🤖 machine learning

AI4Land: Scalable Deep Learning for Global High-Resolution Land Use Reconstruction

Oorspronkelijke auteurs: Amirpasha Mozaffari, Marina Castaño, Stefano Materia, Etienne Tourigny, Oscar Molina-Sedano, Jordi Varela-Agrelo, Dario Garcia-Gasulla, Miguel Castrillo Melguizo, Mario Acosta, Amanda Duarte

Gepubliceerd 2026-06-11

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Amirpasha Mozaffari, Marina Castaño, Stefano Materia, Etienne Tourigny, Oscar Molina-Sedano, Jordi Varela-Agrelo, Dario Garcia-Gasulla, Miguel Castrillo Melguizo, Mario Acosta, Amanda Duarte

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de Aarde voor als een gigantische, complexe puzzel. Wetenschappers die toekomstige klimaatveranderingen proberen te voorspellen, moeten precies weten welke stukjes er op het bord liggen: waar de bossen zijn, waar de steden zijn en waar de boerderijen liggen. Echter, zij missen momenteel veel van de puzzelstukjes, vooral voor het verleden (voordat satellieten bestonden) en de toekomst (wat nog niet is gebeurd).

Het artikel introduceert AI4Land, een nieuwe tool die is ontworpen om deze ontbrekende stukjes met ongelooflijk detail in te vullen. Hier is hoe het werkt, onderverdeeld in eenvoudige concepten:

1. Het Probleem: De "Wazige Kaart" vs. De "Ontbrekende Geschiedenis"

Wetenschappers hebben twee hoofdtypen kaarten, maar beide hebben gebreken:

De "Wazige Kaart" (LUH2): Deze beslaat een enorme tijdlijn (van 1850 tot 2100), maar heeft een zeer lage resolutie. Het is also kind aan een foto van een bos vanuit een vliegtuig te bekijken; je ziet een groene vlek, maar je kunt niet zien of het een den of een eik is, of precies waar de rand van het bos de stad raakt.
De "High-Def Snapshot" (HILDA+): Dit is een superheldere, gedetailleerde kaart gemaakt door satellieten, maar deze bestaat alleen voor een korte periode (het "satelliet-tijdperk"). Het is alsof je vandaag een 4K-foto van een stad hebt, maar geen foto's hebt van hoe die stad er 100 jaar geleden uitzag of hoe die er over 50 jaar uit zou kunnen zien.

Het Doel: AI4Land wil de "Wazige Kaart" gebruiken om een "High-Def Film" te creëren die het verleden, het heden en de toekomst beslaat, met een resolutie van 1 kilometer (ongeveer 0.6 mijl).

2. De Oplossing: De "Slimme Architect" (Het AI-model)

De onderzoekers hebben een digitale architect gebouwd genaamd AI4Land. Denk aan hem als een meesterverfenaar die getraind is om naar een wazige schets te kijken en direct te weten hoe hij de fijne details moet schilderen.

De Inputs: De AI kijkt naar de "wazige" landgebruikgegevens (het grote plaatje) en mengt deze met "statische" kenmerken die nooit veranderen, zoals de vorm van de bergen, de helling van de heuvels en het type bodem. Het kijkt ook naar het landgebruik van het jaar ervoor of daarna om te begrijpen hoe zaken in de loop van de tijd veranderen.
De Training: De AI werd getraind op een enorme supercomputer genaamd MareNostrum5 (gelegen in Barcelona). Stel je een klaslokaal voor waar de AI miljoenen voorbeelden wordt getoond van "wazige kaarten" gekoppeld aan hun bijbehorende "high-definition" satellietfoto's. In de loop van de tijd leerde de AI de regels: "O, als de wazige kaart een mix van gewassen laat zien en de bodem zanderig is, is het waarschijnlijk een boerderij. Als de wazige kaart een stadblok laat zien en de bodem kleiachtig is, is het waarschijnlijk een stad."
De Architectuur: Het specifieke type AI dat wordt gebruikt, heet een U-Net. Je kunt dit zien als een trechter die een breed, wazig beeld binnenkrijgt, het samenperst om de kernpatronen te begrijpen, en het vervolgens weer uitbreidt om een scherp, gedetailleerd beeld te tekenen.

