HAF-Net:面向卫星雷达反射率重建的分层自适应融合网络

《Remote Sensing》:HAF-Net: A Hierarchical Adaptive Fusion Network for Satellite-Based Radar Reflectivity Reconstruction

【字体: 大 中 小 】 时间:2026年09月19日 来源:Remote Sensing 4.3

编辑推荐:

  现有的星基雷达反射率重建方法往往低估强对流回波,且难以保持精细空间结构。研究人员提出HAF-Net,一种分层自适应融合网络(Hierarchical Adaptive Fusion Network),用于从FY-4B AGRI观测和辅助地理空间变量生成组合雷达

  
现有的星基雷达反射率重建方法往往低估强对流回波,且难以保持精细空间结构。研究人员提出HAF-Net,一种分层自适应融合网络(Hierarchical Adaptive Fusion Network),用于从FY-4B AGRI观测和辅助地理空间变量生成组合雷达反射率(CREF)的卫星派生代理场。HAF-Net旨在应对卫星—雷达重建中的三个挑战:紧凑对流核与扩展云系统之间的尺度失配;跳跃连接传递的无关背景响应所导致的虚警;以及预测仅依赖最终解码器输出而非互补多层级表示时所造成的回波结构细节丢失。利用时空匹配的FY-4B与CINRAD观测开展的实验表明,在连续指标、结构指标和阈值指标中,HAF-Net在所有被评估模型中取得了最佳总体性能。消融结果表明,多感受野对流特征提取模块(MCFE)与强回波表示的改善相关;去除对流显著性引导跳跃细化(CSGR)和分层回波结构重建融合模块(HERF)后观测到的变化,与其在虚警抑制和多尺度结构重建中的预期作用一致。所报告的指标表征模型在样本地理域内、经筛选以保留含回波场景的雷达覆盖日级留出测试集上的性能;这些指标不应被解释为地理独立验证,也不应被解释为具有气候代表性的全天气性能。
地基天气雷达能够高分辨率观测降水系统,在强对流识别、恶劣天气监测和定量降水估计中发挥重要作用,但受地形遮挡、地球曲率、波束几何、站点密度和运行成本制约,山区、近海和人口稀少地区存在明显观测空白。静止气象卫星可提供连续广域观测,是雷达稀疏区的重要补充信息源。然而,卫星成像仪主要探测云顶和对流层上层属性,而雷达反射率取决于水凝物的三维分布和散射特征,因此卫星亮温到组合雷达反射率(CREF)的映射既非唯一也非空间均匀,尤其是强对流核在空间上稀疏、梯度剧烈,并与更广的弱回波和云背景并存。现有确定性编码器—解码器模型常低估强回波、模糊边界并过度平滑。针对上述问题,研究人员提出HAF-Net,以FY-4B AGRI观测和辅助地理空间变量为输入,生成卫星派生的组合雷达反射率(CREF)代理场。

主要关键技术方法可概括为:多感受野对流特征提取模块(MCFE),结合标准卷积、深度可分离卷积和空洞卷积,协调局部对流核与云系上下文;对流显著性引导跳跃细化(CSGR),对两层高分辨率跳跃连接施加通道—空间注意力,抑制无关背景响应;分层回波结构重建融合模块(HERF),将五个解码器层级表示对齐并融合,兼顾高分辨率回波边界与中粗尺度结构;训练目标采用对数逆频率加权的MAE与RMSE联合损失。样本来源为2024年3月5日至11月20日中国中东部七个部分重叠采样窗口内的FY-4B与CINRAD时空配对数据,筛选后共21,351对,按月份分层日级随机划分训练、验证和测试集。

5.1 总体重建性能
在筛选后的雷达覆盖日级留出测试集上,HAF-Net经五次独立训练的平均指标均优于U-Net、Swin-Unet、DeepLabV3+和ER-UNet,取得最低RMSE和MAE、最高R2和SSIM。HAF-Net的RMSE为5.9281 dBZ,R2为0.8605,SSIM为0.6159;Swin-Unet在SSIM上居第二,ER-UNet在多数连续指标上居第二。该结果表明,HAF-Net在减小像素级误差的同时改善了回波空间结构的保持。

5.2 基于阈值的回波检测
在15、25、35和45 dBZ四个阈值下,HAF-Net均取得最高POD、CSI和MCC以及最低FAR。35 dBZ时,POD为78.67%,CSI为0.6740;45 dBZ时,POD为46.53%,FAR为36.01%。这表明HAF-Net在中等到强对流回波的探测和虚警控制上相对均衡,但极强回波重建仍具挑战。

5.3 定性重建个例
针对簇状多单体对流、准线状降水系统、多尺度对流系统和热带气旋四个代表个例,HAF-Net相较对比模型更完整地再现了回波的空间组织、内部梯度和边界形态。45 dBZ阈值对应图显示,主要漏报和虚警多分布于对流核、眼壁和雨带边界附近,HAF-Net在强回波区的空间连续性更好。

5.4 结构消融分析
基于留一模块消融实验,去除MCFE在所有阈值下引起最大的POD下降,且35和45 dBZ时降幅更明显,说明MCFE与强回波表示密切相关;去除CSGR在四个阈值下均引起最大FAR增加,符合其抑制虚警的设计作用;去除HERF引起最大SSIM下降,并伴随CSI和MCC一致降低,支持HERF对多尺度结构完整性的贡献。

5.5 输入特征消融分析
输入特征分组消融中,完整10通道输入在所有指标上最优。仅使用C13和C14的基线RMSE和MAE分别升高0.4919 dBZ和0.2919 dBZ;去除多光谱导出特征引起的退化最大,去除时间变化特征主要削弱强回波验证指标,去除空间纹理特征主要降低SSIM,辅助地理变量的贡献相对较小但在各指标上一致为正。

5.6 与GPM IMERG的定性合理性评估
将预训练HAF-Net直接应用于2024年12月20日23:30 UTC的独立冬季大范围个例,并与GPM IMERG降水率比较。主要降水系统的位置、走向和整体范围具有定性一致性,但由于IMERG与CREF物理量不同,且部分海域缺少有效雷达参考,该结果仅作为非季节、非地理区域的定性合理性证据,不构成定量验证。

讨论部分指出,HAF-Net在高反射率阈值上的相对优势更明显,但45 dBZ的POD和FAR仍表明极强对流重建困难。AGRI红外观测主要描述云顶和对流层上层热力属性,而CREF由整层水凝物分布决定,云顶相似可能对应不同垂直结构,这种跨模态非唯一性无法被模型完全消除。暖雨、浅对流、层状云以及光学厚度较大的高云覆盖下的降水场景存在更大歧义。消融结果支持三个模块各自的预期作用,但模块联合运行,不应解释为单一模块对某一物理属性的排他性因果。研究局限包括定量数据局限于2024年3—11月的中国中东部区域,日级划分未实现地理完全分离;场景级回波覆盖率筛选改变了测试集中晴空与稀疏回波比例;雷达覆盖缺口未纳入定量评估;目标构造采用次高值聚合,且确定性模型未显式表达不确定性。

该研究提出的HAF-Net在筛选后的雷达覆盖、含回波日级留出测试集内,较U-Net、Swin-Unet、ER-UNet和DeepLabV3+表现出更好的强回波表示和空间结构重建能力,但结果不构成地理独立验证或全天气气候代表性绩效。HAF-Net用于生成卫星派生CREF代理场,旨在补充而非替代直接雷达观测。未来工作将聚焦全天气、冬季和固态降水条件下的雷达基评估,地理上不相交的训练—测试验证,更广地理与卫星平台验证,以及概率化不确定性估计扩展。
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