EO-WM: Un modelo del mundo informado físicamente para la predicción probabilística de observación de la Tierra

Resumen

La predicción mediante Observación de la Tierra (EO) tiene como objetivo anticipar la dinámica futura de la superficie terrestre a partir de observaciones satelitales bajo condiciones meteorológicas cambiantes. En este artículo, abordamos esta tarea como un problema de modelado del mundo parcialmente observado y condicionado por el clima, donde el clima actúa como una señal de condicionamiento, mientras que la predicción sigue siendo incierta debido a observaciones dispersas y estados no observados de la superficie terrestre. Sin embargo, los métodos existentes no capturan completamente este escenario: los modelos deterministas colapsan la incertidumbre en una única predicción futura, mientras que los métodos basados en difusión suelen tratar las variables meteorológicas como señales de condicionamiento indiferenciadas, y los benchmarks actuales se centran principalmente en la precisión de la reconstrucción, y no en si las predicciones responden correctamente a cambios en el forzamiento meteorológico. Presentamos EO-WM, un transformador de difusión de video para la predicción EO multiespectral. EO-WM incorpora un marco de condicionamiento fundamentado físicamente que representa el forzamiento meteorológico a través de una línea base climatológica, anomalías climáticas y señales acumulativas de estrés físico. Específicamente, separa la línea base y las anomalías mediante vías de condicionamiento distintas, y acumula el forzamiento anómalo a lo largo del tiempo para capturar el estrés sostenido por calor y sequía. Para evaluar el comportamiento de respuesta al clima más allá de las métricas estándar, introducimos dos benchmarks diagnósticos: un Benchmark de Verano Extremo para la predicción consciente de la severidad de la degradación de la vegetación bajo condiciones climáticas extremas, y un Benchmark de Pares Estacionales Emparejados para probar la fidelidad de la respuesta ante cambios en el forzamiento climático. Los experimentos muestran que EO-WM reduce el error en la amplitud de la disminución del Índice de Vegetación de Diferencia Normalizada (NDVI) predicho en un 5,63% relativo y mejora la tasa de acierto direccional en un 7,80% relativo, manteniendo al mismo tiempo un rendimiento competitivo en métricas estándar a nivel de píxel. Los benchmarks y el modelo se publicarán como código abierto en https://github.com/Luo-Z13/EO-WM.

English

Earth Observation (EO) forecasting aims to predict future Earth surface dynamics from satellite observations under changing meteorological conditions. In this paper, we view this task as a partially observed, weather-driven world modeling problem, in which weather acts as a conditioning signal, while forecasting remains uncertain due to sparse observations and unobserved land-surface states. However, existing methods do not fully capture this setting: deterministic models collapse uncertainty into a single future prediction, while diffusion-based methods typically treat weather variables as undifferentiated conditioning signals, and existing benchmarks focus mainly on reconstruction accuracy rather than whether forecasts respond correctly to changed weather forcing.We introduce EO-WM, a video diffusion transformer for multispectral EO forecasting. EO-WM incorporates a physically informed conditioning framework that represents meteorological forcing through a climatological baseline, weather anomalies, and cumulative physical stress signals. Specifically, it separates baseline and anomaly through distinct conditioning pathways, and accumulates anomalous forcing over time to capture sustained heat and drought stress. To evaluate weather-response behavior beyond standard metrics, we introduce two diagnostic benchmarks: an Extreme Summer Benchmark for severity-aware prediction of vegetation degradation under extreme weather, and a Seasonal Matched-Pair Benchmark for testing response fidelity under changed weather forcing. Experiments show that EO-WM reduces the error in predicted Normalized Difference Vegetation Index (NDVI) decline amplitude by a relative 5.63% and improves directional hit rate by a relative 7.80%, while remaining competitive on standard pixel-level metrics. The benchmarks and model will be made open-source at https://github.com/Luo-Z13/EO-WM.