使用条件扩散模型生成高分辨率区域降水
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一种基于去噪扩散概率模型(DDPM)的深度生成模型,用于区域尺度的气候数据降尺度,通过多个低分辨率气候变量的条件生成,实验证明该模型在降尺度气候数据方面具有显著改进,突出了条件扩散模型在气候数据降尺度中的有效性。
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。该模型的成功表明全球到区域的端到端机器学习天气预报时代可能即将到来。