基于嵌入的塞内加尔花生盆地作物类型分类
机器学习
2026-01-26 v1 计算机视觉与模式识别
摘要
来自卫星遥感的作物类型图是全球小农地区粮食安全、当地生计支持和气候变化减缓的重要工具，但大多数基于卫星的方法并不适用于小农条件。为弥补这一差距，我们建立了一个由四部分组成的标准，用于评估基于嵌入的有用方法，包括：1）性能，2）合理性，3）可迁移性，4）可获取性，并针对塞内加尔花生盆地的一个区域，评估了使用TESSERA和AlphaEarth的基于地理空间基础模型（FM）嵌入的方法与当前基线方法的对比。我们发现，基于TESSERA的土地覆盖和作物类型制图方法最能满足选择标准，并且在一个时间迁移示例中，其准确率比次优方法高出28%。这些结果表明，TESSERA嵌入是塞内加尔作物类型分类和制图任务的一种有效方法。
引用
@article{arxiv.2601.16900,
title = {Embedding -based Crop Type Classification in the Groundnut Basin of Senegal},
author = {Madeline C. Lisaius and Srinivasan Keshav and Andrew Blake and Clement Atzberger},
journal= {arXiv preprint arXiv:2601.16900},
year = {2026}
}