3. De Krachtpatser: De Supercomputer

Het maken van deze kaarten voor de hele wereld is een enorme klus. Hiervoor gebruikte het team MareNostrum5, een supercomputer uitgerust met krachtige grafische kaarten (GPU's).

Opschalen: Ze testten hoe snel de computer kon werken. Ze begonnen met één computerknooppunt en schaalden op naar acht. De resultaten waren als een goed geoliede machine: het toevoegen van meer computers maakte het werk bijna perfect sneller af, met bijna geen tijdverlies door de computers die met elkaar moesten communicen. Dit bewees dat het systeem "schaalbaar" is: het kan enorme taken aan zonder moeite te hebben.

4. De Resultaten: Een Volledige Tijdlijn

De AI genereerde succesvol een continue, hoogwaardige kaart van landgebruik voor de jaren 1850 tot 2100.

Het Verleden: Het vulde de gaten in voor de jaren voordat satellieten bestonden (1850–1899) door gebruik te maken van de wazige gegevens en de "schildervaardigheden" van de AI.
De Toekomst: Het creëerde drie verschillende versies van de toekomst (tot 2100) op basis van verschillende klimaatscenario's (zoals verschillende verhaallijnen voor hoe de mensheid zich zou ontwikkelen).
Nauwkeurigheid: De AI kreeg ongeveer 94,7% van de landtypen correct. Het was erg goed in het identificeren van bossen, water en graslanden. Het had echter iets meer moeite met steden (stedelijke gebieden). Dit is als een schilder die geweldig is in het schilderen van bomen, maar het moeilijk vindt om de kleine, complexe details van een stadsgezicht te schilderen omdat er minder voorbeelden van steden in de trainingsdata zaten.

5. Wat Nu?

Het artikel beschrijft dit als Fase 1. Het team heeft de fundering al gelegd.

Fase 2 (Gepland): Ze zijn van plan om deze gedetailleerde landkaarten te gebruiken om te voorspellen hoe planten groeien (specifiek iets dat de "Leaf Area Index" wordt genoemd, een maatstaf voor hoeveel groen blad er aan een boom zit).
Verbeteringen: Ze zijn van plan de AI meer over steden te leren door data over bevolkingsdichtheid en klimaatzones toe te voegen, in de hoop het "stad-schilderprobleem" op te lossen.
Open Source: Alle code, data en modellen worden aan het publiek vrijgegeven, zodat andere wetenschappers ze kunnen gebruiken om betere klimaatmodellen te bouwen.

Samenvatting

Kortom, AI4Land is een digitale tijdmachine voor geografie. Het gebruikt een supercomputer en een slimme AI om laagwaardige, langetermijnkaarten om te zetten in high-definition, gedetailleerde films van het aardoppervlak, waardoor wetenschappers kunnen begrijpen hoe het land van onze planeet is veranderd en hoe het in de toekomst zou kunnen veranderen.

Technische Samenvatting: AI4Land – Schaalbare Deep Learning voor Mondiale Hoge-Resolutie Landgebruikreconstructie

1. Probleemstelling

Onzekerheid in de terrestrische koolstofcyclus blijft een kritieke beperking in klimaatprojecties, grotendeels gedreven door de grove resolutie en het gebrek aan dynamische representatie van landoppervlakteprocessen in aardesystemen. Bestaande wereldwijde landgebruik- (LU) en landbedekkingsdatasets (LC) kampen met een fundamentele afruil: datasets met een hoge resolutie (bijv. HILDA+) zijn beperkt tot het satelliettijdperk, terwijl langetermijnhistorische gegevens en toekomstige projecties (bijv. LUH2) alleen op grove resoluties (~28 km) bestaan. Deze resolutiekloof introduceert substantiële biases in gesimuleerde koolstofvastlegging, bodemvocht en oppervlakte-energiefluxen. Huidige machine learning downscaling-methoden zijn beperkt gebleven tot specifieke regio's of individuele landen, en missen een wereldwijd schaalbaar kader dat de kloof tussen grove scenario-data en hoog-resolutie ruimtelijke patronen over eeuwenlange tijdschalen (1850–2100) overbrugt.

