最新研究提出了一种经济高效的千米级降尺度扩散模型，用于物理风险预测。该模型利用ERA5再分析数据，从台湾的高分辨率天气模型中训练而来。通过两步方法（ResDiff），在块状RMSE和CRPS评分上表现出色。模型能准确恢复极端天气事件的重要幂律关系，并展示多变量关系，如冷锋中的强降雨和台风眼壁的极端风雨。这是首次尝试直接从全球预报模型进行降尺度，预示着全球到区域的机器学习天气预报新时代的到来。

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。该模型能够准确预测有害风和降水极端事件，并恢复重要的幂律关系。研究显示，该模型类似于学到的物理学，并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。

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的高分辨率天气模型得到，并能准确预测有害风和降水极端事件。研究显示，该模型能恢复重要的幂律关系，并具有与学到的物理学相似的多变量关系。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。

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，并能准确预测有害风和降水极端事件。研究显示该模型能恢复多变量关系，包括冷锋中的强降雨和尖锐风等。此外，该模型还能成功保留全球预报模型的优势，预示着全球到区域的机器学习天气预报时代即将到来。

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，并能准确预测有害风和降水极端事件。研究显示该模型能恢复多变量关系，包括冷锋中的强降雨和尖锐风等。此外，该模型还成功保留了全球预报模型的优势，预示着全球到区域的机器学习天气预报时代即将到来。

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。

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。