openclimatefix/metnet

解决的问题

本项目提供了 Google Research 的 MetNet 系列模型的 PyTorch 实现，专为短期天气和降水预测而设计。通过利用卫星图像和其他大气观测数据，使用户能够预测天气模式。

工作原理

该仓库实现了 MetNet 架构的多个版本：

• MetNet：用于短期预测的原始模型。
• MetNet-2：通过使用更大的上下文图像，可预测未来 12 小时内的天气。
• MetNet Global：专为全球降水预测设计的版本。

这些模型处理输入数据（如 GOES-16 卫星和 MRMS 降水数据）以生成预测。项目还通过 HuggingFace Hub 提供了在云掩膜和卫星图像数据上训练的 MetNet 和 MetNet-2 的预训练权重。

适用人群

适用于从事气象 AI、天气预报和大气科学的研究人员和开发者，希望使用基于 PyTorch 的 Google Research MetNet 模型实现。

亮点

• 多种架构：包含 MetNet、MetNet-2 和 MetNet Global 的实现。
• 预训练权重：可通过 HuggingFace 获取 MetNet 和 MetNet-2 的权重。
• 数据集成：与 HuggingFace Datasets 集成，支持 GOES-16 和 MRMS 数据。
• PyTorch 原生：完全基于 PyTorch 构建，便于训练和推理。