SynWeather：基于通用扩散转换器的多区域、多变量天气观测数据合成
计算机视觉与模式识别
2025-11-18 v3
摘要
随着气象仪器的发展，已有大量数据可用。当前方法通常专注于单变量、单区域任务，主要依赖确定性建模。这限制了跨变量和跨区域的统一合成，忽略了跨变量的互补性，常导致结果过于平滑。为解决上述挑战，我们引入 SynWeather，这是第一个面向统一多区域、多变量天气观测数据合成的数据集。SynWeather 覆盖四个具有代表性的区域：美国大陆、欧洲、东亚和热带风暴区域，并提供关键天气变量的高分辨率观测数据，包括复合雷达反射率、小时降雨、可见光和微波亮温。此外，我们引入 SynWeatherDiff，一个基于扩散转换器框架构建的通用概率天气合成模型，以解决过于平滑的问题。在 SynWeather 数据集上的实验表明，我们的网络在与任务特定模型和通用模型均方有效。
引用
@article{arxiv.2511.08291,
title = {SynWeather: Weather Observation Data Synthesis across Multiple Regions and Variables via a General Diffusion Transformer},
author = {Kaiyi Xu and Junchao Gong and Zhiwang Zhou and Zhangrui Li and Yuandong Pu and Yihao Liu and Ben Fei and Fenghua Ling and Wenlong Zhang and Lei Bai},
journal= {arXiv preprint arXiv:2511.08291},
year = {2025}
}
备注
Accepted by AAAI-26 Oral