基于CGAFNet的卫星云图临近预报研究
康奇秀1
杜东升2
陈立福3
欧小锋2
叶成志2
1.长沙理工大学电气与信息工程学院,湖南 长沙 410004;湖南省气象科学研究所,湖南 长沙 4101182.湖南省气象科学研究所,湖南 长沙 410118;气象防灾减灾湖南省重点实验室,湖南 长沙 4101183.长沙理工大学电气与信息工程学院,湖南 长沙 410004
摘要：卫星云图外推技术能及时掌握云团的运动轨迹和变化情况,为临近预报和灾害性天气的监测提供重要参考.然而,现有的云图预测方法存在难以捕捉小尺度云团发展、云图细节特征不清晰、预测结果逐渐模糊等问题,导致最终的预报效果不理想.为了有效提取卫星云图的时空信息,预报中小尺度云团的发展,利用FY-4A红外云图,以湖南区域为中心的中东部地区作为研究对象,从时空序列预测的角度出发,提出了一种卷积门控循环注意力融合网络(ConvGRU Attention Fusion Network,CGAFNet),并提出了主副损失(Primary and Secondary Loss,PaSLoss)作为模型的损失函数,构建了编-解码结构,更好地提取了卫星云图的时空信息.为验证网络框架的有效性,与三个典型网络进行对比实验,结果表明,CGAFNet在云图外推任务中均方根误差为10.00 K,结构相似性为0.74,峰值信噪比为31.43,该模型能准确预测云团的生消演变过程,在各项指标上均优于其它网络,证明该方法能获得更准确的预测精度,且具备良好的泛化能力.
关键词：卫星云图临近预报时空序列预测融合网络注意力机制
分类号：P456.1(天气预报)
资助基金：国家自然科学基金(U2242201)湖南省自然科学基金重大项目(2021JC0009)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 1074-1084 )
英文信息