精修感知流匹配让太阳能降尺度不再过度平滑，联合优化生成与修正！
SolarFlowRefiner: Refinement-Aware Flow Matching for Surface Solar Radiation Downscaling
📖 AI 总结
本文提出 SolarFlowRefiner，一种面向地表太阳辐射（SSR）降尺度的细化感知流匹配框架。研究针对 ERA5 再分析辐射变量过于粗糙、难以刻画局地云致变异的问题，构建了从粗分辨率 ERA5 数据与配准卫星通道重建高分辨率 SolarCube SSR 场的多源降尺度任务。由于单个 ERA5 网格内可能同时存在日照区与云影区，所需的高分辨率修正具有空间锐利性和内在模糊性，单阶段预测易过度平滑，而事后细化又会因生成器独立优化、其输出却决定细化器初始状态而产生阶段错配。为此，该方法先由条件 FlowMatch 生成器预测相对于上采样 ERA5 基线的归一化修正，再在生成器输出与目标残差之间的预测条件状态上训练细化器，并将细化目标反传至 FlowMatch 采样器，实现生成与校正的联合优化。在按天分块的 ERA5–SolarCube 基准上，该方法相较独立生成与事后细化均取得稳定提升，也为生成式预测器与迭代校正器的耦合提供了通用思路。
🔑 关键词速览
| 地表太阳辐射 (SSR) | 到达地球表面的太阳辐射能量，是太阳能发电和气象研究的关键变量。 |
| 降尺度 (Downscaling) | 将粗分辨率数据转换为高分辨率数据的过程，以恢复局部细节。 |
| 流匹配 (Flow Matching) | 一种生成建模方法，通过匹配概率流来学习从噪声到数据的映射。 |
| ERA5 | 欧洲中期天气预报中心提供的全球气候再分析数据集，具有物理一致性但空间分辨率较粗。 |
| SolarCube | 一个高分辨率地表太阳辐射基准数据集，用于评估降尺度方法。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