每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

RainSeer：通过物理引导建模进行细粒度降雨重建

Created by
  • Haebom

作者

陈林、陈军、邱明辉、钟树新、陈丙红、吴凯顺

RainSeer：结构感知高分辨率降雨重建

大纲

我们提出了 RainSeer 框架，该框架将雷达反射率重新解读为基于物理的结构先验信息，用于高分辨率降雨场重建，这对于洪水预报、水文建模和气候分析至关重要。该框架解决了两个关键挑战：将高分辨率体积雷达场转换为稀疏的逐点降雨观测数据，以及弥补机载水文气象现象与地面降雨之间的物理脱节。RainSeer 通过结构到点映射器和地理空间感知降雨解码器应对这些挑战。结构到点映射器将雷达结构投射到逐点降雨中，地理空间感知降雨解码器通过因果时空注意力机制捕捉水文气象现象的变化。在 RAIN-F（韩国）和 MeteoNet（法国）数据集上，与现有方法相比，RainSeer 持续将 MAE 降低 13.31% 以上，并提高了结构保真度。

Takeaways, Limitations

•
Takeaways：
◦
利用雷达反射率作为结构先验信息提高降雨场重建的精度。
◦
通过基于物理的架构提高对降雨现象的理解。
◦
与现有方法相比，MAE 降低，结构保真度提高
•
Limitations：
◦
仅根据论文内容很难理解具体的Limitations（需要补充数据集、模型复杂度、特定条件下的表现等信息）
👍
Made with Slashpage