An intercomparison of generative machine learning methods for downscaling precipitation at fine spatial scales

Resumen Técnico: Una intercomparación de métodos de aprendizaje automático generativo para el escalamiento descendente de la precipitación en escalas espaciales finas

Planteamiento del problema
Los Modelos de Circulación Global (GCM) operan a resoluciones gruesas (100–150 km), las cuales son insuficientes para evaluar los impactos climáticos locales. Los Modelos Climáticos Regionales (RCM) proporcionan una mayor resolución (10–25 km), pero son computacionalmente costosos, lo que limita la capacidad de generar los grandes conjuntos necesarios para muestrear la incertidumbre en la variabilidad del modelo, del escenario y la variabilidad interna. Aunque el aprendizaje automático (ML) ofrece una alternativa computacionalmente eficiente para la emulación de RCM, los métodos de regresión deterministas estándar (por ejemplo, U-Nets entrenadas con Error Cuadrático Medio) tienden a "regresar a la media", produciendo salidas excesivamente suavizadas que subestiman la variabilidad de pequeña escala y los eventos de precipitación extrema. Aunque los modelos generativos estocásticos (Redes Generativas Antagónicas [GANs], modelos de difusión y flow matching) han mostrado ser prometedores en la generación de conjuntos realistas, existe una falta de estudios comparativos directos que evalúen su destreza bajo condiciones consistentes, particularmente en su capacidad para reproducir las señales de cambio climático para los extremos.

Metodología
El estudio compara ocho configuraciones de modelos generativos frente a una línea base determinista de U-Net para el escalamiento descendente (downscaling) de la precipitación diaria en Nueva Zelanda. Los modelos son entrenados sobre 137 años de simulaciones de escala dinámica de 12 km del Modelo Atmosférico Conformal Cúbico (CCAM) impulsado por el GCM ACCESS-CM2. La evaluación se realiza sobre cuatro simulaciones independientes de CCAM impulsadas por GCMs excluidos (EC-Earth3, NorESM2-MM, AWI-CM-1-MR y CNRM-CM6-1) que cubren los periodos histórico (1985–2014) y de fin de siglo (2070–2099).

El estudio compara tres familias de modelos generativos:

1. GANs: Dos variantes (ResGAN-v1 y ResGAN-v2) que utilizan un marco de corrección de residuos donde el generador aprende a predecir los residuos de una línea base determinista de U-Net. Estas emplean funciones de pérdida basadas en la distancia de Wasserstein con penalizaciones de gradiente y restricciones de intensidad.
2. Modelos de Difusión: Dos variantes (DDPM y ResDDPM) basadas en el marco del Modelo Probabilístico de Difusión de Eliminación de Ruido (DDPM). Estas utilizan una ecuación diferencial estocástica (SDE) de tiempo inverso o una ecuación diferencial ordinaria (ODE) de flujo de probabilidad para eliminar el ruido de las muestras.
3. Flow Matching: Tres variantes (RCMFlow, RCM-tFlow y Res-tFM) que aprenden un campo de velocidad para transportar muestras desde una distribución base (Gaussiana o de Student-t de cola pesada) hacia la distribución de los datos.

Un componente metodológico crítico es el marco de corrección de residuos, donde una U-Net determinista predice primero la media condicional, y el modelo generativo aprende los residuos estocásticos. Este enfoque se aplica a ResGAN-v1, ResGAN-v2, ResDDPM y Res-tFM.

Para abordar el costo computacional de los modelos de difusión y flow matching, que tradicionalmente requieren cientos o miles de pasos de muestreo, el estudio investiga el uso de resolvedores de ecuaciones diferenciales de orden superior. Específicamente, compara resolvedores de primer orden Euler contra resolvedores Predictor-Corrector de 2 pasos de Adams–Bashforth (AB2-PC) para flow matching y el muestreo DDIM para difusión.

