Buchumschlag

Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? An Intercomparison for Temperature and Precipitation over Spain

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	González-Abad, Jose, Gutiérrez, José Manuel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Atmospheric and Oceanic Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Likelihood-Based Generative Approach for Spatially Consistent Precipitation Downscaling
von: González-Abad, Jose
Veröffentlicht: (2024)

Hard-Constrained Deep Learning for Climate Downscaling
von: Harder, Paula, et al.
Veröffentlicht: (2022)

Flow Matching for Convective-Scale Precipitation Downscaling
von: Wetherell, Tom
Veröffentlicht: (2026)

Longwang: Zero-Shot Global Spatiotemporal Precipitation Downscaling with a Latent Generative Prior
von: Wang, Yue, et al.
Veröffentlicht: (2026)

SwAIther-Precip: Lead-Time-Aware Bias Correction Enables Kilometer-Scale Downscaling of Global AI Precipitation Forecasts over Switzerland
von: Assouline, Dan, et al.
Veröffentlicht: (2026)

Generative Diffusion-based Downscaling for Climate
von: Watt, Robbie A., et al.
Veröffentlicht: (2024)

Oya: Deep Learning for Accurate Global Precipitation Estimation
von: Brempong, Emmanuel Asiedu, et al.
Veröffentlicht: (2025)

Physics-Constrained Adaptive Flow Matching for Climate Downscaling
von: Debeire, Kevin, et al.
Veröffentlicht: (2026)

Data Driven Deep Learning for Correcting Global Climate Model Projections of SST and DSL in the Bay of Bengal
von: Pasula, Abhishek, et al.
Veröffentlicht: (2025)

A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation
von: Schmidt, Jonathan, et al.
Veröffentlicht: (2024)

Towards Location-Specific Precipitation Projections Using Deep Neural Networks
von: Kumar, Bipin, et al.
Veröffentlicht: (2025)

CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution
von: Kovalenko, Alexander
Veröffentlicht: (2026)

Selection of CMIP6 Models for Regional Precipitation Projection and Climate Change Assessment in the Jhelum and Chenab River Basins
von: Jamal, Saad Ahmed, et al.
Veröffentlicht: (2026)

Machine Learning Framework for High-Resolution Air Temperature Downscaling Using LiDAR-Derived Urban Morphological Features
von: Chajaei, Fatemeh, et al.
Veröffentlicht: (2024)

Leadsee-Precip: A Deep Learning Diagnostic Model for Precipitation
von: Ji, Weiwen, et al.
Veröffentlicht: (2024)

IPSL-AID: Generative Diffusion Models for Climate Downscaling from Global to Regional Scales
von: Kingston, Kishanthan, et al.
Veröffentlicht: (2026)

Investigating the Robustness of Extreme Precipitation Super-Resolution Across Climates
von: Largeau, Louise, et al.
Veröffentlicht: (2025)

Precipitation Downscaling with Spatiotemporal Video Diffusion
von: Srivastava, Prakhar, et al.
Veröffentlicht: (2023)

Climate Downscaling of Tropical Cyclone Intensity using Deep Learning
von: Luong, Minh-Khanh, et al.
Veröffentlicht: (2025)

Global Climate Model Bias Correction Using Deep Learning
von: Pasula, Abhishek, et al.
Veröffentlicht: (2025)

Diffusion Model-based Probabilistic Downscaling for 180-year East Asian Climate Reconstruction
von: Ling, Fenghua, et al.
Veröffentlicht: (2024)

Generative Unsupervised Downscaling of Climate Models via Domain Alignment: Application to Wind Fields
von: Keisler, Julie, et al.
Veröffentlicht: (2026)

Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling
von: Mardani, Morteza, et al.
Veröffentlicht: (2023)

Downscaling Precipitation with Bias-informed Conditional Diffusion Model
von: Lyu, Ran, et al.
Veröffentlicht: (2024)

Towards Physically Consistent Deep Learning For Climate Model Parameterizations
von: Kühbacher, Birgit, et al.
Veröffentlicht: (2024)

Samudra: An AI Global Ocean Emulator for Climate
von: Dheeshjith, Surya, et al.
Veröffentlicht: (2024)

Interpretable AI-Driven Discovery of Terrain-Precipitation Relationships for Enhanced Climate Insights
von: Xu, Hao, et al.
Veröffentlicht: (2023)

Diffusion-Based Joint Temperature and Precipitation Emulation of Earth System Models
von: Christensen, Katie, et al.
Veröffentlicht: (2024)

Climate Downscaling with Stochastic Interpolants (CDSI)
von: Larsson, Erik, et al.
Veröffentlicht: (2026)

An Operational Deep Learning System for Satellite-Based High-Resolution Global Nowcasting
von: Agrawal, Shreya, et al.
Veröffentlicht: (2025)

Guided Diffusion Sampling for Precipitation Forecast Interventions
von: Ueyama, Ayumu, et al.
Veröffentlicht: (2026)

DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting
von: Shukla, Pratik, et al.
Veröffentlicht: (2024)

A Mechanism-Learning Deeply Coupled Model for Remote Sensing Retrieval of Global Land Surface Temperature
von: Xie, Tian, et al.
Veröffentlicht: (2025)

SOON: Symmetric Orthogonal Operator Network for Global Subseasonal-to-Seasonal Climate Forecasting
von: Zhou, Ziyu, et al.
Veröffentlicht: (2026)

Global Lightning-Ignited Wildfires Prediction and Climate Change Projections based on Explainable Machine Learning Models
von: Shmuel, Assaf, et al.
Veröffentlicht: (2024)

MMWSTM-ADRAN+: A Novel Hybrid Deep Learning Architecture for Enhanced Climate Time Series Forecasting and Extreme Event Prediction
von: Ahmed, Shaheen Mohammed Saleh, et al.
Veröffentlicht: (2025)

STAA: Spatio-Temporal Alignment Attention for Short-Term Precipitation Forecasting
von: Chen, Min, et al.
Veröffentlicht: (2024)

Machine Learning Techniques for Data Reduction of Climate Applications
von: Li, Xiao, et al.
Veröffentlicht: (2024)

A Probabilistic U-Net Approach to Downscaling Climate Simulations
von: Alipourhajiagha, Maryam, et al.
Veröffentlicht: (2025)

Generative Adversarial Models for Extreme Geospatial Downscaling
von: Li, Guiye, et al.
Veröffentlicht: (2024)