Diffusion Model-based Probabilistic Downscaling for 180-year East Asian Climate Reconstruction

要約

私たちの地球が「地球規模の沸騰」時代に突入しているため、地域の気候変動を理解することが不可欠になっています。
このターゲットには、局所的な洞察を提供する効果的なダウンスケーリング方法が不可欠です。
計算量の多い地域力学モデルや統計的ダウンスケーリング フレームワークなどの従来のアプローチは、ダウンスケーリングの不確実性の影響を受けやすいことがよくあります。
ここでは、拡散確率的ダウンスケーリング モデル (DPDM) を気象分野に導入することで、これらの制限に対処します。
このモデルは、データを 1{\deg} の解像度から 0.1{\deg} の解像度に効率的に変換できます。
決定論的ダウンスケーリング スキームと比較して、局所的な詳細がより正確になるだけでなく、ダウンスケーリングの不確実性を評価するために確率分布サンプリングに基づいて多数のアンサンブル メンバーを生成することもできます。
さらに、このモデルを適用して東アジアの毎月の地表変数の 180 年間のデータセットを生成し、過去数世紀にわたる地域規模の気候変動を理解するためのより詳細な視点を提供します。

要約(オリジナル)

As our planet is entering into the ‘global boiling’ era, understanding regional climate change becomes imperative. Effective downscaling methods that provide localized insights are crucial for this target. Traditional approaches, including computationally-demanding regional dynamical models or statistical downscaling frameworks, are often susceptible to the influence of downscaling uncertainty. Here, we address these limitations by introducing a diffusion probabilistic downscaling model (DPDM) into the meteorological field. This model can efficiently transform data from 1{\deg} to 0.1{\deg} resolution. Compared with deterministic downscaling schemes, it not only has more accurate local details, but also can generate a large number of ensemble members based on probability distribution sampling to evaluate the uncertainty of downscaling. Additionally, we apply the model to generate a 180-year dataset of monthly surface variables in East Asia, offering a more detailed perspective for understanding local scale climate change over the past centuries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google