본 연구는 농업 모니터링에서 잎 면적 지수(LAI) 예측을 위한 시계열 기반 모델의 Zero-shot 예측 능력을 조사한다. HiQ 데이터세트(미국, 2000-2022)를 사용하여 통계적 기준선, 완전 지도 학습 LSTM, Sundial 기반 모델을 다양한 평가 프로토콜 하에서 체계적으로 비교했다. Sundial은 zero-shot 환경에서 충분히 긴 입력 컨텍스트 윈도우(특히, 한두 개의 전체 계절 주기를 넘는 경우)가 제공될 때 완전 학습된 LSTM보다 성능이 우수함을 확인했다. 이는 일반 목적의 기반 모델이 특정 작업에 대한 조정 없이 원격 감지 시계열 예측에서 전문화된 지도 학습 모델을 능가할 수 있음을 처음으로 시연한다.