Contribuciones clave

• Eficiencia del resolvedor: El estudio demuestra que el uso de resolvedores de orden superior (AB2-PC para flow matching y DDIM para difusión) permite una reducción drástica en los pasos de muestreo (de ~1000 a 25) con solo una reducción menor en la destreza. Esto reduce el costo de inferencia en aproximadamente 40 veces en comparación con las implementaciones previas de alto número de pasos, haciendo que estos modelos sean más viables para el escalamiento descendente de grandes conjuntos de forma operativa.
• Benchmarking exhaustivo: El artículo proporciona una intercomparación rigurosa de modelos GAN, de difusión y flow matching a través de un conjunto diverso de métricas, incluyendo estructura espacial (RALSD), propiedades de la distribución (LHD), calibración de conjunto (Relación de Dispersión-Destreza, Histogramas de Rango) y señales de cambio climático.
• Evaluación de la señal de cambio climático: A diferencia de muchos benchmarks que se centran únicamente en las estadísticas actuales, este estudio evalúa explícitamente la capacidad de los modelos para reproducir la señal de cambio climático (CCS) de la precipitación extrema (Rx1Day) y la precipitación media (DJF) entre los periodos histórico y futuro.

Resultados

• Desempeño del resolvedor: Los modelos de flow matching utilizando el resolvedor AB2-PC con solo 25 pasos superaron a los resolvedores Euler con 100 pasos en estructura espacial (RALSD), distribución de intensidad (LHD) y calibración de conjunto (Relación de Dispersión-Destreza). Los modelos de difusión utilizando DDIM con 25 pasos alcanzaron un desempeño comparable.
• Calibración de conjunto: Los modelos de difusión y flow matching produjeron conjuntos significativamente mejor calibrados que las GANs. Se encontró que las GANs (particularmente ResGAN-v1) son sub-dispersivas (casi deterministas), mientras que los modelos de flow matching (por ejemplo, RCM-tFlow, Res-tFM) exhibieron histogramas de rango casi planos y Relaciones de Dispersión-Destreza superiores.
• Estructura espacial y extremos: Los modelos de difusión y flow matching generaron estructuras espaciales más físicamente realistas, particularmente para eventos meteorológicos complejos como ciclones extratropicales, donde las GANs fallaron en resolver la estructura ciclónica. Sin embargo, respecto a la distribución de intensidad de la precipitación, las configuraciones GAN (específicamente ResGAN-v2) superaron a los modelos de difusión y flow matching, probablemente debido a las restricciones de intensidad explícitas en sus funciones de pérdida. La mayoría de los modelos generativos sobreestimaron ligeramente la frecuencia de eventos de muy alta intensidad en comparación con la verdad de campo.
• Señales de cambio climático: Un hallazgo crítico es que la mayoría de los modelos, a pesar de tener un buen desempeño en métricas climatológicas estándar, subestiman sistemáticamente la señal de cambio climático (CCS) de la precipitación extrema (Rx1Day) en el periodo futuro. Solo ResGAN-v1 y RCM-tFlow (Flow Matching con una distribución previa de Student-t) reprodujeron de manera confiable la CCS tanto para la precipitación media como para la extrema en todos los GCM evaluados.

Significancia y Reivindicaciones
El artículo sostiene que, si bien los modelos de difusión y flow matching ofrecen una mejor calibración de conjunto y realismo espacial en comparación con las GANs, no son universalmente superiores en todas las métricas. El estudio destaca que las métricas estándar (por ejemplo, correlación espacial, error de la media) y el realismo visual no garantizan la destreza en la predicción de las señales de cambio climático.

Los autores concluyen que:

1. Viabilidad computacional: La percepción de que los modelos de difusión y flow matching son prohibitivamente costosos se mitiga mediante el uso de resolvedores de orden superior y la reducción del número de pasos, haciéndolos competitivos para aplicaciones de grandes conjuntos.
2. Selección dependiente de la aplicación: La selección del modelo debe guiarse por la aplicación específica. Para aplicaciones de escala meteorológica que requieren conjuntos bien calibrados y realismo físico, se prefieren los modelos de flow matching y difusión. Para aplicaciones que priorizan la precisión climatológica y la reconstrucción de la señal de cambio climático (donde las GAN mostraron un desempeño superior en las distribuciones de intensidad en este estudio), ResGAN-v1 o RCM-tFlow son los más adecuados.
3. Limitaciones en la predicción de la CCS: La subestimación sistemática de la CCS de los extremos por parte de la mayoría de los modelos sugiere que los objetivos de entrenamiento actuales (centrados en la predicción diaria) son insuficientes para capturar las tendencias decenales en eventos raros. Los autores sugieren que el trabajo futuro debe explorar estrategias de entrenamiento que apunten explícitamente a la fidelidad de la señal de cambio climático, potencialmente a través de restricciones físicas o funciones de pérdida moduladas por el nivel de ruido, ya que las métricas estándar no logran identificar modelos capaces de una reproducción robusta de la CCS.