利用生成对抗网络从地球静止卫星图像中反演大气运动矢量
深度学习技术中的生成对抗网络(GAN)方法由于能够从输入的大量数据中抽取变量特征,生成更为真实的气象图像预测,在遥感领域有较为广泛的应用.但目前该算法在大气运动矢量(AMVs)的反演中应用较少,而AMVs是数值天气预报资料同化系统所需的重要产品资料.基于此,本文提出了利用生成对抗网络pix2pix从静止气象卫星图像反演AMVs的方法,由pix2pix模型将遥感影像转换为200 hPa和850 hPa的矢量风场.在最佳的资料和模型架构条件下,该方法反演得到的AMVs与传统算法所得产品资料质量相当,且克服了传统算法高度订正困难、无法获得某一层面完整风场和低层样本数偏低等缺点.个例分析亦表明,该方法针对具体的天气系统也有良好的表现.
大气光学、气象学、大气运动矢量、深度学习、生成对抗网络
60
P412.27(大气探测(气象观测))
国家自然科学基金41875039
2023-10-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
108-116