Four-hour thunderstorm nowcasting using deep diffusion models of satellite

要約

対流（雷雨）は数時間以内に急速に発達し、非常に破壊的であり、Nowcastingに大きな課題をもたらし、その結果、自然と社会に大きな損失をもたらします。
人工知能（AI）ベースの方法が出現した後、対流のNowcastingは急速な進歩を経験しました。
ただし、リードタイムとカバレッジは依然として望まれておらず、災害緊急対応のニーズをほとんど満たしていません。
ここでは、衛星の深い拡散モデル（DDMS）を提案して、AIベースの対流Nowcastingシステムを確立します。
一方では、拡散プロセスを使用して、対流雲の複雑な空間的進化パターンを効果的にシミュレートし、予測のリードタイムを大幅に改善します。
一方、静止衛星の輝度温度データを利用して、惑星規模の予測カバレッジを達成します。
Fengyun-4A衛星に基づく長期テストと客観的検証中、私たちのシステムは、幅広いカバレッジ（約20,000,000 km2）、驚くべき精度、高解像度（15分; 4 km）で、最大4時間までの効果的な対流を初めて達成します。
そのパフォーマンスは、既存のモデルと比較して、Nowcastingの対流の新しい高さに達します。
アプリケーションの観点から、システムは効率的に動作し（8分で4時間の対流を予測）、グローバルな対流のNowcastingのために複数の衛星と協力する可能性があるため、高度に移行可能です。
さらに、我々の結果は、対流雲の予測における拡散モデルの顕著な能力と、AI技術によって力を与えられた場合の地球層衛星データの有意な価値を強調しています。

要約(オリジナル)

Convection (thunderstorm) develops rapidly within hours and is highly destructive, posing a significant challenge for nowcasting and resulting in substantial losses to nature and society. After the emergence of artificial intelligence (AI)-based methods, convection nowcasting has experienced rapid advancements, with its performance surpassing that of physics-based numerical weather prediction and other conventional approaches. However, the lead time and coverage of it still leave much to be desired and hardly meet the needs of disaster emergency response. Here, we propose deep diffusion models of satellite (DDMS) to establish an AI-based convection nowcasting system. On one hand, it employs diffusion processes to effectively simulate complicated spatiotemporal evolution patterns of convective clouds, significantly improving the forecast lead time. On the other hand, it utilizes geostationary satellite brightness temperature data, thereby achieving planetary-scale forecast coverage. During long-term tests and objective validation based on the FengYun-4A satellite, our system achieves, for the first time, effective convection nowcasting up to 4 hours, with broad coverage (about 20,000,000 km2), remarkable accuracy, and high resolution (15 minutes; 4 km). Its performance reaches a new height in convection nowcasting compared to the existing models. In terms of application, our system operates efficiently (forecasting 4 hours of convection in 8 minutes), and is highly transferable with the potential to collaborate with multiple satellites for global convection nowcasting. Furthermore, our results highlight the remarkable capabilities of diffusion models in convective clouds forecasting, as well as the significant value of geostationary satellite data when empowered by AI technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google