基于地理基础模型的生态系统图谱构建
计算机视觉与模式识别
2026-02-25 v2
摘要
地球观测基础模型在具有重大影响的生态应用中的价值仍未得到充分阐述。本研究是首批系统评估其性能、局限性及实际考量的研究之一，针对三类常见的生态应用场景：森林功能性状估计、土地利用与土地覆盖图图制作以及苏泥地检测。我们对两类预训练模型（Prithvi-EO-2.0 和 TerraMind）进行微调，并使用来自开放来源的数据集对其进行基准测试。通过所有任务，Prithvi-EO-2.0 和 TerraMind 均持续优于 ResNet 基线，展示出在生态领域内的改进泛化与迁移能力。TerraMind 在单模态设置下略胜 Prithvi-EO-2.0，在引入额外模态后显示出显著的性能提升。然而，性能对下游输入与预训练模态之间的差异敏感，这凸显了 carefully 对齐数据集的必要性。结果也表明，更高的分辨率输入和更准确的像素级标签仍是捕捉细尺度生态动力学的关键。
引用
@article{arxiv.2602.10720,
title = {Ecological mapping with geospatial foundation models},
author = {Craig Mahlasi and Gciniwe S. Baloyi and Zaheed Gaffoor and Levente Klein and Anne Jones and Etienne Vos and Michal Muszynski and Geoffrey Dawson and Campbell Watson},
journal= {arXiv preprint arXiv:2602.10720},
year = {2026}
}
备注
Revised abstract