基于概率机器学习的区域气候风险评估

区域决策所需的细粒度信息与全球气候模型的粗糙分辨率之间存在差距，从而阻碍了有效的气候风险评估。我们引入GenFocal——一个AI框架，用于从粗糙气候投影中生成统计上准确的细粒度天气，而无需在训练期间配对模拟与观测事件。GenFocal能够合成复杂且持续存在的灾害性事件，如热浪和热带气旋，即使这些事件在粗糙气候投影中代表不足。它还能比领先方法更准确地对高影响、罕见事件进行抽样。通过将大尺度气候投影转化为可操作的局部信息，GenFocal为改进气候适应和韧性策略提供了一种强大的新范式。