OCELOT发布行星尺度物种分布模型研究

由 Bart van Merrienboer 等人提出并发布了 OCELOT 物种分布模型及其研究成果。该研究基于 20 亿条 GBIF 记录，训练了涵盖 10 万分类群的物种分布模型，旨在利用多模态隐式神经表示网络进行建模。 OCELOT 模型采用多模态隐式神经表示网络架构，将空间坐标与卫星基础嵌入进行融合。通过引入时空薄化与亚线性单元格采样方法，模型有效校正了数据中的偏差。 在 600 公里空间块留出测试中，该模型的外推性能相较于仅坐标模型提升了 51%。同时，在既有内插基准测试中，模型性能未出现下降，展示了其在行星尺度物种分布预测中的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。