返回
Precipitation nowcasting with radar data for evaluating multiple horizons using U-Net-based algorithm in Eastern Amazon
DOI:10.1371/journal.pone.0342097.png)
摘要
En 中文
极端气象事件在全球范围内日益频繁,强降雨显著影响福祉、安全及经济,包括农业和矿业。及时发布应急警报对于减轻极端天气造成的损失和防止人员伤亡至关重要。降水预报工具,特别是气象雷达和卫星,因其高时间分辨率而至关重要。本研究利用U-Net机器学习架构进行时空降水临近预报。我们评估了一种多时域临近预报方法,使用来自亚马逊东部的气象雷达数据,探究实现最佳预报时域所需的输入数据(过去时域)。结果表明,当输入数据超过60分钟时,会对短时预报性能产生负面影响。对于短期预报,使用120分钟输入数据而非60分钟会导致均方根误差(RMSE)性能下降17.60%,临界成功指数(CSI)下降7.18%。这些发现确定了准确临近预报的最佳输入数据,有助于在恶劣天气下做出更安全的决策。
Keyword:
RAINFALL
VARIABILITY
NETWORK
CARAJAS
EVENTS
MODELS
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
Evaluation of the altimetry from SRTM-3 and planimetry from high-resolution PALSAR FBD data for semi-detailed topographic mapping in the Amazon Region基于SRTM-3高程数据和PALSAR FBD高分辨率平面数据对亚马逊地区半详细地形图测绘的评价
Skilful precipitation nowcasting using deep generative models of radar使用雷达的深度生成模型进行熟练的降水临近预报
Nature
IF0

