基于光流引导扩散的降水概率降尺度化
原文中文,约400字,阅读约需1分钟。发表于: 。通过在 climate science 和 meteorology 领域中,利用 statistical downscaling 方法实现 local precipitation predictions 的数据驱动降尺度化,本研究通过扩展最近的视频扩散模型,结合光流和时间条件扩散模型,成功实现了高分辨率降水模式的预测。
本文介绍了一种经济有效的千米级降尺度扩散模型,用于物理风险预测。该模型通过训练台湾区域高分辨率天气模型得到,能够准确预测有害风和降水极端事件。研究显示,该模型能够恢复重要的幂律关系,并展示了多变量关系,如冷锋中的强降雨伴随的尖锐风和温度变化,以及台风眼壁周围的极端风和降雨带。此外,该模型还成功保留了全球预报模型的优势,预示着一个新的全球到区域的机器学习天气预报时代即将到来。