学术报告 陈生-基于雷达观测和时序残差卷积的中国人工智能短临降水预报
原创
2023年11月9日,应中国气象局雷达气象重点开放实验室赵坤教授的邀请,中国科学院西北生态环境资源研究院的陈生研究员作了题为《基于雷达观测和时序残差卷积的中国人工智能短临降水预报》的学术报告。
陈生研究员首先介绍了现有的人工智能降水预报大模型在国内外的发展历程,以及这些模型的不足之处。人工智能降水预报大模型主要分为两种,一种为基于雷达/卫星观测数据的外推模型,另一种为基于模式预报的外推模型。这些深度学习模型预报短临降水存在长时效预报准确率低、模糊、平滑问题和强降水预报技巧低等问题。由这些问题陈生研究员详细阐述了几种典型的预报模型,包括光流法、卷积长短期记忆网络和UNet网络等。进一步,陈生研究员基于UNet网络,开发了时序残差卷积模型。他指出,传统UNet网络无法提取时间维度的信息,而改进方案为时间序列补偿卷积,即训练时在时间维度补充信息以减小信息丢失。试验结果表明,时序残差卷积模型优于传统的光流法和UNet模型,也提高了长时间预报的雷达回波强度。未来会加入更多气象要素变量如温度、压强、风场等以提升模型的预报技巧。
专家介绍 陈生,中国科学院西北生态环境资源研究院研究员,博士生导师。2009年7月博士毕业于中国科学院遥感应用研究所,博士期间从事高分辨率 (<=1m) 遥感影像信息提取研究。2009年8月-2016年8月在美国俄克拉荷马大学先进雷达研究中心/水文气象遥感实验室从事博士后研究。2016年8月入职中山大学大气科学学院从事水文气象研究,2022年4月入职中国科学院西北生态环境资源研究院。目前主要研究遥感、GIS、水文气象、气象灾害监测与预报、气候变化、数据同化等。基于人工智能的短临天气预报系统、基于雷达和风云四号闪电同化的数值天气预报系统已经在气象局部门开展业务应用。到目前为止,已发表论文80多篇,其中SCI高质量期刊论文40多篇,已获国家发明专利授权5项,被 Nature Scientific Report, WRR、JHM、JH、IEEETGRS、IEEE JSTA RS 等20多个国内外知名专业期刊邀请为审稿人。到目前为止,本人发表的学术论文的Google学术引用3000多次,分别发表在BAMS,WRR,JGR,JHM,JH,IEEE TGRS,IEEE STARS 等专业学术期刊)。
- 上一篇:谷歌AI新模型预测天气又快又准不到1分钟,超过超级计算机 2023/11/21
- 下一篇:Nature Geoscience|机器学习揭示气溶胶的辐射 2023/11/12