- 博客(27)
- 收藏
- 关注
RSS订阅原创 【0-3h PN相关3】对流尺度集合预报成员数对降水预报的影响
本研究针对川渝地区（四川和重庆）复杂地形区域的短时（0-12小时）降水预报问题，探讨在构建对流尺度集合预报系统时，最适宜的集合成员数量。考虑到成员数差别为2时预报技巧差异不明显，研究建议川渝地区对流尺度集合预报系统的成员数设置为16~18最适宜，这样既能获得具有代表性的降水预报概率密度分布，也能获得整体较优的降水集合预报技巧。本研究为构建针对川渝地区复杂地形条件下的对流尺度集合预报系统提供了科学参考，有助于在计算资源有限的情况下确定最适宜的集合成员数，提高对强降水天气过程的预报水平。
2025-05-09 15:44:43
469
原创 【0-3h PN相关2】GNSS天顶总延迟数据同化对意大利短期水汽和降水预报影响的研究
这篇研究论文探讨了将GNSS-ZTD（全球导航卫星系统-天顶总延迟）数据同化到WRF（气象研究和预报）模型中，对意大利地区短期（最长6小时）的可降水水汽和降水预报的影响。研究选择了2019年10月这一个月进行分析，这个时期意大利经历了几次中等到强烈的降水事件。
2025-05-09 15:38:14
951
原创 【0-3h PN相关1】Lightning over Italy: analyses of data and impact of theirassimilation on lightning.....
每次模拟产生了接下来6小时的预报，验证在同化后的0-3小时和3-6小时两个子时段进行。意大利雷电数据分析及其同化对雷电和降水预报的影响 研究概述 这篇发表于第18届地中海风险普利尼乌斯会议（18th Plinius Conference on Mediterranean Risks）的研究论文探讨了意大利地区的雷电模式，并评估了雷电数据同化（LDA）如何提高天气预报的准确性。对于同化后0-3小时的预报期，结果表明雷电数据同化对雷电预测准确性产生了显著的积极影响，既提高了正确预报率，又减少了虚假警报。
2025-05-09 15:28:25
361
原创 【单源雷达回波外推1】DTCA: Precipitation Nowcasting Using Diffusion Transformer With Causal Attention
数据预处理与嵌入首先利用 AutoEncoder 将高分辨率的降水图像序列压缩到低维潜空间，然后按照 ViT 的方式将潜空间划分为不重叠的时空 patch，再映射成 token 序列。前几帧作为条件输入，其余帧作为预测目标。扩散模型与 Transformer 架构模型采用扩散模型框架，在潜空间内进行降噪预测。核心部分为基于 Transformer 的模块，通过自注意力机制捕捉长程依赖，同时利用因果注意力机制将条件信息引入预测过程，确保预测与历史降水信息之间的因果一致性。预测与重构。
2025-03-13 10:53:08
634
原创 【AI气象强短强11】NowcastNet: A nonlinear deep learning model for extreme precipitation nowcasting
这篇论文提出了一种名为NowcastNet的深度学习模型,用于短期预报极端降水事件。
2025-03-03 11:34:22
307
原创 【AI气象强短强10】Artificial intelligence for modeling and understanding extreme weather and climate events
这篇综述性论文深入探讨了人工智能在极端天气气候事件分析中的应用。
2025-03-03 11:33:19
350
原创 【AI气象强短强9】Hybrid Physics-AI Outperforms Numerical Weather Prediction for Extreme Precipitation ...
这篇论文探讨了在极端降水短时预报中的应用，并与传统的数值天气预报（NWP）模型进行了对比，特别是与最新的进行对比，验证了物理条件深度生成模型在捕捉极端降水事件时的优越性。
2025-02-27 17:27:53
629
原创 【AI气象强短强8】GA-SmaAt-GNet: Generative Adversarial Small Attention GNet for Extreme Precipitation ..
