地球システムモデルからの降水量を改善するための生成的機械学習アプローチ

人為的な地球温暖化の影響を定量化するには、正確な地球システムモデル（ESM）シミュレーションが必要です。統計的バイアス補正とダウンスケーリングを適用することで、誤差を減少させ、ESMの解像度を高めることができます。しかし、既存の手法である分位点マッピングなどでは、空間パターンや時間的ダイナミクスを効果的に改善することができません。この問題に対処するために、ペアなしのドメイン変換と超解像基盤モデルを組み合わせた純粋に生成的な機械学習アプローチを提案します。我々の結果は、処理されたESMシミュレーションにおける現実的な空間パターンと時間的ダイナミクス、ならびに分布バイアスの減少を示しています。