气候提示：使用视频扩散和低维条件生成赫尔德-朱里亚振荡
计算机视觉与模式识别
2026-03-24 v1
摘要
生成式深度学习是建模赫尔德-朱里亚振荡（MJO）在赤道附近的强大工具，但其与传统理论框架的关系仍不清晰。我们提出一种基于大气再分析数据的视频扩散模型，用于合成以关键低维指标为条件的长期 MJO 序列。生成的 MJOs 捕获了包括合成、功率谱和多尺度结构（包括对流耦合波）在内的关键特征，尽管存在一些偏差。我们随后通过有意设计的低维条件性提示模型生成更易处理的 MJOs，例如永恒 MJO、季节性/El Niño-南方振荡（ENSO）的孤立调制等。这使得对底层过程进行解构并识别物理驱动因素成为可能。本方法为在低维 MJO 理论与高分辨率大气复杂性之间搭建桥梁提供了实用框架，有助于热带大气预测。
引用
@article{arxiv.2603.21856,
title = {Climate Prompting: Generating the Madden-Julian Oscillation using Video Diffusion and Low-Dimensional Conditioning},
author = {Sulian Thual and Feiyang Cai and Jingjing Wang and Feng Luo},
journal= {arXiv preprint arXiv:2603.21856},
year = {2026}
}