WF-UNet：用于降水临近预报的天气融合 UNet
机器学习
2023-02-10 v2
摘要
为城市洪涝或山体滑坡等恶劣天气及其影响设计预警系统，需要准确的降水短期预报（临近预报）。临近预报是一项重要任务，具有若干环境应用，如农业管理或提升飞行安全。本研究探讨了 UNet 核心模型及其扩展在西欧最长提前 3 小时降水临近预报中的使用。特别地，我们提出天气融合 UNet（WF-UNet）模型，其利用 Core 3D-UNet 模型，并在学习过程中整合降水与风速变量作为输入，分析其对降水目标任务的影响。我们收集了 2016 年 1 月至 2021 年 12 月欧洲 14 个国家基于 ERA5 数据集（由欧盟地球观测计划 Copernicus 提供）的六年降水与风雷达图像，时间分辨率为 1 小时，空间分辨率为 31 平方千米。我们将提出的 WF-UNet 模型与持续性模型以及仅使用降水雷达输入数据训练的其他基于 UNet 的架构进行比较。所得结果表明，在 1、2 和 3 小时预报时效上，WF-UNet 分别比其它表现最佳的架构 MSE 低 22%、8% 和 6%。
引用
@article{arxiv.2302.04102,
title = {WF-UNet: Weather Fusion UNet for Precipitation Nowcasting},
author = {Christos Kaparakis and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2302.04102},
year = {2023}
}
备注
8 pages, 8 figures