O projektu
Frontanim vznikl jako středoškolská odborná práce do SOČ a proof of concept systému, který z polí numerického modelu určuje polohu atmosférických front a vytváří z nich synoptické mapy, které zaznamenávají fronty jako objekty, což by se teoreticky dále dalo využít ke klasifikaci situací a sekundárně i k zlepšení predikce nebezpečných jevů.
Projekt spojil meteorologii, zpracování numerických dat, geoinformatiku a generativní neuronové sítě. V zásadě je to implementovaná podmíněná GAN architektura pix2pix, která převádí vstupní obraz, v jehož barevných kanálech jsou upravený pole numerického modelu, na obraz frontálních čar. Soušástí je sada nástrojů pro tvorbu datasetů z různých veřejných zdrojů a pro validaci oproti realitě.
Od synoptické mapy k datové sadě
Součástí projektu jsou nástroje, které z obrazů synoptické analýzy ČHMÚ, DWD a MetOfficu vytvářejí georeferencované GeoTIFFy a vektorové GeoJSONy. Trénovací páry lze následně skládat s daty z mumerického modelu, rozšiřovat rotacemi a použít pro učení sítě.
Jako dostupný zdroj vstupních modelových dat slouží reanalýza ECMWF ERA5 v NetCDF. Pro experimenty jsem reanalýzu poskládal s přibližně 3 000 synoptickými mapami od roku 2015, což se ukázalo jako malé množství.
Výsledek a limity
Práce získala 2. místo v celostátním kole SOČ. Při případném pokračování by dávalo smysl změnit softwarový stack a použít kultivovanější matematicko-analytický přístup k hledání charakteristických vlastností front spojený s pokročilejšími typy architektur neuronových sítí.
