[口头报告]基于时空自监督学习的静止气象卫星时序超分方法研究

基于时空自监督学习的静止气象卫星时序超分方法研究
编号:2148 稿件编号:2873 访问权限:仅限参会人 更新:2024-04-12 06:44:40 浏览:429次 口头报告

报告开始:2024年05月18日 16:20 (Asia/Shanghai)

报告时间:10min

所在会议:[S12] 主题12、大气物理与气象气候 » [S12-1] 主题12、大气物理与气象气候 专题12.1(18日下午,222)

暂无文件

摘要
    作为解决气象数据分辨率差异的重要方法,气象数据的超分方法常受限于高-低分辨率数据对的缺失而难以拟合可靠的超分映射关系。本研究针对该挑战,提出了一种基于时空自监督学习的时序超分模型。研究首先基于2018年至2022年FY-4A/AGRI的中国区域常规观测数据(REGC)构建红外通道时序高-低分辨率数据集,以该数据集训练模型进行红外通道超分映射关系的显式建模,训练后的模型再迁移至FY-4A及FY-4B的全圆盘观测数据中以实现无数据对条件下的时序超分。模型的核心创新在于结合时空预测网络和内插帧合成网络,优化了序列变化趋势和时空一致性的协同作用,从而提高超分性能。通过在2023年REGC数据集上的测试,本模型展示了超过90%的内插帧准确率和低于2%的虚警率,证明了其在可验证条件下的有效性和准确性。

 
关键字
深度学习,超分辨率,风云四号静止气象卫星
报告人
林翔
博士研究生 国防科技大学气象海洋学院

稿件作者
林翔 国防科技大学气象海洋学院
李昀英 国防科技大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 0592-2880181 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订