地球嵌入揭示来自太空的多样化城市信号

源自人口普查、调查和行政记录的传统城市指标通常成本高昂、空间不一致且更新缓慢。最近的地理空间基础模型使得地球嵌入成为可能，即紧凑的卫星图像表示，可迁移至各种下游任务，但它们在街区尺度的城市监测中的效用仍不明确。在此，我们对三个地球嵌入家族 AlphaEarth、Prithvi 和 Clay 进行了基准测试，用于预测 2020 年至 2023 年美国六个大都市区的城市信号。使用统一的监督学习框架，我们预测了 14 个街区级指标，涵盖犯罪、收入、健康和出行行为，并在四种设置下评估性能：全局、按城市、按年份和按城市-年份。结果表明，地球嵌入捕获了显著的城市变异，对于与建成环境结构更直接相关的结局，包括慢性健康负担和主要通勤方式，具有最高的预测能力。相比之下，受精细尺度行为和本地政策影响更强的指标，如骑行，仍然难以推断。预测性能在不同城市间差异显著，但在不同年份间保持相对稳定，表明存在强烈的空间异质性和时间鲁棒性。探索性分析表明，预测性能的跨城市变异与城市形态以任务特定的方式相关联。受控的维度实验表明，表示效率至关重要：紧凑的 64 维 AlphaEarth 嵌入比 Prithvi 和 Clay 的 64 维降维表示包含更多信息。本研究为评估城市遥感中的地球嵌入建立了基准，并展示了它们作为可扩展、低成本的街区尺度城市监测特征的潜力，这与可持续发展目标（SDG）相一致。