Un conjunto de datos de referencia para la estimación y detección de lluvia basada en satélites

Área de la Ciencia:

• Ciencias de la Tierra
• Meteorología
• Inteligencia Artificial

Sus antecedentes:

• El seguimiento preciso de las precipitaciones globales es crucial para la investigación y las operaciones meteorológicas.
• Las observaciones por satélite son vitales para la monitorización constante de las precipitaciones globales.
• La falta de un conjunto de datos de referencia estandarizado dificulta la comparación justa de los métodos de aprendizaje automático para la recuperación de precipitaciones por satélite.

Objetivo del estudio:

• Presentar SatRain, el primer conjunto de datos de referencia de IA para la detección y estimación de precipitaciones basada en satélites.
• Proporcionar un protocolo de evaluación estandarizado para enfoques de aprendizaje automático.
• Facilitar el desarrollo de modelos de IA de próxima generación para mejorar las estimaciones de precipitaciones globales.

Principales métodos:

• Integración de observaciones de satélite multisensores de plataformas primarias de teledetección.
• Inclusión de estimaciones de referencia de alta calidad de precipitaciones a partir de compuestos de radar basados en tierra corregidos por pluviómetros sobre los Estados Unidos continentales.
• Provisión de datos de prueba fuera de distribución de Asia y Europa para comparaciones sólidas.

Principales resultados:

• SatRain ofrece un marco estandarizado para evaluar algoritmos de IA en la recuperación de precipitaciones por satélite.
• El conjunto de datos permite comparaciones reproducibles entre diferentes enfoques de aprendizaje automático.
• Apoya el desarrollo de modelos de IA avanzados al incorporar diversos sensores y observaciones geoestacionarias.

Conclusiones:

• SatRain aborda la necesidad de un conjunto de datos de referencia estandarizado en la investigación de precipitaciones por satélite.
• El conjunto de datos es esencial para avanzar en la estimación de precipitaciones impulsada por la IA.
• Contribuirá a una monitorización más precisa y fiable de las precipitaciones globales.