本論文では、グリーンランドの氷河湖の進化に関する因果時系列モデリングの手法を提案しています。この手法は、配分の変化に対するロバスト性と一般化能力を向上させることを目的としています。特に、因果的な発見を取り入れた地域情報に基づく分類フレームワーク(RIC-TSC)を使用し、時系列データをモデル化することで予測精度と科学的解釈性の向上を図ります。複数の衛星データと再解析データを用いて、氷河湖の進化における地域特有の予測因子を特定し、軽量の分類器に供給しています。結果として、因果モデルは相関ベースのモデルと比較して、新しい配分条件下での精度が最大12.59%向上したことが示され、因果発見がダイナミックな地表プロセスのモデルに対する一般化可能なルートであることを明らかにしました。