FLUXtrapolation：一个外推生态系统通量的基准
机器学习
2026-05-20 v1 人工智能
应用统计
机器学习
摘要
我们引入了 FLUXtrapolation，一个用于在逐步增强的分布偏移下外推生态系统通量的基准。生态系统通量对于理解碳、水和能量循环至关重要，然而它们只能在稀疏分布的测量塔上直接测量。因此，生成全球通量估计需要使用全球可用的协变量在观测站点上训练模型，并在未观测区域进行预测，即升尺度。通量升尺度是一个具有挑战性的领域泛化问题，它受到跨气候、生态系统类型和环境条件的协变量分布偏移以及条件偏移的影响：重要的驱动因素在全球尺度上仍未被观测到。我们对 和 中的这两种偏移进行了定量分析。FLUXtrapolation 基于通量升尺度的领域专业知识设计：它定义了基于时间、空间和温度的外推场景，并在留存的域、时间聚合和尾部误差上评估性能。在一项初步研究中，我们发现基线模型在中位小时均方根误差下表现相似，但在所提出的关注尾部和多尺度评估下则表现出差异。因此，FLUXtrapolation 为分布偏移下的机器学习方法提出了一个现实且相关的挑战；同时，在此基准上的进展将直接支持改进通量升尺度的科学目标。
引用
@article{arxiv.2605.19812,
title = {FLUXtrapolation: A benchmark on extrapolating ecosystem fluxes},
author = {Anya Fries and Jacob A Nelson and Martin Jung and Markus Reichstein and Jonas Peters},
journal= {arXiv preprint arXiv:2605.19812},
year = {2026}
}