花成像仪（AHI）的白天数据进行训练和验证，达到了SSIM = 0.923和均方根误差（RMSE）= 0.0299的统计结果，显著优于现有模型。我们还使用可见光/红外成像辐射计套件（VIIRS）的昼/夜波段（DNB）进行了跨卫星夜间模型验证，与现有模型相比取得了出色结果。我们的模型可操作地应用于生成具有任意虚拟阳光方向的准确VIS图像，显著促进了各种气象现象的夜间监测。
引用
@article{arxiv.2401.11679,
title = {Simulating Nighttime Visible Satellite Imagery of Tropical Cyclones Using Conditional Generative Adversarial Networks},
author = {Jinghuai Yao and Puyuan Du and Yucheng Zhao and Yubo Wang},
journal= {arXiv preprint arXiv:2401.11679},
year = {2025}
}