kdd19: Precipitation Nowcasting with Satellite Imagery （ 使用卫星图片进行短期降雨量预测）
Yandex==^[1]^== @Moscow, Russia
-
传统数值天气预测方法：特定地点特定时间的预测能力强
-
地面雷达高分辨率图片：对于预测轨迹和未来几小时内运动趋势很合适
现在短期预测的主流做法则是将两者结合，但问题是：地面雷达提供的数据受限于雷达所处地点，以及地区基建情况（很多地区没有雷达覆盖）。
本文方法：尝试使用卫星图像来模拟雷达生成的图像，再使用主流方法或者与之近似的方法进行预测，从而扩展适用范围，为更广阔的地区提供预测服务，不再受限于雷达覆盖能力。本文的目标区域为俄罗斯的西伯利亚和乌拉尔联邦地区，总人口达3千万人。
短期降雨量预测的数据要求：
- 很好的时空分辨率
- 降雨量观测值
- 覆盖全球
高分辨率图片数据主要来源于：
- 地面雷达数据，单个雷达观测范围有限，准确率随距离增大而降低；
- 近地卫星，周期性扫描地球的局部，最终而言，覆盖全球；
- 同步卫星，相对静止，只扫描一片区域，连续观测，但现有方法无法很好处理此类数据；
本文既使用雷达，也使用卫星数据，同时也使用传统数据预测的模型。
-
雷达数据的整合：一个雷达覆盖25km范围，设定超过20km范围的数据为无效，舍去；两个雷达重叠的部分，使用数据的最大值来代表，分段定义雨量：
- 0.08mm/h为小雨；
- 0.5mm/h为中雨；
- 2.5mm/h为大雨
-
数据投影：将卫星数据和雷达数据整合到同一张图片上，即如何将卫星数据投影
-
帧率转换：卫星数据15min一张，雷达数据10min一张，如何拼接两组数据
-
时间线对齐：有的雷达给数据打上的时间戳是数据获取的开始时间，有的是数据获取的结束时间
-
附加属性
此部分使用一种名叫UNet的变种，模型并无太多创新。
总体来说没有太多模型上的创新，更多的是结合地理相关方面的知识，在数据的预处理上花了更多的功夫，如：如何将雷达数据和卫星数据整合；如何利用近地卫星数据和同步卫星数据等；以及其他。
文中涉及了很多地理和遥感相关的知识，包括：多传感器降水估算算法(multi-sensor precipitation estimate)， 等角投影(equirectangular projection)等等，甚至介绍一些雷达的特性。
但在模型上并无太多工作，对具体的降雨量预测可能有一定的指导价值和意义，但对于一般的时空数据的预测分析并无太大作用。
==^[1]^== a weather forecasting services provider