arXiv cs.AI· Yuchi Ma, Jiaqi Yang, Mengyu Liang, Ivan Higuera-Mendieta, Caleb Robinson, Anthony Ortiz, Min Chen, David B. Lobell, Inbal Becker-Reshef, Juan M. Lavista Ferres·· 10 小时前AI 评分29
环境遥感中的 Earth Embeddings：综述与下游任务评测
Earth Embeddings in Environmental Remote Sensing
AI 导读
一篇综述系统梳理了 Earth embeddings 的理论基础、代表性产品及在环境遥感六大领域的应用，并评测了高光谱图像分类、单木树冠分割、作物产量预测和地上生物量制图四项下游任务。结论指出，Earth embeddings 并非总优于遥感影像或手工特征，不应被视为传统对地观测数据的直接替代，而应作为提供跨时空稳定信息的表征，按任务需求策略性使用。
正文 · AI 翻译
摘要：来自卫星平台的地球观测已深刻改变了众多领域的研究与应用。然而，观测覆盖不均和频繁的数据缺口持续限制其捕捉地球表面动态的能力。此外，处理多模态地球观测需要大量计算资源和复杂的数据协调框架，许多遥感从业者可能难以获取这些资源。地球嵌入（Earth embeddings）已成为应对这些挑战的有前景的解决方案。作为从多源地球观测转换而来的通用表示，地球嵌入可支持广泛的下游任务，且无需针对特定任务进行特征设计和预处理。在本研究中，我们首先介绍地球嵌入的理论基础。然后，我们回顾若干具有代表性的地球嵌入产品。接着，我们考察地球嵌入在环境遥感六大主要领域中的应用。最后，我们系统评估地球嵌入在四项下游任务中的性能，包括高光谱图像分类、单木树冠分割、作物产量预测和地上生物量制图。我们的综述和案例研究表明，尽管相较于传统地球观测数据具有若干优势，当前的地球嵌入并不总是优于遥感影像或手工设计的特征。地球嵌入不应被视为传统 EO 数据的直接替代品，而应被视为在空间和时间上提供稳定信息的表示。遥感从业者可考虑评估地球嵌入对特定任务的适用性并有策略地使用它们，而不是默认其具有更优性能。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13612 [cs.AI] |
| （或 arXiv:2611.13612v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.13612 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuchi Ma [查看邮箱]
[v1]
2026年11月10日星期二 05:42:10 UTC（9,432 KB）
来源：arXiv cs.AI · arxiv.org