AI na Matatizo Magumu ya Ulimwengu · Sayansi ya Dunia na hali ya hewa · arXiv · 2026-10-21
TerraNostra-Bench: Kupima Benchmarks za Downscaling ya Nafasi na Rollout ya Muda kwa Ujenzi Upya wa Matumizi ya Ardhi ya Kimataifa ya 1-km
Kichwa asilia: TerraNostra-Bench: Benchmarking Spatial Downscaling and Temporal Rollout for Global 1-km Land-Use Reconstruction
Kutokuwa na uhakika katika mzunguko wa kaboni wa ardhi huweka kikomo kwa makadirio ya tabianchi, kwa sehemu kwa sababu michakato ya uso wa ardhi haiwakilishwi kikamilifu katika mifano ya mfumo wa Dunia. Waandishi wanapendekeza mfumo unaoegemea data unaochukulia kuundwa upya kwa matumizi ya ardhi kwa resolusheni ya juu kama segamenti ya semantiki, ukichanganya data ya scenario ya resolusheni ya chini na uainishaji wa tabianchi pamoja na vipengele tuli vya kijiofizikia ili kuzalisha ramani za matumizi ya ardhi za kila mwaka kwa resolusheni ya 1 km, na kuanzisha TerraNostra-Bench, inayotenganisha downscaling ya kimaeneo na rollout ya muda ya autoregressive na kupima mifano kwa pikseli nadra za mabadiliko ya matumizi ya ardhi. Kulinganisha backbone za U-Net na Swin dhidi ya misingi ya persistence, ya mstari, na ya convolutional ya kina kidogo kunaonyesha kuwa prior ya autoregressive ndiyo ingizo lenye taarifa nyingi zaidi ila hujikusanya kosa, huku mifano ya autoregressive ikipoteza pointi 5.7–7.2 za usahihi katika kipindi cha miaka 13 ikilinganishwa na 2.2–2.8 kwa zile zisizo za autoregressive; mabadilishano haya yanatokana na uchaguzi wa autoregressive badala ya backbone, yanaweza kurekebishwa bila kufundisha upya kupitia kizingiti cha uaminifu wa prior wakati wa inference na uzito wa objective wakati wa training, na yanaendelea wakati wa kutabiri nje hadi 1955–1959 na 2015–2019, huku urekebishaji ukirudisha hadi pointi 10 za usahihi.