Die Niederschlagsvorhersage in der Nähe ist ein zentraler Bestandteil der Hochwasserwarnung, jedoch bleibt die präzise Vorhersage von Niederschlägen in komplexem Gelände eine der Herausforderungen im Bereich Meteorologie und Hydrologie. Der Artikel schlägt einen „Azimut-Prioritäts“-Modellierungsrahmen vor, der ein tiefes Lernmodell zur Niederschlagsvorhersage auf Basis von gated recurrent units (GRU) als Kern implementiert. Die Studie zeigt, dass die Azimut-Kohärenz der Station gegenüber dem Niederschlagsradar ein entscheidender dominanter Faktor für das raum-zeitliche Verteilungsmuster von Niederschlag ist; gleichzeitig kann dieser Rahmen die Anpassungsfähigkeit und Vorhersagegenauigkeit im komplexen Gelände effektiv verbessern. Die Forschung bietet nicht nur eine physikalisch geleitete neue Perspektive für die Niederschlagsvorhersage mit Niederschlagsradar, sondern liefert auch eine effektive Wegweisung zur Verbesserung der Genauigkeit und Effizienz von Niederschlagsradaren.

Niederschlagsvorhersage in der Nähe; X-Band-Radar; Azimut-Prioritätsstrategie; gated recurrent units (GRU)