【Hackathon 5th No.61】Skillful nowcasting of extreme precipitation with NowcastNet

rfcs/Science/20231018_nowcastnet.md

@@ -0,0 +1,66 @@
+# NowcastNet 设计文档
+
+|              |                            |
+|--------------|----------------------------|
+| 提交作者     | co63oc                     |
+| 提交时间     | 2023-10-18                 |
+| RFC 版本号   | v1.0                       |
+| 依赖飞桨版本 | develop/release 2.5.0 版本 |
+| 文件名       | 20231018_nowcastnet.md       |
+
+## 1. 概述
+
+### 1.1 相关背景
+
+[No.61：Skillful nowcasting of extreme precipitation with NowcastNet](https://github.com/PaddlePaddle/community/blob/master/hackathon/hackathon_5th/%E3%80%90PaddlePaddle%20Hackathon%205th%E3%80%91%E5%BC%80%E6%BA%90%E8%B4%A1%E7%8C%AE%E4%B8%AA%E4%BA%BA%E6%8C%91%E6%88%98%E8%B5%9B%E7%A7%91%E5%AD%A6%E8%AE%A1%E7%AE%97%E4%BB%BB%E5%8A%A1%E5%90%88%E9%9B%86.md#no61skillful-nowcasting-of-extreme-precipitation-with-nowcastnet)
+
+极端降水是气象灾害的重要致灾因素，因此，通过具有高分辨率、长预警时间和局部细节的精准短临预报来减轻其对社会经济的影响，具有非常重要的意义。目前的方法存在模糊、散射、强度或位置误差等问题，基于物理的数值方法难以捕捉关键的混沌动力学，如对流起始，而基于数据的学习方法不能遵循固有的物理规律如平流守恒。
+近年来，深度学习方法已被应用于天气预报，尤其是雷达观测的降水预报。这些方法利用大量雷达复合观测数据来训练神经网络模型，以端到端的方式进行训练，无需明确参考降水过程的物理定律。
+这里复现了一个针对极端降水的非线性短临预报模型——NowcastNet，该模型将物理演变方案和条件学习法统一到一个神经网络框架中，实现了端到端预报误差优化。
+
+### 1.2 功能目标
+
+原仓库代码没有训练和评估过程，使用的为预训练权重，结果为生成预测图片，修改为转换预训练权重为 paddle 格式，使用 paddle 运行生成图片。
+复现 mrms_case 和 mrms_large_case，并合入 PaddleScience
+
+### 1.3 意义
+
+复现 NowcastNet 模型，能够使用 NowcastNet 模型进行推理。
+
+## 2. PaddleScience 现状
+
+PaddleScience 套件暂无 NowcastNet 模型案例。
+
+## 3. 目标调研
+
+参考代码 https://codeocean.com/capsule/3935105/tree/v1
+论文链接 https://www.nature.com/articles/s41586-023-06184-4#Abs1
+
+原代码为 Pytorch 代码，需要在 PaddleScience 中复现，复现的主要问题是模型的转换，数据集读取的转换，使用 PaddleScience 的 API 调用。
+
+## 4. 设计思路与实现方案
+
+参考已有代码实现 NowcastNet
+1. 模型构建
+2. 读取预训练权重
+3. 超参数设定
+4. 生成预测图片
+
+### 4.1 补充说明[可选]
+
+无
+
+## 5. 测试和验收的考量
+
+原代码使用脚本 mrms_case_test.sh，mrms_large_case_test.sh 运行，复现需要运行同样脚本生成相应图片，并使用 PaddleScience 复现
+
+## 6. 可行性分析和排期规划
+
+参考代码修改为 paddle 实现，使用 PaddleScience API，测试精度对齐
+202309：调研
+202310：基于 Paddle API 的复现，基于 PaddleScience 的复现
+202311：整理项目产出，撰写案例文档
+
+## 7. 影响面
+
+在 ppsci.arch 下新增 NowcastNet 模型