2025年7月4日德克萨斯州山洪暴发期间,利用傅里叶神经算子和GOES-16、GOES-19卫星数据进行的每小时降水量反演

《IEEE Geoscience and Remote Sensing Letters》:Hourly Precipitation Retrieval Using Fourier Neural Operator with GOES-16 and GOES-19 Inputs During the 4 July 2025 Texas Flash Flood

【字体: 大 中 小 】 时间:2026年05月15日 来源:IEEE Geoscience and Remote Sensing Letters 4.4

编辑推荐:

   摘要:基于卫星的降水反演对于南大平原地区的水文监测至关重要。本研究通过将基于GOES-16 ABI和GLM数据训练得到的傅里叶神经算子(FNO)模型应用于2025年7月4日德克萨斯州突发洪水的GOES-19观测数据,评估了该模型的跨卫星性能。尽管训练和测试数据来源存在差异,该模

  

摘要:

基于卫星的降水反演对于南大平原地区的水文监测至关重要。本研究通过将基于GOES-16 ABI和GLM数据训练得到的傅里叶神经算子(FNO)模型应用于2025年7月4日德克萨斯州突发洪水的GOES-19观测数据,评估了该模型的跨卫星性能。尽管训练和测试数据来源存在差异,该模型仍能再现80%的IV级降雨量估计值,而实际运行的GOES-R QPE产品的估计值则高出了2.5倍以上。FNO方法能够更好地捕捉对流结构,并在有效阈值下获得更高的公平威胁评分,这凸显了其在卫星数据转换期间进行实时降水估计的潜力。
相关新闻
生物通微信公众号
微信
新浪微博

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