An intercomparison of generative machine learning methods for downscaling precipitation at fine spatial scales
Questo studio confronta le Generative Adversarial Networks, il flow matching e i modelli di diffusione per il downscaling delle precipitazioni in Nuova Zelanda, riscontrando che, sebbene tutti i metodi offrano prestazioni competitive su metriche standard, la diffusione e il flow matching offrono una calibrazione e una fedeltà superiori, sebbene la maggior parte degli approcci fatichi a riprodurre accuratamente i segnali futi dei cambiamenti climatici per le precipitazioni estreme.