基于时空分离的雷达降水图像时空降尺度研究

来源：电子测量技术杂志2023年第21期北京时间：

作者：郑祥明，秦华旺，陈浩然

单位：南京信息工程大学电子与信息工程学院 南京 210044

摘要：针对现有时空降尺度深度学习方法对雷达降水图像时空特征学习不充分的问题，提出了一种基于时空分离的三维深度学习模型3DUST。该模型以Unet3d为核心架构，设计混合时空分离卷积单元增强降水图像局部时空特征的提取，并使用三维Swin Transformer补偿传统Unet3d编码器下采样造成的降水图像时空特征丢失问题，以提高时空降尺度预报的效果。通过法国气象局提供的公开数据集对模型进行检验和评估，结果表明：设计的混合时空分离单元具有较好的局部时空特征提取能力，基于时空分离的方法能够进一步提高时空降尺度预报效果。具体的，本文提出的3DUST模型使得SSIM和PSNR评价指标较对比模型分别提高了5.2%和6.7%，且参数量减少了3.2%。

关键词：气象预报;深度学习;降尺度;降水图像;时空分离