8.1 기후 변화 구동 모델 decay
수확량 모델에서 가장 강한 경험적 신호 — 기상과 수확량 사이의 과거 관계 — 는 기후 변화가 생장 시즌 기상의 평균과 분포를 모두 이동시키면서 덜 신뢰할 수 있는 가이드 가 되고 있습니다. 본 표준의 retraining cadence 요구사항은 부분적 응답이지만, 기저 문제는 더 깊습니다. 어떤 모델의 훈련 데이터든 더 이상 존재하지 않는 기후를 포착 합니다. 차세대 수확량 모델은 과거 경험적 적합과 명시적 기후 변화 인지 편향 보정 을 결합할 것으로 예상되며, 현재 1.0 표준이 제공하는 것보다 풍부한 feature provenance 스키마를 요구합니다. 본 표준의 Phase 2.0(2028 년 이전이 아님)이 이를 형식화할 것으로 예상됩니다.
8.2 더 높은 해상도의 원격 감지
상업용 cubesat 별자리는 이제 미터급 공간 해상도에서 일일 미만 재방문을 제공합니다. 이는 특징 mix 를 바꿉니다. 군락 폐쇄 시 거친 NDVI 신호 대신, 모델은 시즌 전반에 걸쳐 주별 군락 상태 이미지를 수집하고 들판 내 이질성을 감지할 수 있습니다. 본 표준의 feature-set 확장은 이를 수용합니다. 실용적 도전은 지역 집계 레이어에서의 데이터 양 관리입니다.
8.3 들판 내 센서 확산
저비용 토양 수분 프로브와 IoT 클래스 측후소가 상업 들판의 일상 배치를 위한 가격 임계치를 넘고 있습니다. 그렇게 함에 따라, 오늘 결측된 측후소 데이터를 격자 기상으로 대체하는 본 표준 Phase 2 의 imputation 경로는 규칙이 아닌 예외가 될 것입니다. 와이어 포맷은 이미 이 변화를 지원합니다. producer 는 스키마 호환성을 깨지 않고 더 세밀한 센서 데이터로 feature 집합을 확장할 수 있습니다.
8.4 농업을 위한 foundation 모델
다중 modal 농업 데이터(위성, 기상, 수확량 기록, 농학 보고서)에서 훈련된 큰 사전- 훈련된 모델이 연구 frontier 로 등장하고 있습니다. 이 모델들이 운영 배포에서 목적-구축 수확량 모델보다 우수할지는 열린 경험적 질문으로 남아 있습니다. 본 표준의 와이어 포맷은 모델 무관입니다. foundation 모델 유래 예측은 gradient-boosted tree 예측과 같은 envelope shape 을 채우고, 소비자의 하류 코드는 변경되지 않은 채로 남습니다.
8.5 같은 채로 남는 것
이 모든 혁신을 가로질러 핵심 요구사항은 남습니다. 수확량 예측은 그 calibrated uncertainty interval 만큼만 유용합니다. 예측은 명명된 출처를 가진 명명된 특징 입력으로부터 재현 가능해야 합니다. 그리고 모델의 유효 범위는 정직하게 공개되어야 합니다. 본 표준의 역할은 기저 모델링 기법이 진화함에 따라 이 invariant 를 안정 적으로 유지하는 것입니다.