用于城市微气象实时预测的超分辨率模拟
大气与海洋物理
2019-12-10 v1 流体动力学
摘要
我们提出一种超分辨率（SR）模拟系统，其由基于物理的气象模拟与基于深度卷积神经网络（CNN）的 SR 方法组成。该 CNN 使用由不同分辨率的气象模拟结果所创建的高分辨率（HR）与低分辨率（LR）图像对进行训练，从而可将 LR 模拟图像映射为 HR 图像。所提出的 SR 模拟系统执行 LR 模拟，能以远短于相应 HR 模拟预测系统所需周期的运行周期提供 HR 预测结果。我们将 SR 模拟系统应用于受建筑与人类活动强烈影响城市微气象。需解析城市建筑的城市微气象模拟计算代价高昂，因而即便在超级计算机上运行也无法用于业务化实时预测。我们在超级计算机上执行 HR 微气象模拟，以获取用于训练 SR 方法中 CNN 的数据集。结果表明，所提出的 SR 方法可使用 4 的空间缩放因子，且大幅优于传统插值方法。结果亦表明，所提出的 SR 模拟系统有潜力用于业务化城市微气象预测。
引用
@article{arxiv.1902.05631,
title = {Super-Resolution Simulation for Real-Time Prediction of Urban Micrometeorology},
author = {Ryo Onishi and Daisuke Sugiyama and Keigo Matsuda},
journal= {arXiv preprint arXiv:1902.05631},
year = {2019}
}