降水预报相关 AI 资讯 · AI 热点

7月20日

09:47

09:47

官方账号arXiv cs.LG@Akshay Sunil, Muhammed Rashid, Raja Sekhar Sivaraju, Sushma Nair, Subimal Ghosh

这篇论文提出基于物理引导的深度时空超本地雷达临近预报框架，使用多变量U-Net结合多仰角反射率、多普勒径向速度和径向速度梯度代理特征。模型利用2023年5月至8月孟买多普勒雷达观测数据训练，预测未来90分钟内每7.5分钟间隔的12个复合反射率场。在90分钟提前时间，对于≥10、≥20和≥30 dBZ阈值，临界成功指数分别为0.437、0.332和0.193。与持续性法相比，该模型在更长提前时间上具有更低的RMSE和更高的空间相关性。训练后可在标准计算机上实时运行，几秒内生成预报。

论文 U-Net Mumbai Doppler radar

推荐理由：搞气象AI的可以看这篇，用孟买雷达数据训练的U-Net模型预测90分钟降水，CSI比传统方法高不少。

5月18日

10:38

10:38

官方账号arXiv cs.LG@Dan Assouline, Erwan Koch, Federico Amato, Filippo Quarenghi, Daniele Nerini, Thibaut Loiseau, Kyle van de Langemheen, Tom Beucler

精选

瑞士研究人员提出 SwAIther-Precip 框架，通过提前时间感知的偏差校正，将全球 AI 天气模型（AIFS）的 0.25 度分辨率降水预报降尺度到 1 公里网格。该方法先用 U-Net 校正粗分辨率下的系统偏差，再用扩散模型生成精细空间变异性，在瑞士地区将 CRPS 降低 48%。有效分辨率达约 4 公里，且对长达 5 天的预报保持高光谱保真度。该工作解决了复杂地形下公里级中期降水预报的难题，为本地灾害应用提供了实用方案。

论文 AI天气模型降尺度降水预报

推荐理由：做气象预报或灾害预警的团队终于有了一个靠谱的降尺度工具——SwAIther-Precip 把全球 AI 模型的粗预报变成了瑞士本地可用的公里级概率预报，效果显著。做 AI+气象的开发者建议看看这个提前时间感知的校正思路。