Краткое содержание

arXiv:2511.13469v1 Тип объявления: новый Аннотация: Экологическое моделирование сталкивается с серьезными проблемами при прогнозировании динамики экосистем в ненаблюдаемых регионах из-за ограниченных и географически несбалансированных данных наблюдений. Эта проблема усугубляется пространственной неоднородностью, из-за которой модели изучают ложные закономерности, справедливые лишь для локальных данных. В отличие от традиционной генерализации на домены, экологическое моделирование должно сохранять инвариантные физические соотношения и временную согласованность при аугментации. В данной статье мы представляем GREAT (Generalizable Representation Enhancement via Auxiliary Transformations) — фреймворк, который эффективно расширяет доступные наборы данных для улучшения прогнозов в полностью неизученных регионах. GREAT направляет процесс аугментации таким образом, чтобы исходные управляющие процессы могли быть восстановлены из аугментированных данных, а включение этих данных приводило к улучшению обобщающей способности модели. В частности, GREAT изучает функции преобразования на нескольких уровнях