희소한 기상 데이터와 복합 지형에서의 "스무딩 효과"를 해결하기 위해 본 연구는 확산 그래프 합성곱 네트워크(DG 모델)를 기반으로 하는 시공간 모델을 제안합니다. 중국 훈저우를 중심으로 198개 지점에서 2020-2024년 데이터를 사용하여, 모델은 확산 그래프 합성곱과 잔여 학습을 통합하여 비선형 기상 패턴을 포착합니다. 앙상블 실험(100회 반복)은 DG 모델이 안정성 및 정확성 면에서 일반 크리깅과 KCN 기준선을 유의미하게 초월함을 보여줍니다. 특히, 이 모델은 지형 적응 가중치를 통해 산악 온도 예측을 23.4% 향상시킵니다(40.0% vs. KCN), 물리적 분포 특성을 효과적으로 재현합니다. 더욱이, 이 모델은 역사적 지점 데이터를 통합하여 본래 ERA5 재분석 편향을 감소시키면서 배경 일관성을 유지합니다. 공간 전용(OSI) 및 시간 전용(OTI) 변형에 대해 검증된 DG 모델은 복합 지형에서 고해상도 기상 재구성을 위한 강력한 접근 방식을 제공합니다.
Hou et al. (Tue,)는 이 질문을 연구했습니다.