![]( "undefined")
第一时间获取气象科研资讯
『气象学家』公众号交流群
加入
『气象学家』公众号交流群
国防科技大学气象海洋学院在多源观测资料短临预报方向取得重要进展
人工智能模型能够从海量历史数据中发掘强对流天气的演变规律，智能短临预报模型相比传统方法在改善预报准确率和有效时长方面具有明显提升。近期国防科技大学气象海洋学院李骞副教授课题组将多个天气雷达产品，以及雷达、卫星等多源观测资料视为一组多模态数据，开展了基于多模态的智能短临预报技术研究，取得了系列原创性成果。
一、基于多产品融合的智能短临预报
二、基于多模态非对称融合的智能短临预报
相关成果
1. Yanle Pei, Qian Li*, et al. MPFNet: Multi-product Fusion Network for Radar Echo Extrapolation. IEEE Transactions on Geoscience and Remote Sensing, 2024. DOI: https://doi.org/10.1109/TGRS.2024.3496081
2. Qian Li*, Jinrui Jing, et al. A Deep Contrastive Model for Radar Echo Extrapolation. IEEE Geoscience and Remote Sensing Letters. 2024. DOI: https://doi.org/10.1109/LGRS.2024.3505897
3. Yanle Pei, Qian Li*, et al. MAFNet: Multimodal Asymmetric Fusion Network for Radar Echo Extrapolation. Remote Sensing, 2024 16(19). DOI: https://doi.org/10.3390/rs16193597.
