用于降尺度气候模拟的概率 U-Net 方法

Maryam Alipourhajiagha; Pierre-Louis Lemaire; Youssef Diouane; Julie Carreau

用于降尺度气候模拟的概率 U-Net 方法

机器学习 2025-11-06 v1 计算机视觉与模式识别大气与海洋物理

作者: Maryam Alipourhajiagha , Pierre-Louis Lemaire , Youssef Diouane , Julie Carreau

摘要

气候模型受计算成本的限制，常常在较粗的空间分辨率下生成输出，而许多气候变化影响研究需要更细的尺度。统计降尺度填补了这一差距，我们将概率 U-Net 应用于此任务，将确定性 U-Net 主干结构与变分潜在空间相结合，以捕捉 aleatoric 不确定性。我们评估了四种训练目标，afCRPS 和 WMSE-MS-SSIM，以及三种降尺度降水和温度的设置。我们的主要发现是，WMSE-MS-SSIM 在特定设置下表现良好，适用于极端情况，而 afCRPS 更好地捕捉了跨尺度的空间变异性。

关键词

概率 U-Net 气候降尺度不确定性量化降水降尺度温度降尺度

引用

@article{arxiv.2511.03197,
  title  = {A Probabilistic U-Net Approach to Downscaling Climate Simulations},
  author = {Maryam Alipourhajiagha and Pierre-Louis Lemaire and Youssef Diouane and Julie Carreau},
  journal= {arXiv preprint arXiv:2511.03197},
  year   = {2025}
}

备注

NeurIPS 2025 AI4Science

用于降尺度气候模拟的概率 U-Net 方法

摘要

关键词

引用

备注

相关论文