Transformer based super-resolution downscaling for regional reanalysis: Full domain vs tiling approaches

要約

超解像度 (SR) は、粗い対応物から高解像度の気候情報を生成するための、費用対効果の高いダウンスケーリング手法として有望です。
特定のアプリケーションでは、グローバルな対応物 (予測子) からの地域再解析出力 (予測子) をダウンスケーリングします。
この研究では、例として CERRA 再解析 (解像度 5.5 km、ERA5 によって駆動される地域大気モデルで生成) を使用して、温度に焦点を当てたさまざまな SR ダウンスケーリング手法の相互比較を実施します。
この研究で提案されている方法は Swin 変換器であり、単純なバイキュービック補間と同様に 2 つの代替方法 (完全畳み込み U-Net と畳み込み高密度 DeepESD) がベンチマークとして使用されます。
完全なドメインを入力として使用する標準的なアプローチと、完全なドメインを入力として使用されるタイルに分割する、よりスケーラブルなタイル化アプローチの 2 つのアプローチを比較します。
このメソッドは、運転中の ERA5 からの温度情報に基づいて、CERRA の表面温度をダウンスケールするようにトレーニングされています。
さらに、タイリング手法には静的な地形情報が含まれます。
空間転送性を必要とするタイリング アプローチは、パフォーマンスが低下するという犠牲を伴いますが (一部のフルドメイン ベンチマークよりも優れていますが)、汎ヨーロッパ規模で SR 削減を可能にし、価値のある効率的なスケーラブルなソリューションを提供することを示します。
リアルタイムアプリケーション向け。

要約(オリジナル)

Super-resolution (SR) is a promising cost-effective downscaling methodology for producing high-resolution climate information from coarser counterparts. A particular application is downscaling regional reanalysis outputs (predictand) from the driving global counterparts (predictor). This study conducts an intercomparison of various SR downscaling methods focusing on temperature and using the CERRA reanalysis (5.5 km resolution, produced with a regional atmospheric model driven by ERA5) as example. The method proposed in this work is the Swin transformer and two alternative methods are used as benchmark (fully convolutional U-Net and convolutional and dense DeepESD) as well as the simple bicubic interpolation. We compare two approaches, the standard one using the full domain as input and a more scalable tiling approach, dividing the full domain into tiles that are used as input. The methods are trained to downscale CERRA surface temperature, based on temperature information from the driving ERA5; in addition, the tiling approach includes static orographic information. We show that the tiling approach, which requires spatial transferability, comes at the cost of a lower performance (although it outperforms some full-domain benchmarks), but provides an efficient scalable solution that allows SR reduction on a pan-European scale and is valuable for real-time applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google