Бенчмарк-набор данных для оценки и обнаружения осадков по спутниковым данным

Почему наблюдение за дождём из космоса важно

Дождь формирует наши урожаи, наполняет водохранилища и служит причиной опасных паводков и селей. Тем не менее, удивительно, но мы до сих пор не знаем точно, сколько дождя выпадает в каждом уголке Земли в любой момент времени. Наземные приборы расположены редко — особенно над океанами и в ряде стран — а даже современные спутники дают лишь часть картины. В этой статье представлен SatRain, новый глобальный бенчмарк-набор данных, призванный помочь научному и техническому сообществам создавать и справедливо сравнивать методы искусственного интеллекта (ИИ) для оценки осадков по спутниковым наблюдениям. Лучшие инструменты для наблюдения дождя с орбиты могут улучшить предупреждения о погоде, управление водными ресурсами и наше понимание того, как изменение климата влияет на бури.

Разные «глаза» на одну и ту же бурю

Измерять дождь сложнее, чем кажется: дождь фрагментирован, постоянно меняется и может выпадать как морось, ливни, снег или град. Традиционные средства имеют свои сильные и слабые стороны. Осадкомеры измеряют воду непосредственно в одной точке, но их мало, особенно над океанами и в бедных регионах. Метеорадары дают детальные карты осадков над сушей, но их покрытие ослабевает с удалением и зависит от рельефа. Спутники — единственный способ наблюдать осадки практически везде, однако они не регистрируют капли дождя напрямую. Вместо этого они фиксируют видимый свет и микроволны, искажаемые облаками и падающими частицами, а ученым приходится восстановить по этим сигналам, сколько дождя доходит до поверхности.

Как спутники «видят» дождь

Спутники используют несколько типов датчиков, каждый из которых рассказывает часть истории. Геостационарные спутники, находящиеся высоко над экватором, непрерывно наблюдают одну и ту же область в видимом и инфракрасном диапазонах, отслеживая верхушки облаков, но не дождь под ними. Спутники низкой орбиты несут пассивные микроволновые приборы, которые улавливают слабые излучения и рассеяние, вызванные каплями дождя и ледяными частицами; они ближе связаны с реальными осадками, но видят каждое место лишь раз в несколько часов и с более грубым разрешением. Небольшое число бортовых радаров может измерять осадки более прямо, но они не обеспечивают частого глобального покрытия. Поскольку у каждого датчика есть пробелы, современные карты осадков объединяют множество источников и всё чаще полагаются на машинное обучение, чтобы извлечь больше информации из данных.

Создание честной тестовой площадки для ИИ по осадкам

До сих пор исследователи обучали модели ИИ для спутниковой оценки осадков на разных регионах, временных интервалах, датчиках и разрешениях, что делало почти невозможным понять, действительно ли один метод лучше другого. Международная рабочая группа по осадкам (International Precipitation Working Group) создала SatRain, чтобы решить эту проблему. SatRain объединяет многодатчиковые спутниковые наблюдения — видимые, инфракрасные и микроволновые — вместе с качественными «эталонными» данными от радаров, скорректированных по осадкомерам, для континентальной части США. Вся информация аккуратно выровнена по общим сеткам или вдоль родных путей сканирования спутников, а набор данных разделён на обучающую, валидационную и тестовую части в соответствии с современной практикой машинного обучения. Чтобы оценить, насколько методы обобщаются за пределы Северной Америки, SatRain также включает независимые тестовые данные из Кореи и Австрии, основанные на локальных композитах радаров и плотных сетях осадкомеров.

Сравнение методов ИИ лицом к лицу

С помощью SatRain авторы обучили несколько моделей ИИ оценивать объём выпадающего дождя и выявлять места, где идут дождь и сильные осадки. Они сравнили модели, использующие только инфракрасные изображения вершин облаков, модели, к которым добавлены многочисленные каналы видимого и инфракрасного диапазонов, и модели, использующие микроволновые измерения. Также были протестированы разные методы машинного обучения — от случайных лесов и бустинговых деревьев до современных глубоких нейронных сетей архитектуры U-Net. По тысячам сцен штормов системы ИИ, обученные на SatRain, смогли сравняться или превзойти ведущие операционные продукты, включая широко используемый метод извлечения GPROF и реанализ ERA5, особенно при использовании микроволновых входов и продвинутых архитектур глубокого обучения. Результаты сохранялись не только над США, но и в независимых тестовых регионах, несмотря на некоторые региональные смещения.

Что это значит для повседневной жизни

SatRain сам по себе не является новым глобальным продуктом по осадкам; это общая площадка, где учёные и разработчики могут доказать работоспособность своих алгоритмов и сравнить их справедливо. Объединив множество спутниковых датчиков с одними из лучших наземных измерений, SatRain облегчает разработку ИИ-моделей, которые «видят» сквозь облака, распознают тонкие сигналы в бортовых данных и точнее определяют, где и с какой силой идёт дождь. В долгосрочной перспективе методы, отточенные и протестированные на SatRain, могут быть перенесены в следующее поколение глобальных наборов данных по осадкам, улучшая предупреждения о наводнениях, мониторинг засух и климатические исследования, влияющие на людей по всему миру.

Цитирование: Pfreundschuh, S., Arulraj, M., Behrangi, A. et al. A Benchmark Dataset for Satellite-Based Estimation and Detection of Rain. Sci Data 13, 244 (2026). https://doi.org/10.1038/s41597-026-06565-0

Ключевые слова: спутниковые осадки, набор данных по осадкам, машинное обучение, дистанционное зондирование, мониторинг климата