超分辨率在气象领域的应用

结果精准：对于依靠超分辨率网络生成的3km分辨率的降尺度预报，我们抽取批量生成的图片，与数值模式计算出来的降尺度数据转化成的图片进行SSIM分数的对比之后，得出超分辨率网络生成的图片分数可以达到0.992，可以说完全能够满足一般科研工作这对于数据的要求。

我们HDSR方法生成的图片在总体结构上十分接近传统数值模式降尺度的结果：

让我们放大9km格点间距那张图中，蓝色和紫红色的框，我们的结果和数值模式一样，模拟了物理过程，生成了输入图中不存在的信息。DHSR模型生成的信息和耗费大量计算资源的数值模式非常接近。

再看看挑战更大的，更精细的3km格点间距的相同位置。让人惊讶的是，在这么精细的尺度下，我们模型依然表现卓越，拟合出了局部地区的精细预报结果，依然和超算中心耗费大量资源使用传统数值模式的方法的结果保持高度一致。

事实证明，DHSR模型通过特殊的通道间的相互作用，拟合了物理过程，生成了在输入图中未曾呈现的局部预报结果。从单个气象元素(单个通道)的角度来看，简直是不可思议。

重要的是生成时间DHSR相对数值模式少了几个数量级。忍不住为我们眼控科技的研究院团队疯狂打call!

让我们再看看其他地区的湿度预报结果吧

再来看看我们预报局部精细化气压的结果。

经济实惠：你以为优点到这就结束了? 没有没有，你太天真了。基于AI超分辨率网络的数值模式降尺度只需要一块1080显卡就可以轻松的运行，对于硬件的需求相较于传统的数值模式降尺度简直让人惊叹不已。也就是说你只需要一台拥有1080显卡的笔记本电脑，坐在办公室里，就可以与拥有一排排机柜的计算机中心有着同样的体验。

这么一个计算快速、流程高效、结果精准且经济实惠的模型，将数值模式降尺度的任务变得亲民且高效，这不仅将成为撬动气象领域变革的一个支点，也将直接解锁局部地区对于精细气象数据的更大需求。

总结与展望

在说了这么多之后，相信大家对于超分辨率以及数值预报有了比较深入的了解。尽管目前眼控科技的小伙伴们成功地解决了降尺度对于算力需求过高的问题，但是对于庞大的气象系统而言是远远不够，未来在气象领域有更多的挑战在等待着我们。眼控人也将抱着“路漫漫其修远兮,吾将上下而求所”的信念，在人工智能气象领域踏浪前行，为中国的智能气象领域贡献出自己的力量。小伙伴们如果你也觉得热血沸腾的话，快点来加入我们吧！

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!