Die Super-Resolution-Technologie ist eine neue Rechenmethode, die verwendet wird, um ältere meteorologische Modelldaten zu verbessern, damit Wissenschaftler die globale Klimageschichte der Erde besser beurteilen können. Laut Dr. Chunxiang Shi, Chief Scientist am National Meteorological Information Center der China Meteorological Administration, sind Hochskalierungs-Berechnungen für digitale Fotos und Videos in Superauflösung ein wichtiges Analysewerkzeug zur Berechnung historischer Assimilationsdaten von hochauflösenden Modellen.
„Aufgrund der spärlichen historischen Beobachtungsdaten kann das Landdatenassimilationssystem der chinesischen Wetterbehörde (CLDAS) keine qualitativ hochwertigen und hochauflösenden Daten erzeugen“, sagte Dr. Shi. „Anfang letzten Jahres habe ich gelernt, dass die Super-Resolution-Technologie zur vollständigen hochauflösenden Rekonstruktion von Videos und Bildern verwendet werden kann. Wir können diese Technologie auch in die Rekonstruktion von hochauflösenden historischen Assimilationsdaten integrieren.“
Dr. Shi und ihr Team vom Nationalen Meteorologischen Informationszentrum der Chinesischen Meteorologischen Verwaltung sind auch bekannt für das Land Data Assimilation System (CLDAS) von CMA und Chinas 40-Jahres-Datensatz zur globalen Atmosphären-/Landoberflächen-Reanalyse (CRA-40). Kürzlich veröffentlichten sie ihre auf CLDAS-Daten basierende Forschung zum Herunterskalieren in Superauflösung in Fortschritte in den Atmosphärenwissenschaften.
Insbesondere baute das Team ein Deep-Learning-Downscaling-Modell CLDASSD (CLDAS Statistical Downscaling) auf. Unter Verwendung von 2-Meter-Temperaturmodelldaten in der Region Beijing-Tianjin-Hebei führten die Forscher ihren Downscaling-Test durch und machten großräumige (niedrige Auflösung) Modellausgaben verfügbar, um lokale Vorhersagen (hohe Auflösung) zu verbessern. Ihre Methode rekonstruierte erfolgreich feine Texturen in komplexen Berggebieten, in denen eine menschliche Beobachtung unmöglich sein kann. Durch den Vergleich mit Beobachtungsdaten ist der mittlere quadratische Fehler von CLDASSD kleiner als die allgemeinen auf Interpolation basierenden Herunterskalierungsmethoden, die mit unterschiedlichen Tageszeiten, Jahreszeiten und Gelände verwendet werden.
„Natürliche Bilder und meteorologische Daten haben in gewisser Hinsicht Ähnlichkeiten, einige Computer-Vision-Techniken (Superauflösung, semantische Segmentierung usw.) können in der Atmosphäre angewendet werden.“ sagte Dr. Shi. „In Zukunft werden wir von noch besseren Superauflösungstechnologien lernen, um unser Modell zu verbessern und mehr Experimente mit Bodenfeuchtigkeit, 10-Meter-Wind, Niederschlag usw. in ganz China durchzuführen, um die Lücke in CLDAS zu schließen.“
Ruian Tie et al, CLDASSD: Rekonstruktion feiner Texturen des Temperaturfelds mit Super-Resolution-Technologie, Fortschritte in den Atmosphärenwissenschaften (2022). DOI: 10.1007/s00376-021-0438-y