Meteosat Second Generation
PulseAugur coverage of Meteosat Second Generation — every cluster mentioning Meteosat Second Generation across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
MTG卫星数据增强了基于CNN的太阳总辐照度检索
研究人员开发了一种新的卷积神经网络（CNN）架构，该架构整合了Meteosat 第三代（MTG）卫星星座的数据与现有的Meteosat 第二代（MSG）影像，以改进地表太阳总辐照度（SSI）的检索。与仅使用MSG的模型相比，这种混合模型在北欧的阴天和多云条件下表现出显著的准确性提升，均方根误差（RMSE）降低了高达8.2 W m$^{-2}$。虽然MTG影像的更高分辨率提高了在多变云况下的性能，但研究表明，它并未完全解决晴空辐照度检索…
-
研究质疑稀疏数据在天气临近预报中的价值
一项新研究使用多模态图神经网络，调查了稀疏点观测数据在降水临近预报中的效用。该研究被设计为一个消融研究，使用包括雷达历史、数值天气预报、地面观测和卫星图像在内的各种数据源组合来训练模型。结果表明，虽然每个数据源都提供了独特的改进，但点观测数据并非对临近预报毫无信息量，尽管它们对雷达场预报的益处取决于训练损失以及观测支持的编码方式。
-
HighFM基础模型学习高频地球观测数据
研究人员开发了HighFM，一个旨在从高频地球观测数据中学习的新型基础模型。该模型利用了来自Meteosat Second Generation平台的超过2TB的SEVIRI图像，并改进了具有增强时间编码的SatMAE框架。HighFM旨在通过捕捉卫星数据的短期变化来提高实时监测和应急响应能力，在云层遮蔽和火灾探测任务中表现出改进的性能。