TempNet——基于残差 CNN 的雷达降雨产品时间超分辨率
计算机视觉与模式识别
2022-09-23 v2 机器学习
摘要
降雨数据的时间和空间分辨率对于将其时空变异性视为主要因素的环境建模研究至关重要。来自不同遥感仪器（如雷达、卫星）的降雨产品具有不同的时空分辨率，这是由于它们传感能力和后处理方法的差异所致。在本研究中，我们开发了一种深度学习方法来增强降雨数据的时间分辨率，以补充分辨率相对较低的产品。我们提出了一种基于卷积神经网络（CNNs）的神经网络架构，以提高基于雷达的降雨产品的时间分辨率，并将所提模型与基于光流的插值方法和 CNN 基线模型进行比较。本研究所提出的方法可用于增强具有更优时间分辨率的降雨图，并对二维降雨图序列中的缺失帧进行插补，以支持水文和洪水预报研究。
引用
@article{arxiv.2109.09289,
title = {TempNet -- Temporal Super Resolution of Radar Rainfall Products with Residual CNNs},
author = {Muhammed Sit and Bong-Chul Seo and Ibrahim Demir},
journal= {arXiv preprint arXiv:2109.09289},
year = {2022}
}