UFNet: Joint U-Net and fully connected neural network to bias correct precipitation predictions from climate models

UFNet으로 기후 모델에서 나오는 강수 예측의 bias correction.

Data

1. E3SM (atmosphere, land, ocean, sea ice, river transport models)

• daily averaged surface level pressure
• geopotential height at 500
• surface specific humidity

2. NOAA CPC

• daily precipitation (1950-2010)

모두 1도로 재조정 (conservative interpolation)

UFNet Configuration

UFNet = U-Net + FCNN

• U-Net : 강수의 공간적 분포를 잡는데 사용
• FCNN : 강수 데이터의 통계적 분포를 수정하는데 사용
  

1. FCNN 훈련 ::: daily average prec. -> calculate CDF(cumulative distribudion function) -> partition each CDF into 500 bins.

• Adam
• batch size 32
• lr 10-3
• 100 epoch
• loss function
  
  first term : summation over the full CDF
  second term : summation over low percentile bins

다 돌아가면 U-net으로 들어간다.

2. U-Net 훈련 ::

• 6 Channels (SLP, Z500, Q for current and previous days)

전체적인 순서를 엄청 자세히 본 건 아니지만...
입력 데이터 -> U-Net -> 초기 강수량 예측
-> CDF1 계산 + 다른 데이터 -> FCN -> CDF2 생성
CDF1 + CDF2 -> OUTPUT2 계산

Quantile Mapping

이를 이용해서 UFNet이랑 성능 비교를 한다.
이건 그냥 통계적인 bias correction 방법 인 것 같다? (Mamalakis et al., 2017)

예측값 x랑 관측 데이터 y모두에 대해 각 격자포인트에서 CDF 계산하고
관측 데이터에서의 CDF 역함수에서 해당 분위수의 값을 찾는다.

이친구 단점이 꽤 많음

• 공간적 상관관계 무시
• 관측 데이터에 기반하여 통계적 관계를 설정해서 비정상성 포착 못함
• 과거 데이터에 대해 편향 교정은 가능하나 미래 기후 조건에서는 잘몰루

이게 정당한 비교 방법인지는 모르겠음.

Results

내눈에만 QM이 더 좋아보이나 .......?

얘도....? 뭐 비슷해 보이는데.....

이 혼란스러운 피겨는 뭐지

뭐지 이 논문