본 논문은 생태계 시계열 평가를 위한 새로운 프레임워크를 제안합니다. 기존의 수치적 지표(R-squared, RMSE 등)는 생태계 변수의 모델링 결과와 관측 결과 간의 유사성을 정량화하는 데 사용되어 왔지만, 생태 과정에 중요한 특정 영역의 시간적 패턴을 포착하지 못하는 한계가 있습니다. 따라서 전문가의 시각적 검토가 필요하며, 이는 많은 인력과 시간을 필요로 하고 대규모 평가에는 적용하기 어렵습니다. 본 연구는 메트릭 러닝과 대규모 언어 모델(LLM) 기반 자연어 정책 추출을 통합하여 해석 가능한 평가 기준을 개발하는 새로운 프레임워크를 제시합니다. 이 방법은 쌍으로 된 주석을 처리하고 정책 최적화 메커니즘을 구현하여 다양한 평가 지표를 생성하고 결합합니다. 작물 총 일차 생산량과 이산화탄소 플럭스 예측 평가를 위한 여러 데이터셋에 대한 결과는 제안된 방법이 합성 데이터와 전문가 주석 모델 비교 모두에서 목표 평가 기준을 효과적으로 포착함을 확인했습니다. 이 프레임워크는 수치적 지표와 전문가 지식 간의 차이를 해소하고 다양한 생태계 모델링 연구의 요구를 수용하는 해석 가능한 평가 정책을 제공합니다.
시사점, 한계점
•
시사점:
◦
기존 수치적 지표의 한계를 극복하고 생태계 시계열 평가의 정확성과 효율성을 향상시킬 수 있는 새로운 프레임워크 제시.
