基于 Transformer 的区域再分析超分辨率下采样：全域 vs 瓦片方法
机器学习
2024-10-17 v1 人工智能
摘要
超分辨率（Super-Resolution, SR）是一种具有成本效益的下采样方法，用于从较粗糙的数据生产高分辨率气候信息。一个具体应用是从驱动全球数据（predictor）对区域再分析输出（predictand）进行下采样。本研究聚焦于 temperature，使用 CERRA 再分析（5.5 km 分辨率，采用驱动 ERA5 的区域大气模型）作为示例。本文提出的方法是基于 Swin Transformer 的 SR 方法，两个备选方法作为基准测试（全卷积 U-Net 和卷积和稠密 DeepESD），以及简单的双立方插值。我们比较了两种方法：一种是标准做法，将整个域作为输入；另一种是更可扩展的瓦片方法，将整个域划分为多个瓦片作为输入。所述方法旨在对 CERRA 表面 temperature 进行下采样，基于来自驱动 ERA5 的 temperature 信息；此外，瓦片方法包括静态或ogram 信息。我们显示，瓦片方法需要空间可转移性，性能较低（尽管其优于一些全域基准），但提供了高效且可扩展的解决方案，允许在整个欧洲范围内进行 SR 降采样，对于实时应用非常有价值。
引用
@article{arxiv.2410.12728,
title = {Transformer based super-resolution downscaling for regional reanalysis: Full domain vs tiling approaches},
author = {Antonio Pérez and Mario Santa Cruz and Daniel San Martín and José Manuel Gutiérrez},
journal= {arXiv preprint arXiv:2410.12728},
year = {2024}
}