基于物理引导优化的全局-局部时空聚合U-Net降水临近预报模型

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:GSA-UNet: A Global–Local Spatiotemporal Aggregation Network for Physics-Guided Precipitation Nowcasting

【字体: 大 中 小 】 时间:2026年10月23日 来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3

编辑推荐:

   摘要:降水临近预报利用雷达和格点气象数据,为强对流天气监测、水文风险评估和灾害防御提供支持。由于降水场的移动具有非线性特征,在多个尺度上演变,且包含稀疏的强降水结构,预报仍然十分困难。深度学习模型往往会平滑这些结构,并低估强降水。我们提出了全局-局部时空聚合U-Net(GSA

  

摘要:

降水临近预报利用雷达和格点气象数据,为强对流天气监测、水文风险评估和灾害防御提供支持。由于降水场的移动具有非线性特征,在多个尺度上演变,且包含稀疏的强降水结构,预报仍然十分困难。深度学习模型往往会平滑这些结构,并低估强降水。我们提出了全局-局部时空聚合U-Net(GSA-UNet),这是一个具有物理引导优化的紧凑编解码网络。该网络采用LightGLSP模块、改进的跨尺度跳跃连接以及多尺度注意力融合机制。物理引导降雨损失函数(PGRL)将强度感知的非对称回归与对空间结构、场级均值偏差和时间变化的正则化相结合。三个正则化项由物理机制启发,但并不强制满足某一控制方程或守恒定律。我们在LAPS数据集、上海雷达数据集和ERA5-Land-FS数据集上对GSA-UNet进行了评估,并借助CSI、HSS、SSIM和RMSE指标,将其与循环网络、卷积网络、基于Transformer的模型、基于状态空间的模型以及物理引导模型进行了对比。GSA-UNet在高云量和高反射率阈值下取得了最大的性能提升。在报告的配置文件设置下,GSA-UNet使用了114万个参数和2.63亿次浮点运算。项目代码仓库地址为:https://github.com/WWWH123Q/GSA-UNet。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号