[論文レビュー] Using Explainability to Inform Statistical Downscaling Based on Deep Learning Beyond Standard Validation Approaches

José González-Abad, Jorge Baño‐Medina+1 more|arXiv (Cornell University)|Feb 3, 2023

Climate variability and models被引用数 8

ひとこと要約

この論文は CORDEX North America の DL ベースの地域温度ダウンスケーリングモデルを比較し、説明可能な AI が標準的な検証を超えた評価を強化し、気候変動下での診断と設計を支援する方法を示す。

ABSTRACT

Deep learning (DL) has emerged as a promising tool to downscale climate projections at regional-to-local scales from large-scale atmospheric fields following the perfect-prognosis (PP) approach. Given their complexity, it is crucial to properly evaluate these methods, especially when applied to changing climatic conditions where the ability to extrapolate/generalise is key. In this work, we intercompare several DL models extracted from the literature for the same challenging use-case (downscaling temperature in the CORDEX North America domain) and expand standard evaluation methods building on eXplainable artifical intelligence (XAI) techniques. We show how these techniques can be used to unravel the internal behaviour of these models, providing new evaluation dimensions and aiding in their diagnostic and design. These results show the usefulness of incorporating XAI techniques into statistical downscaling evaluation frameworks, especially when working with large regions and/or under climate change conditions.

研究の動機と目的

• changing climates の下で DL ベースのダウンスケーリングの堅牢な評価の必要性を動機づける。
• CORDEX North America 温度ダウンスケーリングの文献から複数の DL モデルを相互比較する。
• XAI 技術が内部モデル挙動と新しい評価次元を明らかにする方法を示す。
• 統計的ダウンスケーリング評価フレームワークに XAI を組み込むことによる診断と設計上の利点を示す。

提案手法

• CORDEX North America ドメインの温度ダウンスケーリングのために文献からいくつかの DL モデルを選択・相互比較する。
• 内部モデル挙動と説明を分析するために XAI 技術を適用する。
• 説明可能性に基づく診断を組み込んで標準評価フレームワークを拡張する。
• PP アプローチ内で気候変動シナリオ下のモデル性能と一般化を評価する。

実験結果

リサーチクエスチョン

• RQ1 Explainable AI 技術は DL ベースのダウンスケーリングモデルの内部挙動を可視化する上でどの程度有用か。
• RQ2 XAI は地域ダウンスケーリングの診断と設計を改善する新しい評価次元を提供できるか。
• RQ3 説明性を活用した評価は大規模な地域や気候変動条件下で DL ダウンスケーリングを適用する際に利益をもたらすか。

主な発見

• 統計的ダウンスケリング評価フレームワークに XAI 技術を組み込むことは有用である。
• XAI は DL ダウンスケーリングモデルを評価する新しい評価次元を提供する。
• 説明可能性を考慮した診断はモデルの診断と設計を支援する。
• このアプローチは大規模な地域や気候変動条件下で特に価値が高い。