MODS：用于气象状态降尺度的多源观测条件扩散模型

基于摘要分析。该研究面向高分辨率地表气象状态重建，提出多源观测条件扩散模型 MODS，以多类卫星观测和地形数据补充低分辨率气象场信息，改善仅依赖空间插值或有限卫星条件的降尺度结果。其主要研究对象是气象场，而非 EEG 或 BCI。 方法以 ERA5 再分析数据进行预训练，条件输入包括地球静止卫星数据 GridSat、极轨卫星观测 AMSU-A、HIRS、MHS，以及地形数据 GEBCO。训练时，模型分别提取不同条件输入的潜在特征，通过多源交叉注意力模块将其融合至 ERA5 图中，利用亮温、降水等大气变量与再分析数据之间的反演关系约束生成。采样时，再以低分辨率 ERA5 图和气象站观测作为引导，以提高降尺度的一致性。 作者报告，在将 ERA5 图降尺度至 6.25 km 分辨率的实验中，MODS 获得更高保真度，并更好地保留实际气象细节。摘要未提供具体评价指标、数值提升、对照方法、区域与时间划分；实验协议、消融及统计信息尚未验证。复现时需进一步核对多源数据的时空配准、条件可用性，以及站点观测引导的具体实现。 该机制依赖可配准的多源气象观测、再分析场及站点数据，不能直接据此推断对低信噪比 EEG 或跨被试建模有效。材料未提供明确的 EEG/BCI 机制对应或迁移证据，已有 EEG 相关工作尚未检索确认。