博主为美国宾夕法尼亚大学气象系博士生。主要从事灾害性水文影响方向。目前在澳洲。

目前主要如下几项技术。

【1】技术简介:

1.深度学习（ResNet-Unet）覆盖了全球各个地区的雷达组网和雷达基数据（主要为美国、欧洲、亚太），空间分辨率1km，时间分辨率6min/10min

2.光流法，基于变分稠密算法和半拉格朗日运动学方案，覆盖任意区域，任意时间分辨率，任意空间分辨率。还可实现针对各种类别对象的追踪外推

【2】技术流程

1:设定好雷达数据的存储路径

2:自动扫描最新时次雷达数据，外推雷达反射率因子

【3】主要库

1:Pycinrad读取雷达基数据

2:pytorch实现深度学习

3:numpy实现光流法

【4】用途

1.Linux/Windows的后台业务化部署方便快捷

2.能很快速的在项目，论文，业务化中出成果

例如:

3.光流法可用于追踪外推任意对象（降水，冰雹，雷暴，大风，船只，风暴潮等等）/深度学习方法可以用于降水外推，强对流识别等等其它领域的训练。

1.基于光流法的不同地区雷达基数据外推检验

2.基于深度学习的xx预测/识别

3.基于光流法的xx外推/追踪

等等课题，论文，业务应用……

有需要可以v绿泡泡： aiforpaper

【5】效果图