Global S&T Development Trend Analysis Platform of Resources and Environment
| 时空融合深度学习方法显著缩短航空风场预报间隔 | |
| 刘燕飞 | |
| 2025-10-15 | |
| 所属快报 | 资源环境快报 |
| 出版年 | 2025 |
| 期 | 19 |
| 语种 | 中文 |
| 领域 | 资源环境 |
| 栏目 | 大气科学 |
| 中文关键词 | 深度学习 ; 风场 ; 航空 ; 数值天气预报 |
| 英文关键词 | deep learning wind field aviation numerical weather prediction |
| 中文摘要 | 2025年9月25日，由葡萄牙马德拉大学（University of Madeira）科学家领衔的研究团队在《科学报告》（Scientific Reports）发表题为《一种提高数值天气预报时空分辨率的深度学习方法》（A Deep Learning Approach for Improving Spatiotemporal Resolution of Numerical Weather Prediction Forecasts）的文章，通过引入基于时空融合模型的深度学习方法，提高风预报的时间分辨率和准确性，解决了传统数值天气预报模型在航空业务风预报中的局限性。 |
| 原文题名 | A Deep Learning Approach for Improving Spatiotemporal Resolution of Numerical Weather Prediction Forecasts |
| 原文链接 | 查看原文 |
| 文献类型 | 快报文章 |
| 条目标识符 | http://119.78.100.173/C666/handle/2XK7JSWQ/356037 |
| 专题 | 资源环境科学 |
| 推荐引用方式 GB/T 7714 | 刘燕飞. 时空融合深度学习方法显著缩短航空风场预报间隔. 2025. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 时空融合深度学习方法显著缩短航空风场预报（31KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 时空融合深度学习方法显著缩短航空风场预报（227KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [刘燕飞]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [刘燕飞]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [刘燕飞]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 文件名： | 时空融合深度学习方法显著缩短航空风场预报间隔.png |
| 格式： | image/png |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论