Resumen

La imagen satelital meteorológica de alta resolución es el dato básico para el pronóstico del tiempo, la predicción del clima y la alerta temprana de varios desastres meteorológicos. Sin embargo, la baja resolución de la imagen limita tanto el análisis subjetivo como el automatizado. A través de nuestra investigación y estudio, descubrimos que la imagen satelital meteorológica es un tipo de dato complejo con características multimodales y multitemporales. Afortunadamente, basándonos en la teoría de aprendizaje de cero disparos, la complejidad de la imagen satelital meteorológica puede utilizarse para mejorar su propia resolución. En este trabajo, proponemos un nuevo marco llamado MSLp (Fase de Pérdida Satelital Meteorológica). Específicamente, elegimos una red de cero disparos como base y proponemos una función de pérdida de fase. Se entrenó un mapeo de imágenes satelitales meteorológicas de baja a alta resolución para mejorar la resolución hasta en un factor de 4. Nuestro estudio

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Imagen de satélite meteorológico; Pronóstico del tiempo; Resolución; Teoría de aprendizaje sin etiquetas; Marco de trabajo MSLp; Alta resolución;
• Keywords:Meteorological satellite image; Weather forecasting; Resolution; Zero-shot learning theory; MSLp framework; High-resolution;