Resumen Técnico: StruMPL

Formulación del Problema

El artículo aborda el desafío de estimar la Biomasa Aérea (AGB) y las variables estructurales asociadas (altura del dosel, cobertura, densidad de tallos, densidad de la madera) de los bosques a partir de datos de Observación de la Tierra (EO). El problema se caracteriza por tres restricciones acopladas e estructuralmente incompatibles que los métodos estándar de aprendizaje multitarea (MTL) y semisupervisado no logran abordar conjuntamente:

1. Supervisión Parcial Disjunta Heterogénea: Las etiquetas de entrenamiento provienen de dos fuentes distintas con conjuntos de variables que no se superponen. El lidar espacial (por ejemplo, GEDI) proporciona métricas estructurales (altura, cobertura) en millones de ubicaciones, pero ninguna biomasa. Las parcelas terrestres proporcionan biomasa y algunas métricas estructurales en miles de ubicaciones, pero ninguna estructura del dosel a la escala del lidar. Ninguna muestra de entrenamiento individual contiene etiquetas para todas las variables objetivo.
2. Etiquetas Faltantes No Aleatorias (MNAR): Las ubicaciones de las parcelas terrestres no son una muestra aleatoria de la población forestal; los encuestadores evitan terrenos inaccesibles y rodales degradados. En consecuencia, la AGB observada está sesgada hacia valores intermedios, lo que lleva a que los modelos estándar subestimen sistemáticamente la biomasa en bosques densos.
3. Restricciones Físicas Inter-tarea: Las variables objetivo están vinculadas por leyes alométricas conocidas (por ejemplo, $AGB \approx g(H, C, SD, WD; \phi)$). Sin embargo, debido a que los datos de entrenamiento nunca observan todas las variables simultáneamente (debido a las fuentes disjuntas), estos parámetros $\phi$ no pueden ajustarse directamente solo a partir de los datos.

Los autores formalizan esto como un problema de regresión densa multitarea bajo etiquetas MNAR con restricciones físicas inter-tarea, proponiendo StruMPL (Aprendizaje Multitarea Estructurado con Restricciones Físicas) como una solución unificada.

Metodología

StruMPL emplea un marco de un solo objetivo con un codificador compartido y cabezales especializados para abordar simultáneamente los tres componentes del problema.

Arquitectura

• Codificador Compartido: Un ResUNet con atención de canales y espacial procesa las entradas EO multicanal (por ejemplo, SAR, óptico, coordenadas) para producir un mapa de características $z$.
• Cabezales de Regresión: $K$ cabezales de convolución independientes predicen cada variable objetivo $\hat{y}_k$ en el espacio de puntuación z.
• Cabezales de Imputación: $K$ cabezales independientes predicen una línea base de imputación $\hat{m}_k$ (el resultado esperado dados los covariables) para cada píxel.
• Cabezal de Propensión: Un cabezal estima la probabilidad de observación por píxel y por variable $\hat{\pi}_k$ (la puntuación de propensión).
• Módulo Físico: Una ecuación alométrica diferenciable y aprendible $g_\phi$ que evalúa la relación física entre las predicciones estructurales y las predicciones de biomasa en cada píxel.

Función de Pérdida

El objetivo total $L_{total}$ combina cinco términos:
$$L_{total} = L_{sup} + \lambda_{phys} L_{phys} + \lambda_{cons} L_{cons} + \lambda_{bias} L_{bias} + \lambda_{imp} L_{imp}$$

1. Pérdida Supervisada ($L_{sup}$) con AIPW:
   En lugar de la MSE enmascarada estándar, el artículo utiliza el estimador de Ponderación Inversa de Probabilidad Aumentada (AIPW). El pseudo-resultado $\tilde{y}$ se define como:
   $$\tilde{y} = \mu + R \frac{1}{\hat{\pi}}(y - \mu)$$
   donde $\mu$ es la estimación de imputación y $R$ es la máscara de observación.

   • Diseño Crítico: Se aplican dos gradientes detenidos: uno sobre la propensión $\hat{\pi}$ y otro sobre la imputación $\mu$.
     • Desvincular $\hat{\pi}$ evita que el codificador infla las propensiones a 1.0 para minimizar la pérdida (colapso de propensión).
     • Desvincular $\mu$ evita que los cabezales de imputación colapsen sobre los cabezales de regresión, preservando la propiedad de reducción de varianza de AIPW sobre IPW estándar.
   • Esta pérdida corrige el sesgo MNAR reponderando los residuos observados mientras utiliza el modelo de imputación para proporcionar supervisión en píxeles sin etiquetar.

2. Pérdida de Consistencia Física ($L_{phys}$):
   Este término impone la relación alométrica $g_\phi$ sobre las propias predicciones del modelo en cada píxel (etiquetado o no etiquetado). Actúa como una señal semisupervisada, forzando a que las predicciones estructurales (de píxeles supervisados por GEDI) sean consistentes con las predicciones de biomasa (de píxeles supervisados por parcelas) a través de los coeficientes alométricos aprendidos. Los parámetros $\phi$ se aprenden conjuntamente con la red.