2. Methodologie

De auteurs presenteren AI4Land, een datagedreven framework ontworpen om hoog-resolutie (1 km) historische reconstructies en toekomstige projecties van landgebruik en landbedekking te genereren. Het framework werkt in twee fasen; dit werk richt zich op de eerste fase: het reconstrueren van jaarlijkse LU/LC-kaarten.

2.1 Data en Preprocessing

Inputs: Het model integreert grove resolutie dynamische scenario-data (LUH2, 0.25° grid) met statische geofysische kenmerken. De inputs bevatten 12 fractionele LU-variabelen, topografische kenmerken (hoogte, helling, aspect), hoog-resolutie bodemkenmerken (klei, zand, organisch gehalte), en een autoregressieve prior van aangrenzende tijdstappen ( $t-1$ of $t+1$ ).
Target: Hoog-resolutie grondwaarheid-labels afgeleid van de HILDA+-dataset. Het oorspronkelijke 13-klassen schema is geconsolideerd naar 8 klassen (Bos, Akkerbouw, Weidegrond, Stedelijk, Gras/struikgewas, Overig land, Water, en een geconsolideerde categorie) om klasse-imbalans te verminderen.
Preprocessing: Een gestandaardiseerde pipeline met behulp van Climate Data Operators (CDO) brengt alle inputs naar een 1 km WGS84-grid. Bodemdata ondergaat een niet-lineaire diepte-gewogen gemiddelde om interacties in de wortelzone te prioriteren. De data wordt opgeslagen in ARCO Zarr-formaat voor efficiënte parallelle I/O.

2.2 Modelarchitectuur

Het framework maakt gebruik van een U-Net architectuur aangepast voor semantische segmentatie:

Structuur: Een standaard U-Net met 35 basiskanalen, bestaande uit een encoder met vier max-pooling en dubbele convolutie blokken, en een symmetrische decoder met upsampling en skip-verbindingen.
Inputverwerking: Accepteert een multichannel stack van 14 LUH2-variabelen (over 2 tijdstappen), 6 statische kenmerken en 1 HILDA-prior.
Trainingsstrategie: Om te voorkomen dat het model triviaal de hoog-resolutie prior kopieert, wordt 60% van de autoregressieve prior willekeurig gemaskeerd tijdens de training. Dit dwingt het model om de mapping te leren van de grove LUH2-inputs en statische kenmerken.
Scheiding: Twee afzonderlijke modellen worden getraind: één voor historische data (met behulp van LUH2h) en één voor toekomstige projecties (met behulp van LUH2f).

2.3 Schaalbare Training en Inferentie

Infrastructuur: De training werd uitgevoerd op MareNostrum5 (Barcelona Supercomputing Center) met behulp van Distributed Data Parallelism (DDP) via de Hugging Face Accelerate library. Het systeem schaalde van 1 node (4 NVIDIA H100 GPU's) naar 8 nodes (32 H100 GPU's).
Schaalbaarheid: De pipeline bereikte een bijna lineaire schaling en behield 97–98% van de ideale doorvoer bij 8 nodes.
Inferentie: Wereldwijde kaarten worden gegenereerd met behulp van een sliding window benadering over overlappende 512×512 patches. Voorspellingen worden samengevoegd met een Gaussische wegeingsfunctie om naadloze overgangen te garanderen en blokvormige artefacten te voorkomen.

2.4 Evaluatiestrategie

Om lekkage door ruimtelijke autocorrelatie te elimineren, gebruikten de auteurs Grid-Based Partitioning gecombineerd met Farthest Point Sampling (FPS). Het ruimtelijke domein werd verdeeld in 30×30 bins, waarbij volledige cellen exclusief werden toegewezen aan trainings-, validatie- of testsets. Ook werd een temporele splitsing toegepast (1960–2000 voor training, 2001–2015 voor testen).

