面向气候模拟下采样的概率、时空一致性生成框架

局部气候信息对于影响评估和决策至关重要，但全球气候模拟的粗糙分辨率无法捕捉小尺度现象。当前的统计下采样方法将这些现象推断为时序解耦的空间块。然而，为保持物理属性，准确地在多个变量跨越长时间范围内生成时空一致的高分辨率天气动力学至关重要。我们提出了一种新颖的生成框架，使用基于高分辨率再分析数据的得分扩散模型捕捉局部天气动力学的统计特性。训练后，我们可以粗糙气候模型数据为条件来生成与总体信息一致的天气图案。由于该预测任务本质上具有不确定性，我们利用扩散模型的概率特性进行多轨迹抽样。我们在高分辨率再分析信息下对方法进行评估，然后将其应用于气候模型下采样任务。我们随后演示，该模型生成的时空一致天气动力学与全球气候输出一致。