研究两种用于降尺度降水的超分辨率方法：ESRGAN与CAR
大气与海洋物理
2020-12-03 v1
摘要
为了向下游建模系统（例如模拟湖泊水循环的流体动力学模型）提供最优输入，我们致力于将天气模型的降水场分辨率提升至多9倍。我们测试了两种超分辨率模型：2017年提出的增强超分辨率生成对抗网络（ESRGAN），以及2020年提出的内容自适应重采样器（CAR）。两种模型均优于简单的双三次插值，其中ESRGAN的精度表现超出预期。我们提出了若干扩展工作的建议，以确保其能成为量化气候变化对局地生态系统影响的有用工具，同时摆脱对高能耗、高分辨率天气模型模拟的依赖。
引用
@article{arxiv.2012.01233,
title = {Investigating two super-resolution methods for downscaling precipitation: ESRGAN and CAR},
author = {Campbell D. Watson and Chulin Wang and Timothy Lynar and Komminist Weldemariam},
journal= {arXiv preprint arXiv:2012.01233},
year = {2020}
}
备注
5 pages, 2 figures, NeurIPS 2020, Tackling Climate Change with Machine Learning