基于M-SimVP的多步卫星云图预测：融合运动感知时间预测与多尺度运动补偿的方法

《Remote Sensing》：A Multi-Channel Satellite Cloud Image Multi-Step Prediction Model Based on Motion Awareness and Multi-Scale Compensation

　　准确的多步卫星云图预测仍具有挑战性，因为云场随时间推移会出现位移、形变以及局部外观变化。本研究提出了M-SimVP，一种基于SimVP构建的多通道预测框架。其中，运动感知时间预测（MATP）模块对时间变化进行建模，并从历史特征中学习对齐场；多尺度运动补偿（MSMC）模块将所学到的对齐信息传递至多尺度特征及图像空间。此外，生成-细化通路进一步补充了基于形变的补偿方法。实验基于FY-4B/AGRI CH1-CH3序列，以六帧输入预测四个未来时刻（15、30、45和60分钟）的云图。M-SimVP取得了MSE 0.00421、SSIM 0.7604、PSNR 23.76 dB及Edge-MSE 0.0180的结果，与SimVP相比，MSE降低了12.29%，Edge-MSE降低了16.67%。该模型还优于循环网络、光流/平流方法及卫星专用基线模型。消融实验、逐通道分析及预测时距分析证实了所提各组件的贡献，并表明性能优势在1小时预测范围内得以保持，而在更长的预测时距下，复杂的云演化仍具有挑战性。