SARITA (Spatiotemporal Attention driven Rainfall Inference using Transformative Architecture)

Área de la Ciencia:

• Hidrometeorología
• Modelado espaciotemporal
• Ciencia climática

Sus antecedentes:

• La predicción de lluvias a corto plazo es crucial para gestionar eventos climáticos extremos como las inundaciones repentinas.
• La región del Himalaya Noroccidental (NWH) presenta patrones complejos de lluvias por hora y tendencias decrecientes (2019-2024).
• Comprender las correlaciones espaciales en las lluvias es clave para mejorar la precisión de los pronósticos.

Objetivo del estudio:

• Analizar los patrones de lluvias por hora y las correlaciones espaciales en la región NWH.
• Desarrollar un modelo avanzado para mejorar la predicción de lluvias a corto plazo.
• Mejorar la detección de anomalías en las lluvias.

Principales métodos:

• Análisis de datos de lluvias por hora (2019-2024) en la región NWH.
• Examen de la disminución de la correlación espacial en diferentes altitudes y retardos temporales.
• Desarrollo y aplicación del modelo SARITA, que integra un mecanismo de correlación espacial guiado por atención dentro de un marco Deformable Convolutional Long Short-Term Memory (DConvLSTM).

Principales resultados:

• Se observaron tendencias significativas de disminución de las lluvias por hora en aproximadamente el 50% de la región del Himalaya Noroccidental (NWH).
• Las áreas de gran altitud muestran correlaciones iniciales más fuertes (>0.8) con una rápida disminución, mientras que las áreas de menor altitud tienen una disminución gradual.
• La variabilidad de las lluvias generalmente se disipa en 6-7 horas; existe un cinturón de alta coherencia en el Himalaya central.
• El modelo SARITA logró una mejora del 25% en los pronósticos de lluvias por hora y una mejora del 3.5% en la detección de anomalías sobre los modelos de referencia.

Conclusiones:

• El modelo SARITA captura eficazmente la dinámica compleja de las lluvias espaciotemporales en la región NWH.
• Las correlaciones espaciales guiadas por atención mejoran significativamente la predicción de lluvias a corto plazo y la detección de anomalías.
• Los hallazgos proporcionan una herramienta valiosa para mitigar los riesgos hidrometeorológicos en regiones montañosas.