Core Concepts
地上レーダー画像を衛星データを使用して短期予測するTransformerモデルの開発とその重要性に焦点を当てる。
Abstract
地上レーダーデータの制約を克服し、高い精度で降水量を予測するためのTransformerモデルが開発された。このモデルは異なる天候現象下でのレーダー画像フィールドを予測し、急速に成長/減少するフィールドや複雑な構造に対して頑健性を示す。特に、10.3 𝜇𝑚(C13)中心の赤外線チャンネルが全ての天候条件で有益な情報を提供し、稲妻データが特に短いリードタイムで重要性が高いことが示された。このモデルは地域間で降水量の短期予測をサポートし、数値天気予報や水文モデルを向上させる可能性がある。
Stats
地上レーダー画像と衛星画像から2時間先までのリードタイムで訓練されたデータセット
C13赤外チャンネルは全ての天候条件で有益な情報を含むことが明らかになった。
稲妻データは特に短いリードタイムで最も重要な特徴量を持つ。
Quotes
"Ground-based weather radar data are essential for nowcasting, but data availability limitations hamper usage of radar data across large domains."
"Our model captures the spatiotemporal dynamics of radar fields from satellite data and offers accurate forecasts."
"The infrared channel centered at 10.3 𝜇𝑚 provides useful information for nowcasting radar fields under various weather conditions."