EO-WM：概率地球观测预测的物理信息世界模型

地球观测（EO）预测旨在根据不断变化的气象条件下的卫星观测来预测未来地球表面的动态。在本文中，我们将此任务视为部分观测的、天气驱动的世界建模问题，其中天气充当调节信号，而由于观测稀疏和未观测到的地表状态，预测仍然不确定。然而，现有方法并没有完全捕捉到这种设置：确定性模型将不确定性压缩为单个未来预测，而基于扩散的方法通常将天气变量视为无差别的条件信号，现有基准主要关注重建精度而不是预测是否正确响应变化的天气强迫。我们引入了 EO-WM，一种用于多光谱 EO 预测的视频扩散 Transformer。 EO-WM 结合了物理信息调节框架，通过气候基线、天气异常和累积物理压力信号来表示气象强迫。具体来说，它通过不同的调节途径将基线和异常分开，并随着时间的推移积累异常强迫以捕获持续的高温和干旱胁迫。为了评估超出标准指标的天气响应行为，我们引入了两个诊断基准：极端夏季基准用于极端天气下植被退化的严重性预测，以及季节性匹配对基准用于测试变化的天气强迫下的响应保真度。实验表明，EO-WM 将预测的归一化植被指数 (NDVI) 下降幅度的误差相对降低了 5.63%，将定向命中率相对提高了 7.80%，同时在标准像素级指标上保持竞争力。基准和模型将在 https://github.com/Luo-Z13/EO-WM 开源。