ConvLSTMベースモデルを用いた地球表面予測における気象データの役割の理解

気候変動は、地球上の大多数の生物種が生息する陸上表面に深刻な影響を与えるため、人類および環境にとって最も大きな単一の脅威であると考えられる。ビデオ予測の手法に着想を得ながら、Copernicus Sentinel-2の画像データの豊富な可用性を活用して、近年の研究では、過去の陸上表面の変化、標高、気象データを関数として土地表面の進化を予測する試みが行われている。このアプローチをさらに発展させ、計算効率が高く（軽量な）一方で従来のベースラインを上回る優れた結果を達成する畳み込み型長短期記憶（ConvLSTM）に基づくモデルを提案する。本研究では、ConvLSTMアーキテクチャを導入することにより、異種のデータソース（Sentinel-2時系列データ、気象データ、デジタル標高モデル（DEM））を統合して扱うだけでなく、将来の予測を気象条件に明示的に依存させることが可能となる。実験結果は、気象パラメータが土地被覆の動態を理解する上で極めて重要であることを確認し、本タスクにおいて気象マップの重要性がDEMよりも顕著であることを示している。さらに、単一の気象パラメータを変化させた場合に土地表面の進化がどのように変化するかを調査するために生成的シミュレーションを実施した。これらのすべての研究は、EarthNet2021データセットを用いて行われた。コード、追加資料および結果は、https://github.com/dcodrut/weather2land にて公開されている。