# AOD-forecast

**Repository Path**: sherlockjjobs/AOD-forecast

## Basic Information

- **Project Name**: AOD-forecast
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-14
- **Last Updated**: 2026-08-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CAST-NYC：纽约都会区 15 天逐日 AOD 预报（完整代码包）

对标 Cheng et al. (2026, GRL) 的框架，使用 CAST（Cross-covariate Adaptive
Spatio-Temporal Transformer）在纽约都会区（74.9°W–72.9°W, 40.1°N–41.3°N）
做 0.05° 网格、过去 30 天 → 未来 15 天的逐日 AOD 预报。

## 文件结构

| 文件 | 作用 |
|---|---|
| `config.py` | 全部配置：区域、时段、变量、模型/训练超参 |
| `data_gee.py` | 从 GEE 导出逐日数据（MAIAC AOD、ERA5-Land、ERA5 BLH、MODIS 火点、静态层、GFS 未来预报） |
| `demo_synthetic.py` | 无 GEE 账号时生成合成数据，端到端验证管道 |
| `pipeline.py` | 预处理（归一化/滑窗/掩膜）+ 训练（pinball 损失 + P99 加权 + 早停）+ 评估出图 |
| `model.py` | CAST 模型：Patch 嵌入 → 自适应图空间混合 → 因果时序 Transformer(RoPE) → 未来协变量交叉注意力解码器 → 分位数输出头 |
| `README.md` | 本文件 |

## 运行步骤

```bash
# 0. 环境
pip install earthengine-api torch numpy matplotlib requests

# 1. GEE 认证（浏览器登录一次）
earthengine authenticate

# 2. 导出数据（project 已内置 dazzling-pillar-474603-e4；--with-gfs 导出未来协变量）
python data_gee.py --start 2021-01-01 --end 2024-12-31 --with-gfs

# 3. 训练 + 评估 + 出图（真实数据）
python pipeline.py --mode real

# 或者：无 GEE 账号时跑合成数据 demo（自动先生成数据再训练）
python pipeline.py --mode demo
```

输出：`work/figures/` 下四张图（训练曲线、R/RMSE 随时效衰减、
Day1/8/15 散点密度、个例预报地图）+ `metrics.json`。

## 单张 V100 预计耗时

| 阶段 | 耗时（估计） | 说明 |
|---|---|---|
| GEE 数据导出（纽约 4 年） | 2–6 小时 | 瓶颈在 GEE 端 getDownloadURL 逐日下载，与 GPU 无关 |
| 预处理（滑窗/归一化） | < 1 分钟 | CPU 一次性完成 |
| **模型训练（纽约 0.05°, ~1700 样本, 60 epochs）** | **约 5–15 分钟** | 全量配置 d=128、~3M 参数，每 epoch 仅秒级 |
| 评估出图 | < 1 分钟 | |
| **CONUS 全量（0.25°, N=1250, d=256, 60 epochs）** | **约 1–2 小时** | 供后续扩展参考 |

即 V100 上模型本身非常轻，**真正的时间成本在 GEE 数据下载**；
建议先把 `data_gee.py` 挂后台跑一晚上，次日训练只需几分钟。

## 备注

- 云缺失：训练与评估均只在 MAIAC 观测像素上计算损失（掩膜损失范式）。
- 无 GFS 时管道自动降级为全零未来协变量（仍可训练，用于消融对比）。
- 沙箱演示版（demo 模式）为适配 2 核/4GB 环境缩小了模型与样本量；
  在 V100 上请直接使用 `config.py` 默认配置。