基于Transformer的区域再分析超分辨率下采样：全域与切片方法的比较
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对从全球再分析输出下采样区域气候数据的问题，采用Swin Transformer方法与其他基准方法进行比较。研究发现，尽管切片方法在表现上不如某些全域基准，但它提供了一种可扩展的高效解决方案，适合于全欧洲范围内的超分辨率降低及实时应用。
本研究应用深度学习扩散模型提升天气数据的空间分辨率，使用SR3和ResDiff架构将低分辨率数据转化为高分辨率。实验基于WeatherBench数据集，聚焦两米温度变量。结果表明，ResDiff模型在MSE、SSIM和PSNR指标上优于传统方法，展示了其在气象应用中的潜力。
