EO-WM: Modelo de Mundo Informado Físicamente para Observación Terrestre | IA para el pronóstico probabilístico de dinámicas planetarias | Modelado de mundo aplicado a datos satelitales y predicción geoespacial

Abstract

PROBLEMA: Las predicciones en observación terrestre (EO) suelen carecer de consistencia física y fallan al capturar la incertidumbre inherente de fenómenos dinámicos como el clima o el cambio de uso de suelo. SOLUCIÓN: Introducen EO-WM (Earth Observation World Model), un modelo de mundo diseñado específicamente para el dominio geoespacial que integra restricciones físicas en un marco probabilístico latente. METODOLOGÍA: El sistema utiliza una arquitectura de transformador convolucional para modelar la dinámica espacial y temporal de imágenes satelitales, entrenado con vastos datasets de teledetección. RESULTADOS: Demuestra una precisión superior en tareas de pronóstico a largo plazo, manteniendo la coherencia estructural de los elementos geoespaciales mejor que los modelos puramente visuales. RELEVANCIA: De gran importancia para sistemas de alerta temprana y planificación estratégica basada en datos predictivos de alta fidelidad.