Sıcak hava dalgaları, küresel ölçekte giderek artan bir iklim tehlikesi olmaya devam ediyor. Ancak bu tehlikenin gerçek boyutunu anlamak, yüksek çözünürlüklü sıcaklık verisi gerektiriyor. ERA5 gibi küresel yeniden analiz veri setleri pek çok araştırmada referans olarak kullanılsa da arazi yapısı, bitki örtüsü ve kentsel ısı adaları gibi yerel etkenlerden kaynaklanan ince ölçekli sıcaklık farklılıklarını yansıtmakta yetersiz kalıyor.
Araştırmacılar bu sorunu aşmak için koşullu bir diffusion modeli geliştirdi. Model; statik coğrafya verileri, eğitim klimatolojisi, ERA5'in anlık sıcaklık alanı ile güneş ve takvim özellikleri kullanılarak koşullandırılıyor. Asıl yenilik ise çıkarım aşamasında devreye giriyor: Skora dayalı veri asimilasyonu (SDA) adı verilen teknik, mevcut yer istasyonu gözlemlerini türevlenebilir bir Gauss gözlem olabilirlik fonksiyonu aracılığıyla modele entegre ediyor. Bu sayede modelin istatistiksel 'skoru' gerçek ölçümlere doğru yönlendiriliyor; model yeniden eğitilmek zorunda kalmıyor.
Yöntem, AORC referans veri seti üzerinde 32 sentetik test senaryosuyla değerlendirildi. Izgara üzerindeki gözlem noktalarının yüzde 1'ine karşılık geldiği yoğunluk eşiğinde, model hem ham ERA5 tahminlerini hem de en yakın komşu enterpolasyonunu geride bıraktı. RMSE değeri 0,431 K'den 0,318 K'ye düştü ve 32 test senaryosunun tamamında üstün performans sergilendi.
Öte yandan daha seyrek gözlem koşullarında, yani gözlem noktalarının son derece az olduğu durumlarda, doğrudan enterpolasyon yöntemlerinin hâlâ daha avantajlı olduğu görüldü. Bu bulgu, yöntemin hangi koşullarda uygulanması gerektiğine dair önemli bir sınır çiziyor.
Çalışma, diffusion modellerinin yalnızca görüntü üretiminde değil, fiziksel bilim uygulamalarında da güçlü bir araç olabileceğini gösteriyor. Özellikle yetersiz istasyon ağına sahip bölgelerde iklim riskini değerlendirmek, kentsel ısı yönetimi planlamak ve aşırı hava olaylarını daha ince bir ölçekte izlemek isteyen araştırmacılar için bu yaklaşım önemli bir adım niteliği taşıyor.