基于条件小波扩散的千米尺度降暴
机器学习
2025-07-03 v1 大气与海洋物理
摘要
有效的水文建模和极端天气分析需要千米尺度的降暴数据，而这远远细化于标准全球产品IMERG的10公里尺度。为此，我们提出了小波扩散模型 (WDM)，一种生成式框架，实现10倍的空间超分辨率（降采样至1公里），并比基于像素的扩散模型实现了9倍的推理加速。WDM是一种条件扩散模型，学习了从MRMS雷达数据直接在小波域中捕捉降暴复杂结构。通过聚焦于高频小波系数，它生成了极具真实感和细节的1公里降暴场。这种基于小波的方法在视觉上产生的效果显著优于像素空间模型，具有更少的伪影，并在采样效率方面实现了显著提升。我们的结果表明，WDM为解决地球科学超分辨中的精度与速度双重挑战提供了稳健的解决方案，为更可靠的水文预报铺平了道路。
引用
@article{arxiv.2507.01354,
title = {Efficient Kilometer-Scale Precipitation Downscaling with Conditional Wavelet Diffusion},
author = {Chugang Yi and Minghan Yu and Weikang Qian and Yixin Wen and Haizhao Yang},
journal= {arXiv preprint arXiv:2507.01354},
year = {2025}
}