从地球嵌入推断高度：使用 Google AlphaEarth 的首次洞见

本研究探讨了地球嵌入中编码的地太空和多模态特征是否能够有效指导深度学习（DL）回归模型进行区域表面高度映射。特别地，我们聚焦于 AlphaEarth 嵌入的 10 米空间分辨率，评估其支持 terrain 高度推断的能力，采用高质量的数字表面模型（DSM）作为参考。因此，采用 U-Net 和 U-Net++ 架构作为轻量级卷积解码器，以评估地球嵌入中提炼的地理信息如何转化为准确的表面高度估计。两种架构在训练阶段实现了强烈的训练性能（两者的 $R^2 = 0.97$），确认了嵌入编码了信息且可解码的高度相关信号。在测试集上，性能下降是由于训练区域和测试区域之间高度频率分布偏移所致。尽管如此，U-Net++ 在一般化方面优于标准 U-Net（$R^2 = 0.84$，中位数差值为 -2.62 米），相较于标准 U-Net（$R^2 = 0.78$，中位数差值为 -7.22 米），表明其对分布不匹配更具鲁棒性。虽然测试 RMSE（约 16 米）和残差偏差突出了一般化中仍存的挑战，但强相关性表明嵌入捕获了可迁移的地形模式。总体而言，结果表明 AlphaEarth 嵌入具有指导 DL 基于高度映射工作流程的潜力，特别是当结合空间感知卷积架构时，而强调需解决偏差以实现更好的区域可迁移性。