GA-SmaAt-GNet是一种创新的生成对抗网络架构，特别适用于极端降水事件的短时预报。通过结合生成模型、注意力机制以及降水掩码，GA-SmaAt-GNet在多项评估指标上均优于传统的降水预报模型，具有较高的实用价值和未来发展潜力。
2025-02-27 17:22:35
751
原创 【AI气象强短强7】Extreme Precipitation Nowcasting using Transformer-based Generative Models
这篇论文展示了基于Transformer的生成模型在极端降水短时预报中的应用，并通过引入EVL正则化，显著提高了模型的预测精度，尤其是对极端降水事件的处理能力。对于极端降水事件的快速响应和灾害管理具有重要意义。
2025-02-27 17:16:53
643
原创 【AI气象强短强6】基于CMA-MESO模式的黑龙江省强对流天气分类预报方法研究
这篇论文的研究主题是基于CMA-MESO模式的黑龙江省强对流天气分类预报方法。研究的主要目标是利用CMA-MESO模式的数据和技术，通过分析大气条件（如动力条件、不稳定性、水汽条件等），对强对流天气进行有效的分类预报。
2025-02-27 16:37:06
811
原创 【AI气象强短强5】基于CMA-MESO的分级短时强降水概率预报方法研究
这篇论文研究了基于CMA-MESO模式的分级短时强降水概率预报方法。研究的核心目标是开发一种不同雨强等级的短时强降水（SHR）预报方法，满足日益精细化的预报需求，尤其是在极端天气预报方面。
2025-02-27 16:34:31
887
原创 【AI气象强短强4】基于因子分析的广东省短时强降水预报模型及其业务试验
这篇论文提出了一种基于因子分析的短时强降水预报模型，主要用于提高广东省在不同季节和地区的短时强降水（SHR）预测的命中率，并降低虚警率。
2025-02-27 16:32:47
286
原创 【AI气象强短强3】基于双偏振雷达变量垂直廓线特征的短时强降水和雷暴大风短时临近预报方法
这篇论文提出了一种基于双偏振雷达变量垂直廓线特征的短时强降水和雷暴大风短时临近预报方法，称为。其核心思想是通过改进后的贝叶斯概率方法，将双偏振雷达的垂直廓线特征（如差分反射率、差分传播相移等）引入外推模型，从而实现强对流灾害的提前识别，进一步提高短时强降水和雷暴大风的预报能力。
2025-02-27 16:29:14
454
原创 【AI气象强短强2】基于累加气候概率的FSS检验方法对多模式短时暴雨预报的评估
短时暴雨是高频发生且破坏力大的天气事件，准确预报对防灾减灾至关重要。传统的数值预报评估方法（如TS评分）在强降水事件的评估中存在局限性，尤其是在高分辨率和小概率事件的表现上。因此，本文采用FSS检验方法，评估不同数值天气预报系统在短时暴雨预报中的准确性，重点关注其在不同天气背景下的表现。
2025-02-27 16:25:15
423
原创 【AI气象强短强1】基于ECMWF细网格、GRAPES的短时强降水潜势预报和检验
该研究提出的基于ECMWF细网格和GRAPES模式的短时强降水潜势预报方法，尽管在实际应用中仍面临一定的误差和挑战，但其结合了水汽、不稳定性和抬升等多个物理因子的分析，能够为短时强降水预报提供有力的支持。
2025-02-27 16:20:05
383
原创 【AI气象6】Skilful nowcasting of extreme precipitation with NowcastNet
极端降水是气象灾害的重要因素，因此迫切需要通过高分辨率、长时间预报和局部细节的精准短期预报来减轻其社会经济影响。当前的方法存在模糊、衰减、强度或位置误差，基于物理的数值方法在捕捉关键的混沌动态（如对流起始）时面临挑战，而数据驱动的学习方法则未能遵循内在的物理法则（如平流守恒）。我们提出了 NowcastNet，这是一种针对极端降水的非线性短期预报模型，将物理演变方案与条件学习方法统一到一个端到端的神经网络框架中，通过优化预测误差进行训练。基于来自美国和中国的雷达观测数据，我们的模型能够生成物理上合理的降水短
2024-08-28 17:46:32
1428
1
原创 QPE（Quantitative Precipitation Estimation）介绍
"QPE" 通常指的是 "Quantitative Precipitation Estimation"，即定量降水估计的缩写。这是一种用于测量和估计降水量的方法，通常在气象学、水文学和水资源管理中使用。QPE 方法包括使用各种技术和工具，如雷达、卫星遥感、气象站数据、数值模型等，以定量方式估计降水的强度、分布和总量。QPE 方法的准确性取决于数据源、算法和模型的质量，因此它在不同的应用中可能采用不同的技术和工具来实现。这一领域的研究不断发展，旨在提高降水估计的准确性和精度，以更好地应对气象和水文事件。
2023-10-15 17:15:12
2246
1
原创 【AI气象5】Using Conditional Generative Adversarial 3-DConvolutional Neural Network for Precise Radar 外推
