深度学习方法是否适用于全球气候预测的降尺度？西班牙气温与降水量的对比研究
大气与海洋物理
2025-09-23 v2 机器学习
机器学习
摘要
深度学习（DL）在不同方法下已展现出对全球气候变化预测进行降尺度的潜力，包括完美预测（Perfect Prognosis, PP）方法和区域气候模型（RCM）模拟。与模拟器不同，PP 降尺度模型基于观测数据进行训练，因此它们是否能够合理地外推未见条件以及未来排放情景的变化仍是一个开放问题。这里我们聚焦于这一问题，将其作为这些方法实际应用的主要障碍，并在统一的实验框架下评估现有模型的性能和外推能力，同时考虑不同训练副本对结果的敏感性。我们聚焦于西班牙地区的最低和最高气温以及降水量，该区域具有多种气候条件以及不同的区域性影响过程。我们最后讨论了研究发现、现有方法的局限性以及未来发展的展望。
引用
@article{arxiv.2411.05850,
title = {Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? An Intercomparison for Temperature and Precipitation over Spain},
author = {Jose González-Abad and José Manuel Gutiérrez},
journal= {arXiv preprint arXiv:2411.05850},
year = {2025}
}
备注
Published in Artificial Intelligence for the Earth Systems