지구 관측 임베딩을 통한 연속적 생물 군계 표현
Continuous biome representations from Earth observation embeddings
생물 군집은 공간을 따라 연속적으로 변화하지만, 생물 군계 지도는 이러한 변화를 압축하는 범주형 경계를 부과하며, 특히 전이 군집이 생태적으로 뚜렷한 에코톤(ecotones)에서 그러하다. 분광, 공간, 시간 정보를 밀집 임베딩으로 인코딩하는 지구 관측(Earth observation, EO) 파운데이션 모델이 이산적인 생물 군계 지도를 생태적 변이를 더 잘 포착하는 연속적 표현으로 변환할 수 있을까? 본 연구에서는 범주형 지도에서 생물 군계 레이블을 예측하기 위해 Clay v1.5 위성 이미지 임베딩에 선형 분류기를 적합시켰다. 소프트맥스(softmax) 출력은 차원이 명명된 생물 군계 클래스에 해당하는 연속적 확률 벡터를 생성한다. 우리는 6개의 브라질 생물 군계, 130만 개의 임베딩, 그리고 4,672종의 식물을 아우르는 10,015개의 보류된 삼림 자원 조사 플롯을 사용하여 이 접근 방식을 평가했다. 연속적 생물 군계 표현은 종 출현을 예측하는 데 있어 이산적 생물 군계 레이블보다 우수한 성능을 보였다(10개의 공간 교차 검증(validation) 폴드에 걸친 종별 평균 AUC 0.618 대 0.570). 이러한 성능 향상을 분해해 보면, 레이블 재할당보다는 등급화된 확률 출력의 연속성이 개선의 원인임을 알 수 있으며, 이 패턴은 생물 군계 경계로부터의 모든 거리에서 유지된다. 원시 1024차원 임베딩은 여전히 우리가 테스트한 가장 강력한 예측 변수이지만(평균 AUC 0.646 대 0.618), 연속적 표현은 이산적 레이블에 대한 임베딩의 이득 대부분을 회복한다. 이 간단한 접근 방식은 범주형 지도 레이블에 대한 확률적 대체안을 제공하며, 그 의미를 보존하면서 이산적 지도가 억제하는 등급화된 변이를 인코딩한다.