3. Belangrijkste Resultaten

Prestatie-metrieken: Het model behaalde een gemiddelde Intersection over Union (mIoU) van 0,805 en een algehele classificatie-accuratesse van 94,67% op de testset.
Klasse-specifieke prestaties: De prestaties varieerden aanzienlijk per klasse. Belangrijke landbedekkingen zoals Bos (mIoU 0,889), Water (mIoU 0,991) en Akkerbouw (mIoU 0,815) werden met hoge getrouwheid voorspeld. Echter, minderheidsklassen, met name Stedelijke gebieden, vertoonden lagere prestaties (mIoU 0,463), wat de gevoeligheid voor klasse-imbalans benadrukt.
Convergentie: Multi-node training (8 nodes) demonstreerde superieure convergentie en bereikte een trainingsverlies van ~0,29 na 10 epochs vergeleken met ~0,40 voor de single-node baseline, toegeschreven aan grotere effectieve batchgroottes die betere gradiënt-schattingen bieden.
Wereldwijde Output: De pipeline genereerde succesvol een uitgebreide dataset reikend van 1850–2100, die zowel het pre-observatie tijdperk, de observationele periode als drie toekomstige klimaatscenario's (SSP2-4.5, SSP3-7.0, SSP4-6.0) dekt. Validatie voor het jaar 2014 toonde een wereldwijde accuratesse van 94,88% en een mIoU van 0,8569.

4. Betekenis en Bijdragen

Het artikel claimt de volgende significantie:

Eerste Wereldwijde Schaalbare Framework: AI4Land wordt gepresenteerd als het eerste model dat de resolutie-kloof voor landgebruikgegevens op wereldwijde schaal overbrugt, reikend van 1850 tot 2100, in plaats van beperkt te zijn tot specifieke regio's of het satelliettijdperk.
HPC-gestuurde AI: Het werk demonstreert hoe GPU-versnelde High-Performance Computing (HPC) infrastructuur (specifiek EuroHPC/MareNostrum5) de training van complexe deep learning pipelines voor wereldwijde klimaattoepassingen mogelijk maakt, met bijna lineaire schaalbaarheid.
Digital Twin Readiness: De resulterende open-source emulatoren zijn ontworpen voor real-time koppeling met digital twin platforms (bijv. Destination Earth), waardoor realistische, evoluerende landoppervlaktecondities op aanvraag beschikbaar zijn.
Reductie van Onzekerheid: Door tijdelijk continue en ruimtelijk gedetailleerde landgrenswaarden te bieden, beoogt het framework de kritieke onzekerheden in de terrestrische koolstofcyclus te verminderen en de voorspellende kracht van volgende generaties klimatsimulaties met betrekking tot koolstof-, water- en energiefluxen te verbeteren.

5. Toekomstig Werk en Beperkingen

De auteurs erkennen dat de prestaties van het model inherent worden beïnvloed door de kwaliteit en biases van de brongegevens (HILDA+ en LUH2). Ze merken op dat de classificatie van stedelijke gebieden en minderheidsklassen verbetering vereist. Geplande toekomstige werkzaamheden omvatten:

Het integreren van aanvullende voorspellers zoals de Köppen-Geiger klimaatzones en bevolkingsdichtheid-data om de stedelijke classificatie te verbeteren.
Het integreren van een Recurrent U-Net om de temporele consistentie over eeuwenlange projecties beter af te dwingen en exposure bias aan te pakken via scheduled sampling.
Het onderzoeken van generatieve benaderingen (Flow Matching U-Nets met Vision Transformer backbones) om lang-range ruimtelijke afhankelijkheden te vangen en onzekerheid te kwantificeren.
Het verkennen van foundation models via adapters en fine-tuning.
Het uitbreiden van het framework naar een tweede fase om dynamische biofysische variabelen, specifiek de Leaf Area Index (LAI), te voorspellen.

Alle datasets, modellen, code en getrainde gewichten worden als open-source vrijgegeven om reproduceerbaarheid en innovatie in aardesysteemmodellering te ondersteunen.