DiffSR：通过扩散模型从卫星观测学习雷达反射率合成
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了现有雷达数据合成方法在重建过程中导致的过度平滑问题，特别是在对流天气相关的高频细节缺失方面。我们提出了一种名为DiffSR的两阶段扩散模型，首先对全球数据进行预训练以获取雷达估计，然后将雷达估计与卫星数据结合以合成雷达反射率。实验结果表明，该方法在生成高频细节和高价值区域方面达到了当前最优水平。
本研究探讨了深度学习扩散模型在天气数据超分辨率中的应用，提出了一种将低分辨率天气数据转化为高分辨率的方法。实验使用WeatherBench数据集，重点分析两米温度变量，结果表明ResDiff模型在准确性上显著优于传统方法，展示了扩散模型在气象领域的潜力。
