物理情報を組み込んだ深層学習を用いた体積レーダーエコーの運動推定：スロバキアにおけるケーススタディ

要約: 降水のナウキャスティングにおいて、ほとんどの外挿ベースの手法は降水システムの水平運動を推定するために二次元のレーダー合成データを用いる。しかし、いくつかのケースでは、降水システムは異なる高度で異なる運動を示すことがある。私たちは、物理情報を組み込んだ畳み込みニューラルネットワークを提案します。これは、体積的なレーダー反射率データから直接、複数の高度層に対して独立した水平運動場を推定し、降水ナウキャスティングのための高度ごとの運動場推定の実用的な利点を調査します。モデルはスロバキアのレーダーネットワークからの体積観測データを用いてエンドツーエンドで訓練され、その外挿ナウキャスティング性能が評価されます。提案モデルを、垂直方向に統合された二次元レーダー合成データ上で動作する、アーキテクチャ的に同一のベースラインと比較します。結果は、モデルが高度ごとの運動場を学習するのに成功しているものの、推定される変位は降水イベントの大半において垂直レベル間で高度に相関していることを示しています。したがって、体積ベースのアプローチはナウキャスティングの精度を体系的に改善しません。カテゴリ的メトリクスは、リードタイムが長くなると降水検出が向上することを示しますが、この利得は主に非物理的アーティファクトに起因し、正のバイアスが増大することを伴います。高度間の運動場相関分析を包括的に行うと、水平運動における意味のある垂直変動を示すイベントは、研究地域では稀であることがさらに確認されます。スロバキアのレーダー・データセットに対して、三次元の運動場推定の追加的な複雑さは、予測スキルの疑わしい向上によって正当化されません。それにもかかわらず、降水システムが水平運動において垂直変動をより強く示す気候には、提案されたフレームワークは依然として適用可能です。