الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الأرض والمناخ · arXiv · 2026-10-21

TerraNostra-Bench: وضع معايير مرجعية للتنزيل المكاني والتمديد الزمني التتابعي لإعادة بناء استخدامات الأراضي عالميًا بدقة 1 كم

العنوان الأصلي: TerraNostra-Bench: Benchmarking Spatial Downscaling and Temporal Rollout for Global 1-km Land-Use Reconstruction

يقيّد عدم اليقين في دورة الكربون البرية التوقعات المناخية، ويرجع ذلك جزئياً إلى أن عمليات سطح الأرض ممثَّلة تمثيلاً غير كامل في نماذج نظام الأرض. يقترح المؤلفون إطاراً مدفوعاً بالبيانات يتعامل مع إعادة بناء استخدامات الأراضي عالية الدقة بوصفها تجزئة دلالية، إذ يجمع بين بيانات السيناريوهات منخفضة الدقة والتصنيف المناخي وخصائص جيوفيزيائية ثابتة لإنتاج خرائط سنوية لاستخدامات الأراضي بدقة 1 كم، ويقدّمون TerraNostra-Bench الذي يفصل التصغير المقياسي المكاني عن التمديد الزمني ذاتي الانحدار ويقيّم النماذج على بكسلات نادرة لتغيّر استخدام الأراضي. وتُظهر المقارنة بين هياكل U-Net وSwin مع خطوط الأساس المعتمدة على الاستمرارية والنماذج الخطية والشبكات الالتفافية الضحلة أن المسبّق ذاتي الانحدار هو المدخل الأكثر غنى بالمعلومات لكنه يراكم الخطأ، إذ تخسر النماذج ذاتية الانحدار 5.7–7.2 نقطة دقة على مدى 13 عاماً مقابل 2.2–2.8 للنماذج غير ذاتية الانحدار؛ وتنبع هذه المقايضة من خيار الانحدار الذاتي ذاته لا من الهيكل الأساسي، ويمكن ضبطها دون إعادة تدريب عبر عتبة ثقة بالمسبّق أثناء الاستدلال وترجيح دالة الهدف أثناء التدريب، وتبقى قائمة عند الاستقراء إلى 1955–1959 و2015–2019، مع استعادة المعايرة ما يصل إلى 10 نقاط دقة.

اقرأ المصدر الأصلي ↗

جميع العناصر →