StruMPL: Regressione densa multi-task per la stima della biomassa forestale AGB
Esiste un interessante nuovo metodo chiamato StruMPL, progettato per stimare la biomassa epigea forestale (AGB) utilizzando dati di osservazione della Terra. Affronta una sfida perché si basa su due diversi tipi di dati che non corrispondono perfettamente. Da un lato, il lidar spaziale fornisce informazioni sulla struttura della chioma da milioni di località, ma non fornisce stime di biomassa. Dall'altro, le parcelle a terra offrono dati di biomassa, ma sono spesso distorte e prive di dettagli strutturali. StruMPL affronta creativamente questo problema trattandolo come un problema di regressione multi-task, gestendo i dati mancanti problematici e applicando leggi allometriche note. Maggiori dettagli sulla ricerca sono disponibili su arXiv.
Fatti principali
- StruMPL sta per regressione densa multi-task sotto supervisione parziale disgiunta e etichette MNAR
- Stima la biomassa epigea forestale da dati di osservazione della Terra
- Due fonti di etichette: lidar spaziale (struttura, nessuna biomassa) e parcelle a terra (biomassa, località distorte)
- Nessun singolo campione ha etichette per tutte le variabili target
- Le etichette delle parcelle mancano non a caso (MNAR)
- La biomassa è collegata a variabili strutturali da leggi allometriche specifiche del bioma
- Utilizza un encoder condiviso con testine di regressione, imputazione e propensione
- Include un modulo fisico apprendibile per vincoli tra compiti
Entità
—