[논문 리뷰] Using Explainability to Inform Statistical Downscaling Based on Deep Learning Beyond Standard Validation Approaches

José González-Abad, Jorge Baño‐Medina외 1명|arXiv (Cornell University)|2023. 02. 03.

Climate variability and models인용 수 8

한 줄 요약

이 논문은 CORDEX North America의 DL 기반 지역 온도 다운스케일링 모델을 비교하고, 설명 가능한 AI가 표준 검증을 넘어 평가를 향상시키고 진단 및 기후 변화 하의 설계를 돕는 방법을 보여준다.

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.

연구 동기 및 목표

• 변화하는 기후 하에서 DL 기반 다운스케일링에 대한 강건한 평가의 필요성을 제시한다.
• CORDEX North America 온도 다운스케일링을 위한 문헌의 다수 DL 모델을 상호 비교한다.
• XAI 기법이 내부 모델 동작을 밝히고 새로운 평가 차원을 추가하는 방법을 보여준다.
• 통계적 다운스케일링 평가 프레임워크에 XAI를 통합했을 때의 진단적 및 설계적 이점을 보여준다.

제안 방법

• CORDEX North America 영역에서 온도 다운스케일링을 위해 문헌의 여러 DL 모델을 선택하고 상호 비교한다.
• 내부 모델 동작과 설명을 분석하기 위해 XAI 기법을 적용한다.
• 설명 가능성 기반 진단도를 포함시켜 표준 평가 프레임워크를 확장한다.
• PP 접근 방식 내에서 기후 변화 시나리오하의 모델 성능 및 일반화를 평가한다.

실험 결과

연구 질문

• RQ1 XAI 기술이 DL 기반 다운스케일링 모델의 내부 동작을 밝히는 데 얼마나 유용한가?
• RQ2 XAI가 지역 다운스케일링에 대한 진단 및 설계를 개선하는 새로운 평가 차원을 제공할 수 있는가?
• RQ3 설명 가능성에 기반한 평가가 대규모 지역에 DL 다운스케일링을 적용하거나 기후 변화 하에서 이점을 제공하는가?

주요 결과

• XAI 기법을 통계적 다운스케일링 평가 프레임워크에 도입하는 것은 유용하다.
• XAI는 DL 다운스케일링 모델 평가를 위한 새로운 평가 차원을 제공한다.
• 설명 가능성에 기반한 진단은 모델 진단 및 설계에 도움을 준다.
• 이 접근 방식은 특히 대규모 영역 및 기후 변화 하에서 가치가 있다.