EO-WM：物理信息增强的世界模型用于卫星观测预测

来源: arXiv (cs.AI/cs.CV) | 发布日期: 2026-06-25 | 链接: https://arxiv.org/abs/2606.27277

文章摘要

本文提出 EO-WM（Earth Observation World Model），一种用于卫星遥感预测的视频扩散 Transformer。核心创新：物理信息增强的条件化框架，将气象强迫信号分解为气候基线、气象异常和累积物理压力信号三类。引入两个诊断基准：极端夏季基准（植被退化预测）和季节匹配对基准（响应保真度测试）。实验显示 EO-WM 在 NDVI 下降幅度误差上相对减少 5.63%，方向命中率相对提升 7.80%，同时在像素级指标上保持竞争力。

为什么重要

现有 EO 预测方法要么是确定性单点预测（忽略不确定性），要么将气象变量当作无差别的条件信号，忽略了气象对植被影响的物理机制。EO-WM 首次在卫星预测中引入物理可解释的条件化——让模型理解天气如何影响植被，而不是简单地将天气作为输入特征。这对农业产量预测、灾害早期预警等应用有直接价值。

关键要点

• 物理条件化：气候基线 + 气象异常 + 累积物理压力的三层分解
• 关键发现：天气响应行为（而非重建精度）才是预测任务的核心指标
• 诊断基准：极端夏季（严重性感知）和季节匹配对（响应保真度）
• 开源：模型、代码、数据集将开源
• 意义：为气象-植被动力学建模提供了可物理解释的扩散模型新范式