针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF...针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF)。设计一个动态数据融合模块(Data Fusion Module,DFM)对动态辅助数据进行融合,对特征时间插值模块进行改进,实现更加有效的静态数据融合;使用局部时间特征比较(Local Time Feature Comparison,LFC)模块来提高视频帧插值后每帧的图像质量,并采用基于多尺度特征提取的残差Swin Transformer模块(Residual Swin Transformer Module Based on Multi-Scale Feature Extraction,MF-RSTB)获得每帧图像的多尺度特征。基于法国雷达降水公开数据集的验证表明,STMFF最优结果较对比算法的MSE最大降低74.42%,最小降低4.28%,且在每帧图像的主观视觉效果上也更具优势。展开更多
介绍了新一代监测系统的通讯方式、系统构成和软件实现。该系统采用CAWS系列自动气象站作为研究对象,通讯方式采用以无线为主有线为辅的新型通讯传输,利用3层C/S结构和B/S结构相结合的方式实现功能设计;通过基于SQL Server 2000关系型...介绍了新一代监测系统的通讯方式、系统构成和软件实现。该系统采用CAWS系列自动气象站作为研究对象,通讯方式采用以无线为主有线为辅的新型通讯传输,利用3层C/S结构和B/S结构相结合的方式实现功能设计;通过基于SQL Server 2000关系型数据库的二次开发,新一代中尺度自动气象站网络监测系统利用自动气象站采集的数据资料进行了各种气象观测方法以及数据应用的研究,是综合地面观测、分析、预测预警、网络发布等功能为一体的新一代监测系统。展开更多
文摘针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF)。设计一个动态数据融合模块(Data Fusion Module,DFM)对动态辅助数据进行融合,对特征时间插值模块进行改进,实现更加有效的静态数据融合;使用局部时间特征比较(Local Time Feature Comparison,LFC)模块来提高视频帧插值后每帧的图像质量,并采用基于多尺度特征提取的残差Swin Transformer模块(Residual Swin Transformer Module Based on Multi-Scale Feature Extraction,MF-RSTB)获得每帧图像的多尺度特征。基于法国雷达降水公开数据集的验证表明,STMFF最优结果较对比算法的MSE最大降低74.42%,最小降低4.28%,且在每帧图像的主观视觉效果上也更具优势。
文摘介绍了新一代监测系统的通讯方式、系统构成和软件实现。该系统采用CAWS系列自动气象站作为研究对象,通讯方式采用以无线为主有线为辅的新型通讯传输,利用3层C/S结构和B/S结构相结合的方式实现功能设计;通过基于SQL Server 2000关系型数据库的二次开发,新一代中尺度自动气象站网络监测系统利用自动气象站采集的数据资料进行了各种气象观测方法以及数据应用的研究,是综合地面观测、分析、预测预警、网络发布等功能为一体的新一代监测系统。