基于深度学习的全球数字高程模型超分辨率网络(DEM-SRNet),将30米及更低分辨率DEM数据提升至3弧秒(90米)高分辨率,生成海陆一体化全球高程数据集,为气象预报和气候模拟提供高精度地形支撑。
数字高程模型(DEM)是气象数值模拟的关键输入数据,高分辨率地形信息直接影响边界层过程、风场模拟和降水分布的预测精度。传统DEM提升分辨率方法存在纹理细节丢失和地形特征失真问题,难以满足精细化气象预报需求。
DEM-SRNet是华为ModelArts团队研发的全球DEM超分辨率深度学习网络,采用多尺度特征融合架构,能够从低分辨率输入重建高精度的90米分辨率全球DEM数据。网络设计充分考虑海陆交界处地形过渡的自然特性,确保海岸线附近地形重建的连续性和准确性。
该模型生成的全球高分辨率DEM数据可应用于:数值天气预报模式的地形数据集构建、台风路径和局地环流精细化模拟、山地区域降水预报和地形降水效应研究、气候模式降尺度和区域气候分析,以及可再生能源(风能、太阳能)资源评估等气象相关领域。
学科领域
气象学
贡献方
华为Model Arts
方法
AI/ML
问题类型
生成/设计
高阶微分操作