一种气温降尺度的半循环对抗生成网络OACSTPCD
Half-Cycle Generative Adversarial Network for Temperature Downscaling
提出了一种半循环对抗生成降尺度模型,应用于ERA5 再分析全球气候地表温度数据在中国及其周边地区的降尺度,该模型引入了重建生成器网络和退化生成器网络,采用对抗损失和半循环损失来优化降尺度结果.通过消融实验验证了该模型的有效性.结果表明,与传统的插值方法以及其他深度学习模型相比,该模型在客观评价指标上有所提高,所生成的地表温度数据细节更加丰富.
This paper proposes a half-cycle generative adversarial downscaling model and ap-plies it to downscale ERA5 reanalysis global climate surface temperature data in China and its sur-rounding regions.This model introduces both a reconstruction generator network and a degradation generator network and optimizes the downscaling results using adversarial loss and half-cycle loss.The effectiveness of this method was validated through ablation experiments.The results show that compared with traditional interpolation methods and other deep learning models,this model exhibits improvements in objective evaluation metrics,resulting in more detailed surface temperature data generated.
黎瑞泉;翁彬;陈家祯;黄添强;游立军
福建师范大学计算机与网络空间安全学院,福建 福州 350117||数字福建大数据安全技术研究所,福建 福州 350117||福建省公共服务大数据挖掘与应用工程技术研究中心,福建 福州 350117福建省气象信息中心,福建 福州 350007||福建省灾害天气重点实验室,福建 福州 350007
计算机与自动化
对抗生成网络降尺度深度学习
generative adversarial networksdownscalingdeep learning
《福建师范大学学报（自然科学版）》 2024 (001)
87-95 / 9
国家重点研发计划专项(2018YFC1505805);福建省引导性项目(2021Y0057,2022Y0008);福建师大教改项目(I202201105)
评论