precipitation
PulseAugur coverage of precipitation — every cluster mentioning precipitation across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的TMerge框架利用张量分解改进卫星降水估算
研究人员开发了一个名为TMerge的新型张量框架，以提高卫星降水估算的准确性。通过将每日降水数据表示为时空张量并应用CANDECOMP/PARAFAC分解，该方法捕捉了降水的固有低秩结构。当应用于使用美国本土参考观测值校正IMERG最终运行数据时，与包括神经网络在内的现有方法相比，TMerge显著提高了相关性并降低了误差指标。
-
新基准揭示气候降尺度方法的权衡
一篇新研究论文介绍了一种用于评估空间气候降尺度方法的多指标基准。研究强调，不同的评估指标可能导致关于方法性能的不同结论，揭示了点精度与保留精细尺度变异性之间的权衡。该研究强调了使用多个指标来全面评估不同降尺度技术保留了气候场的哪些特性的必要性。
-
TSCoNet模型对环境变量进行不确定性预测
研究人员开发了TSCoNet，一种结合了CNN和LSTM架构以及高斯Copula的新型两阶段模型，用于对具有不确定性量化的多个相互关联的环境变量进行预测。该方法旨在解决深度学习模型中准确性和不确定性报告之间的权衡问题，特别是对于相关数据。TSCoNet首先生成准确的均值预测，然后优化共享表示以估计预测方差，在不牺牲点准确性的情况下提供校准的预测区间。该模型已在模拟空间场和真实世界的降水及温度数据上进行了评估，证明了其提供精确预测和可靠…
-
新方法使用环境信号探测地理空间自监督学习表示
研究人员开发了一种新方法来评估地理空间卫星图像中的自监督学习（SSL）表示。该方法不依赖于下游任务，而是使用来自ERA5数据集的共址环境变量（如温度、降水和土壤水分）来探测表示。这使得能够评估SSL模型是否固有地捕捉到与这些物理环境因素的统计关联，从而在任务特定性能之外提供对其能力的更细致的理解。