Score-Driven Diffusion-Based Precipitation Downscaling Method with Wasserstein Regularization
原文英文，约100词，阅读约需1分钟。发表于：。本研究解决了在极端降雨下理解局部风险所需的长期记录与高分辨率产品不足的问题。我们提出了一种新型生成扩散模型（WassDiff），通过引入Wasserstein距离正则化，提高了模型捕捉极端降水信号的能力。研究结果表明，WassDiff在降水重构精度和偏差评分上优于传统模型，对极端天气现象的案例研究显示了其生成适当空间模式的能力。
本研究提出了一种新型生成扩散模型WassDiff，通过引入Wasserstein距离正则化，提高了捕捉极端降水信号的能力。WassDiff在降水重构精度和偏差评分上优于传统模型，能生成合理的空间模式，有助于理解极端降雨下的局部风险。
