用于准地转湍流超分辨与推断的引导式无条件和条件生成模型

通常，地球系统的数值模拟是粗糙的，而地球观测是稀疏且有缺口的。我们将四种生成式扩散建模方法应用于从粗糙、稀疏且有缺口的观测中，对β平面上受迫二维准地转湍流进行超分辨与推断。两种引导式方法对预训练的无条件模型进行最小化调整：SDEdit修改初始条件，扩散后验采样（DPS）修改反向扩散过程得分。两种条件方法，一种为朴素变体，另一种为无分类器引导，需要使用配对的高分辨率和观测数据进行训练。我们考虑了多种测试案例，涵盖：两种状态，涡旋和各向异性射流湍流；两个雷诺数，10^3和10^4；以及两种观测类型，4倍粗分辨率场和粗糙、稀疏且有缺口的观测。我们的综合技能指标包括重构涡度场的范数、湍流统计量以及超分辨概率集合及其误差的量化。我们还研究了其对引导强度等调参参数的敏感性。结果表明，SDEdit生成的超分辨场是非物理的，而DPS生成的场是合理的，但细尺度特征被平滑；然而，这两种成本较低的模型都不能有效地将观测信息传播到未观测区域。这两种条件模型需要重新训练，但能够重建缺失的细尺度特征，与观测具有循环一致性，并能预测正确的湍流统计量，包括尾部。此外，它们的平均误差与其集合标准差高度相关且可预测。结果凸显了扩散模型在实现简便性、保真度（清晰度）和循环一致性之间的权衡，并为其部署提供了实用指导。