通过条件去噪扩散模型从数字台风卫星图像中估计大气变量
原文中文,约400字,阅读约需1分钟。发表于: 。本研究针对如何从数字台风卫星图像中同时预测ERA5多个气象变量的问题,提出了一种新的方法。研究表明,条件去噪扩散概率模型(CDDPM)在生成准确的气象数据方面优于卷积神经网络(CNN)和压缩激励网络(SENet),其PSNR成绩达32.807,显示出显著的性能提升。这项研究的成果能够帮助填补缺失的气象数据并生成高质量的气象预测,从而减轻严重天气事件对易受影响地区的影响。
本文介绍了一种经济有效的千米级降尺度扩散模型,用于物理风险预测。该模型能够准确预测有害风和降水极端事件,并恢复重要的幂律关系。研究显示,该模型类似于学到的物理学,并保留了全球预报模型的优势。预示着一个新的全球到区域的机器学习天气预报时代即将到来。