利用级联扩散模型对对流云进行技巧性预测
计算机视觉与模式识别
2025-02-18 v1 大气与海洋物理
摘要
从卫星影像对对流云进行精准 nowcasting 对减轻气象灾害的影响至关重要，尤其是在缺乏地面观测的发展中国家和偏远地区。近期的深度学习技术在视频预测方面显示出前景，但现有模型经常产生模糊结果，在预测物理场时表现出降低的准确性。本文引入了 SATcast，这是一个利用级联架构和多模态输入的扩散模型，用于卫星影像中的云场 nowcasting。SATcast 整合了由 FuXi（一种深度学习天气模型）预测的物理场，以及过去的卫星观测作为条件输入，以生成高质量的未来云场。通过全面评估，SATcast 在多个指标上超越了传统方法，显示出其在准确性和鲁健性方面的优势。消融研究强调了其多模态设计和级联架构在实现可靠预测中的重要性。值得注意的是，SATcast 能够维持长达 24 小时的预测技能，凸显了其在操作性 nowcasting 应用中的潜力。
关键词
引用
@article{arxiv.2502.10957,
title = {Skillful Nowcasting of Convective Clouds With a Cascade Diffusion Model},
author = {Haoming Chen and Xiaohui Zhong and Qiang Zhai and Xiaomeng Li and Ying Wa Chan and Pak Wai Chan and Yuanyuan Huang and Hao Li and Xiaoming Shi},
journal= {arXiv preprint arXiv:2502.10957},
year = {2025}
}