AIが解く世界の難問 · 地球・気候科学 · arXiv · 2026-10-21
TerraNostra-Bench：全球1km土地利用復元のための空間ダウンスケーリングと時間ロールアウトのベンチマーク
原題: TerraNostra-Bench: Benchmarking Spatial Downscaling and Temporal Rollout for Global 1-km Land-Use Reconstruction
陸域炭素循環の不確実性が気候予測を制約する問題に対し、粗い解像度のシナリオデータや気候分類と静的な地球物理特徴を組み合わせ、年次の1km解像度土地利用図を生成するセマンティックセグメンテーション型のデータ駆動フレームワークを提案した。空間ダウンスケーリングと自己回帰的な時間ロールアウトを分離し、希少な土地利用変化ピクセルを評価対象とするベンチマークTerraNostra-Benchを導入して、U-NetやSwinのバックボーンを各種ベースラインと比較した結果、自己回帰事前情報は最も有益な入力である一方で誤差が蓄積し、13年間で自己回帰モデルは5.7〜7.2ポイント、非自己回帰モデルは2.2〜2.8ポイントの精度低下を示した。このトレードオフはバックボーンではなく自己回帰の採用に由来し、再学習を要しない推論時の事前信頼閾値と学習時の目的関数の重み付けで調整可能で、較正により最大10ポイントの精度回復が得られ、学習期間外の1955〜1959年および2015〜2019年への外挿でも窓内の技能の大部分が保たれた。