An intercomparison of generative machine learning methods for downscaling precipitation at fine spatial scales
Deze studie vergelijkt Generative Adversarial Networks, flow matching en diffusiemodellen voor het downscalen van neerslag in Nieuw-Zeeland, waarbij wordt vastgesteld dat hoewel alle methoden competitief presteren op standaardmetrieken, diffusie en flow matching superieure kalibratie en getrouwheid bieden, hoewel de meeste benaderingen moeite hebben met het nauwkeurig reproduceren van toekomstige klimaatveranderingssignalen voor extreme neerslag.