TCR-GAN：基于生成对抗网络利用红外图像预测热带气旋被动微波降雨
机器学习
2022-01-19 v1
摘要
热带气旋（TC）通常携带大量水汽并可能引发大范围极端降雨。高时空分辨率的 TC 被动微波降雨（PMR）估计对热带气旋灾害预警至关重要，但由于微波传感器时间分辨率低，仍具挑战性。本研究尝试通过直接从 TC 卫星红外（IR）图像预报 PMR 来解决该问题。我们开发了生成对抗网络（GAN）将 IR 图像转换为 PMR，并建立 TC 云顶亮温与 PMR 之间的映射关系，该算法命名为 TCR-GAN。同时，建立了一个可用作基准的新数据集——热带气旋红外至降雨预测数据集（TCIRRP），有望推动人工智能在该方向的发展。实验结果表明，该算法能有效从 IR 中提取关键特征。这种端到端深度学习方法展现出作为全球适用技术的潜力，并为通过卫星进行热带气旋降水预测提供了新视角，有望为业务中对全球 TC 降雨的实时可视化提供重要支撑。
引用
@article{arxiv.2201.07000,
title = {TCR-GAN: Predicting tropical cyclone passive microwave rainfall using infrared imagery via generative adversarial networks},
author = {Fan Meng and Tao Song and Danya Xu},
journal= {arXiv preprint arXiv:2201.07000},
year = {2022}
}