AI और दुनिया की कठिन समस्याएँ · पृथ्वी और जलवायु विज्ञान · arXiv · 2026-10-21

TerraNostra-Bench: वैश्विक 1-km भूमि-उपयोग पुनर्निर्माण हेतु स्पेशल डाउनस्केलिंग और टेम्पोरल रोलआउट की बेंचमार्किंग

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

स्थलीय कार्बन चक्र में अनिश्चितता जलवायु अनुमानों को सीमित करती है, आंशिक रूप से इसलिए कि पृथ्वी तंत्र मॉडलों में भूमि सतह की प्रक्रियाएँ अपूर्ण रूप से दर्शाई जाती हैं। लेखक एक ऐसा डेटा-संचालित फ्रेमवर्क प्रस्तावित करते हैं जो उच्च-रिज़ॉल्यूशन भूमि-उपयोग पुनर्निर्माण को सिमेंटिक सेगमेंटेशन की तरह मानता है, जो 1 km रिज़ॉल्यूशन पर वार्षिक भूमि-उपयोग मानचित्र बनाने के लिए मोटे-रिज़ॉल्यूशन वाले परिदृश्य डेटा और जलवायु वर्गीकरण को स्थिर भू-भौतिक विशेषताओं के साथ संयोजित करता है, और TerraNostra-Bench प्रस्तुत करते हैं, जो स्थानिक डाउनस्केलिंग को ऑटोरिग्रेसिव टेम्पोरल रोलआउट से अलग करता है और दुर्लभ भूमि-उपयोग-परिवर्तन पिक्सेल पर मॉडलों को स्कोर करता है। U-Net और Swin बैकबोन की परसिस्टेंस, रैखिक और शैलो कनवॉल्यूशनल बेसलाइनों से तुलना दिखाती है कि ऑटोरिग्रेसिव प्रायर सबसे अधिक सूचनाप्रद इनपुट है और फिर भी त्रुटि संचित करता है, जिसमें ऑटोरिग्रेसिव मॉडल 13 वर्षों में 5.7–7.2 सटीकता अंक खोते हैं, जबकि गैर-ऑटोरिग्रेसिव मॉडल 2.2–2.8 अंक खोते हैं; यह ट्रेड-ऑफ बैकबोन की बजाय ऑटोरिग्रेसिव विकल्प से उपजता है, इन्फ़रेंस-समय की प्रायर-ट्रस्ट थ्रेशोल्ड और प्रशिक्षण-समय के ऑब्जेक्टिव वेटिंग द्वारा बिना पुनःप्रशिक्षण के समायोजित किया जा सकता है, और 1955–1959 तथा 2015–2019 पर एक्सट्रपोलेट करने पर बना रहता है, जिसमें कैलिब्रेशन 10 सटीकता अंकों तक की वापसी कराता है।

मूल लेख पढ़ें ↗

सभी आइटम →