面向区域海平面数据的克里金信息条件扩散方法
信号处理
2025-01-28 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
给定来自全球气候模型或卫星数据的较粗糟分辨率投影，降尺度问题旨在估计更细微的区域气候数据，捕捉细节的空间模式和变异性。降尺度方法是从低分辨率变量推导出高分辨率数据的任何方法，常用于提供更详细的局部预测和分析。该问题对因气候变化带来的重大风险的有效适应、减缓和韧性至关重要。挑战在于空间异质性以及需要在确保模型泛化的同时恢复细节特征。大多数降尺度方法\cite{Li2020}未能捕捉细尺度的空间依赖性，在现实气候数据集（如海平面上升）上表现不佳。我们提出了一种新型的克里金信息条件扩散概率模型（Ki-CDPM），以捕捉空间变异性同时保留细节特征。实验结果表明，我们提出的方法在气候数据上的准确性优于最先进的降尺度技术。
引用
@article{arxiv.2410.15628,
title = {Towards Kriging-informed Conditional Diffusion for Regional Sea-Level Data Downscaling},
author = {Subhankar Ghosh and Arun Sharma and Jayant Gupta and Aneesh Subramanian and Shashi Shekhar},
journal= {arXiv preprint arXiv:2410.15628},
year = {2025}
}