利用Wasserstein正则化扩散降尺度极端降水

理解极端降雨事件带来的风险需要分析高分辨率（以评估局部灾害）和广泛历史覆盖（以捕获足够多的罕见事件样本）的降水场。雷达和中尺度网络提供1公里分辨率的降水场，但历史和地理覆盖有限，而基于雨量计的记录和再分析产品在全球范围内覆盖数十年时间，但分辨率仅为30-50公里。为了帮助在长时间尺度上提供高分辨率降水估计，本研究提出了Wasserstein正则化扩散（WassDiff），这是一种扩散框架，用于对来自低分辨率雨量计和再分析产品的降水场进行降尺度（超分辨率）。至关重要的是，与相关的深度生成模型不同，WassDiff将Wasserstein分布匹配正则化器集成到去噪过程中，以减少极端强度下的经验偏差。综合评估表明，WassDiff在恢复热带风暴和冷锋等极端天气现象方面定量地优于现有的最先进生成式降尺度方法。案例研究进一步定性地证明了WassDiff再现逼真细尺度天气结构和准确峰值强度的能力。通过从全球可用的粗分辨率记录中解锁数十年的高分辨率降雨信息，WassDiff为更准确的洪水风险评估和气候适应规划提供了一条实用途径。