Los investigadores presentan MotifGen, un modelo generativo diseñado para la interpolación espacio-temporal de imágenes de microondas de ciclones tropicales a partir de múltiples fuentes geoespaciales con intervalos de tiempo irregulares y desalineación geográfica. El modelo aborda el desafío de la alta heterogeneidad en los datos de microondas combinando entradas de varios instrumentos para llenar los vacíos causados por los largos tiempos de revisita satelital.
- Entrenado mediante una tarea auto-supervisada donde se enmascara y reconstruye una fuente aleatoria, lo que conduce a una disminución significativa en la Puntuación Probabilidad Continua Clasificada en comparación con el entrenamiento supervisado.
- La combinación de datos infrarrojos y de microondas produce mejoras adicionales de rendimiento sobre el uso exclusivo de datos de microondas.
- El modelo produce una media de conjunto comparable a los modelos deterministas mientras genera un espectro de potencia significativamente más cercano a las observaciones reales.
Este enfoque proporciona el primer modelo generativo capaz de interpolar imágenes de microondas de ciclones integrando múltiples instrumentos de microondas y observaciones infrarrojas en intervalos irregulares.