Core Concepts
VN-Netは、地上気象観測データと衛星画像データを融合することで、従来の手法を大幅に上回る気象予報精度を実現する。
Abstract
本研究では、Vision-Numerical Fusion Graph Convolutional Network (VN-Net)を提案している。VN-Netは以下の特徴を持つ:
Numerical-GCN (N-GCN)を用いて、数値データの静的・動的パターンを適応的にモデル化する。
Vision-LSTM Network (V-LSTM)を用いて、時系列衛星画像からマルチスケールの特徴を抽出する。
Double Query Attention Module (DQAM)を用いて、数値特徴と視覚特徴の相互作用を行う。
GCNベースのデコーダを用いて、指定された気象要素の時間予報を生成する。
VN-Netは、Weather2Kデータセットを用いた実験で、従来手法と比較して、気温、相対湿度、視程の予報精度(MAE、RMSE)を大幅に向上させることができた。また、解釈性分析を行い、視覚データの導入が気象要素の寄与度に及ぼす影響を定量的に評価した。
Stats
気温予報の平均絶対誤差(MAE)は、東北地域で1.3889、西南地域で0.9126、東南地域で0.9805であった。
相対湿度予報のMAEは、東北地域で7.0364、西南地域で5.3836、東南地域で5.5852であった。
視程予報のMAEは、東北地域で3.9015、西南地域で3.6366、東南地域で3.7063であった。
Quotes
"VN-Netは、地上気象観測データと衛星画像データを融合することで、従来の手法を大幅に上回る気象予報精度を実現する。"
"VN-Netは、数値データと視覚データの特徴抽出と融合を通じて、疎な時空間気象予報の性能を向上させる。"