3. Pérdidas Auxiliares:

   • $L_{bias}$: Entropía cruzada binaria entrenando el cabezal de propensión contra la máscara de observación.
   • $L_{cons}$: Pérdida de consistencia bajo aumento de entrada (estilo FixMatch) para regularizar el codificador.
   • $L_{imp}$: MSE enmascarada entrenando los cabezales de imputación solo en píxeles etiquetados.

Estrategia de Entrenamiento

Los autores emplean creación de lotes equilibrada por fuente, construyendo cada lote como una mezcla 50/50 de muestras de GEDI y de parcelas. Esto asegura que el codificador reciba gradientes equilibrados de ambas estructuras de etiquetas y permite que la pérdida física opere en lotes que contienen tanto etiquetas estructurales como de biomasa.

Contribuciones Clave

1. Formalización del Problema: El artículo define una clase específica de problemas de regresión densa multitarea que involucran supervisión parcial disjunta heterogénea, etiquetas MNAR y restricciones físicas inter-tarea.
2. Diseño Conjunto de Propensión y AIPW: Introduce un modelo de propensión conjunto para la corrección espacial MNAR en regresión densa. Crucialmente, demuestra analítica y empíricamente que dos gradientes detenidos (sobre propensión e imputación) son individualmente necesarios para un entrenamiento conjunto estable. Sin ellos, el marco colapsa a MSE sesgado o IPW inestable.
3. Módulo Físico Aprendible: Un módulo de restricción diferenciable evalúa las relaciones biofísicas conocidas sobre las predicciones del modelo en cada píxel. A diferencia de las Redes Neuronales Informadas por Física (PINNs) estándar con parámetros fijos, StruMPL aprende los coeficientes alométricos conjuntamente, permitiendo la adaptación a biomas específicos y la escalabilidad a escala satelital.
4. Validación Empírica: El marco se valida en dos biomas ecológicamente distintos (bosques mediterráneos en España y bosques tropicales secos/sabanas en África) utilizando una arquitectura y recetas de entrenamiento idénticas, demostrando portabilidad a través de la disponibilidad de variables y el desequilibrio de fuentes.

Resultados

El marco se evaluó sobre la variable objetivo AGB (Mg/ha) en dos sitios:

• Rendimiento: StruMPL completo logró el RMSE y el sesgo más bajos en ambos sitios en comparación con las líneas base de salida única, variantes de ablación y el método publicado más cercano.
  • España (SNFI): RMSE 41.9 ± 0.5 Mg/ha (vs. 43.1 para la línea base de salida única más fuerte).
  • África (SEOSAW): RMSE 20.7 ± 0.6 Mg/ha (vs. 22.5 para la línea base de salida única).
• Insights de Ablación:
  • Corrección MNAR: El análisis estratificado en el conjunto de datos de España mostró que la corrección AIPW redujo específicamente el sesgo en la cola de alta AGB (el régimen subrepresentado) en aproximadamente un 54% en comparación con la MSE ingenua.
  • Necesidad de Gradientes Detenidos: Eliminar cualquiera de los gradientes detenidos condujo a "colapso de propensión" (propensión media $\to$ 1.0) o "colapso de imputación" (imputación $\to$ regresión), degradando significativamente el rendimiento.
  • Módulo Físico: La forma alométrica motivada ecológicamente superó tanto a una ley de potencias simple como a un MLP aprendido, sugiriendo que el sesgo inductivo de la forma alométrica es más valioso que la expresividad cruda.
• Coeficientes Aprendidos: Los exponentes alométricos aprendidos fueron pequeños, lo que indica que a escala satelital, la biomasa se explica en gran medida por una línea base aditiva y una escala multiplicativa, con las variables estructurales actuando como pequeñas correcciones. Los coeficientes variaron cualitativamente entre biomas (por ejemplo, exponente de cobertura del dosel más alto en España vs. África), alineándose con la intuición ecológica.

Significado y Afirmaciones

El artículo afirma que StruMPL aborda con éxito una "tormenta perfecta" de desafíos en el monitoreo forestal basado en EO: fuentes de datos disjuntas, desequilibrio de clases severo y sesgo de muestreo no aleatorio.

• Reducción de Sesgo: El significado principal es la reducción del sesgo sistemático en regímenes de alta biomasa, que son críticos para la estimación de reservas de carbono pero típicamente subrepresentados en los datos de campo.
• Eficiencia de Datos: Al aprovechar las restricciones físicas y el volumen masivo de datos estructurales (GEDI) para supervisar la predicción de biomasa, el marco utiliza eficazmente las etiquetas de biomasa escasas.
• Generalizabilidad: Los autores sugieren que la formulación se aplica a cualquier dominio con propiedades estructuralmente similares (por ejemplo, hidrología, estimación del estado de la batería, imágenes médicas multimodales) donde las variables objetivo están vinculadas por leyes conocidas pero observadas a través de instrumentos disjuntos y sesgados.

El artículo se mantiene modesto respecto a las garantías teóricas, reconociendo que, aunque AIPW ofrece doble robustez bajo ignorabilidad aproximada, el codificador compartido impide garantías formales de cross-fitting. Sin embargo, los resultados empíricos confirman que la arquitectura propuesta reduce eficazmente el sesgo y mejora la precisión en entornos reales ecológicamente distintos.