天气雷达是气象观测的重要工具之一。它能够实时提供高精度的大气信息，也是许多天气识别和预测算法的基础。雷达回波外推技术是指基于过去的雷达数据预测未来雷达回波的变化。这项技术分析了过去几分钟内的雷达回波变化，并在接收数据后的几分钟内提供高时空分辨率的未来大气演变信息。外推技术在接下来的几个小时内，尤其是第一小时内具有可靠的预测技能。高质量的雷达回波外推结果是许多预测算法的基石，对于灾害防控具有重要意义。传统的雷达外推方法可以分为基于单元的方法和像素级方法。
2023-09-21 16:59:01
924
1
原创 【AI气象基础知识2】ViT: An image is worth 16x16 words: Transformers for image recognition at scale
自注意力架构，特别是Transformer（Vaswani等，2017），已经成为自然语言处理（NLP）中的首选模型。主要方法是在大型文本语料库上进行预训练，然后在较小的任务特定数据集上进行微调（Devlin等，2019）。由于Transformer的计算效率和可扩展性，现在可以训练具有超过1000亿参数的前所未有的大型模型（Brown等，2020；Lepikhin等，2020）。随着模型和数据集的不断增长，性能仍然没有达到饱和。然而，在计算机视觉领域，卷积架构仍然占主导地位（LeCun等，1989；
2023-09-16 21:59:11
369
1
原创 【AI气象基础知识1】TransUNet: Transformers Make StrongEncoders for Medical Image Segmentation
卷积神经网络（CNNs），特别是全卷积网络（FCNs）[8]，已经成为医学图像分割领域的主导力量。在不同的变体中，U-Net [12]，它由对称的编码器-解码器网络组成，其中包含跳跃连接以增强细节保留，已经成为事实上的选择。基于这一方法，已经在广泛的医学应用中取得了巨大成功，如从磁共振（MR）中进行心脏分割[16]，从计算机断层扫描（CT）中进行器官分割[7, 17, 19]，以及从结肠镜视频中进行息肉分割[20]。
2023-09-16 16:46:10
669
1
原创 【AI气象4】U-Net based Nowcasting：Machine Learning for Precipitation Nowcasting fromRadar Images
高分辨率的短时天气预报对于有效应对气候变化，尤其是极端天气，是一种必不可少的工具。由于深度学习（DL）技术在许多领域，包括地球科学，已经显示出巨大的潜力，因此我们提出了DL在降水现在预测问题上的应用，即高分辨率（1公里×1公里）短期（1小时）降水预测。我们将天气预报视为图像到图像的转换问题，并利用广泛使用的U-Net卷积神经网络的强大能力。与三种常用模型：光流、持续性和NOAA的数值一小时HRRR现在预测相比，我们发现这种方法的性能表现较好。
2023-09-15 23:57:22
774
原创 【AI气象3】SmaAt-UNet: Precipitation Nowcasting using a SmallAttention-UNet Architecture
计算机气象预测是现代工业化社会中普遍存在的特征，用于规划、组织和管理个人和经济生活的各个方面。迄今为止，天气预报的主要方法是数值天气预报（NWP）。NWP依赖于数学模型，考虑大气的不同物理特性，如风速、压力和温度。基于NWP的模型可以生成几小时到几天后的准确天气预测。然而，它们涉及求解高度复杂的数学模型，计算成本高昂，需要庞大的计算能力，因此通常在昂贵的超级计算机上执行[1]。由于NWP模型具有高计算和时间要求，因此不太适合范围从几分钟到最多6小时的短期预报，也称为短临预报[2]。
2023-09-15 22:18:29
2459
1
原创 【AI气象2】AA-TransUNet: Attention Augmented TransUNetFor Nowcasting Tasks
准确的天气预测对人类生活产生重要影响，直接影响着包括经济、农业、商业、交通和物流等多个领域。特别是短临降水预测，即未来6小时的天气预测，由于在支持上述工业部门的社会经济需求中具有高度影响，因此成为越来越受欢迎的研究主题[1]。此外，降水短临预测在水相关风险管理中起着重要作用。警告系统通常也依赖于此类预测来生成警报[2]。传统的降水预测方法基于数值天气预报（NWP）[3]。然而，它们的空间和时间分辨率通常对降水短时预测来说太低。
2023-09-15 19:54:24
2318
1
原创 【AI气象1】Rainformer: Features Extraction Balanced Networkfor Radar-Based Precipitation Nowcasting
降水短时预报任务是气象研究中的基本挑战之一，其旨在利用特定气象信息预测未来0-2小时内的降雨强度。与人类生活密切相关，具有广泛的应用范围。降水短时预报方法可以粗略地分为数值天气预报（Numerical Weather Prediction, NWP）和基于雷达外推的方法。NWP依赖大量复杂的气象数据作为输入数据，并需要昂贵的计算资源。在这一点上，基于雷达外推的方法可能是一个不错的选择。它不需要其他气象信息，只使用几个雷达地图/帧来预测未来的雷达地图。
2023-08-31 17:00:36
605
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人