Precipitation Downscaling Using Foundation Model-Conditioned Diffusion
作者: Victor Nascimento Ribeiro, Jorge Guevara, Jorge Sebastian Moraga, Chris Lucas, Natalie Lord, Andrew Taylor, Edward Lockhart, Will Trojak, Johannes Schmude, Anne Jones
分类: cs.CV, cs.LG, physics.ao-ph
发布日期: 2026-08-26
💡 一句话要点
提出基于扩散模型的降水下分辨率方法以解决气候模型偏差问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 降水下分辨率 扩散模型 气象预测 交叉注意力 统计下分辨率 极端事件 水文影响评估 基础模型
📋 核心要点
- 现有的全球气候模型输出分辨率过低，导致降水预测不准确，影响水文评估。
- 论文提出了三种条件策略，利用扩散模型进行降水下分辨率，探索大规模气象预测因子的影响。
- 实验结果显示，交叉注意力条件化方法在极端降水事件的保留上优于简单的拼接方法，且计算资源需求较低。
📝 摘要（中文）
高分辨率降水场对于水文影响评估至关重要，但全球气候模型输出的分辨率过低且存在偏差，无法直接使用。基于AI的统计下分辨率方法结合扩散模型提供了一种有前景的解决方案，但大规模气象预测因子如何影响生成过程仍未得到充分探讨。本文研究了三种条件策略，应用于日降水下分辨率的去噪扩散概率模型，评估了不同策略在科罗拉多河流域的表现。结果表明，交叉注意力条件化方法在极端事件的保留上表现优异，且在数据有限的情况下，预训练的基础模型表示提供了显著的优势。
🔬 方法详解
问题定义：本文旨在解决全球气候模型输出的降水分辨率过低和偏差问题，现有的统计下分辨率方法未能充分利用大规模气象预测因子。
核心思路：通过引入三种不同的条件策略，利用去噪扩散概率模型进行降水下分辨率，探索如何更好地结合气象预测因子以提高生成的降水场的准确性和真实性。
技术框架：整体架构包括三个主要模块：1) 基于通道拼接的条件化；2) 使用学习的卷积编码器的交叉注意力条件化；3) 使用预训练的Prithvi WxC天气基础模型的冻结编码器的交叉注意力条件化。每种策略在相同条件下与无条件基线进行评估。
关键创新：交叉注意力条件化方法在生成降水场时提供了更好的分布真实性和光谱保真度，尤其在极端事件的保留上表现优异，与简单的拼接方法相比具有显著优势。
关键设计：在模型训练中，使用了不同的损失函数来优化生成结果，特别关注极端降水事件的保留，同时在计算资源上进行了优化，使得学习的卷积模型在全数据集上表现出与基础模型相似的性能。
🖼️ 关键图片
📊 实验亮点
实验结果表明，交叉注意力条件化方法在极端降水事件的保留上超过50%，相比于无条件基线在点-wise CRPS和MSE上有显著改善。学习的卷积模型在全数据集上的表现与基础模型相当，但计算资源需求更低，显示出良好的实用性。
🎯 应用场景
该研究的潜在应用领域包括气候变化研究、水资源管理和农业规划等。通过提供更高分辨率的降水预测，能够更准确地评估水文影响，从而为决策提供支持，提升应对气候变化的能力。未来，该方法有望在数据有限的环境中发挥重要作用，推动气象预测技术的发展。
📄 摘要（原文）
High-resolution precipitation fields are essential for hydrological impact assessment, yet global climate model outputs are too coarse and biased for direct use. AI-based statistical downscaling with diffusion models offers a promising approach, but the mechanism by which large-scale atmospheric predictors condition generation remains largely unexplored. We investigate three conditioning strategies for a denoising diffusion probabilistic model applied to daily precipitation downscaling: channel concatenation of upsampled coarse predictors, cross-attention conditioning with a learned convolutional encoder, and cross-attention conditioning with the frozen encoder of the pretrained Prithvi WxC weather foundation model. All strategies are evaluated against an unconditioned baseline under identical conditions using probabilistic, distributional, spectral, and extreme-event metrics for the Colorado River Basin. Concatenation conditioning achieves the lowest point-wise CRPS and MSE, but tends to produce over-smoothed fields that suppress high-intensity events. In contrast, cross-attention conditioning provides substantially better distributional realism and modest improvements in spectral fidelity. Improvements are greatest for extremes: the Prithvi-WxC conditioned model retains over half of >100mm/day events, although estimates are uncertain due to limited samples. When trained on the full dataset, the learned convolutional model performs similarly to the foundation model-conditioned approach while requiring lower computational resources. However, the Prithvi-WxC-conditioned model achieves comparable performance with only five years of training data. These results indicate that cross-attention conditioning offers advantages over simple concatenation for probabilistic precipitation downscaling, and that pre-trained foundation model representations may offer benefits in data-limited settings.