深度学习在土地覆盖制图应用中的模型泛化能力

近期研究表明，深度学习模型可用于从地理空间卫星影像中对土地利用数据进行分类。我们表明，当这些深度学习模型在特定大陆/季节的数据上训练时，其在样本外大陆/季节上的模型性能存在高度变异性。这意味着，一个模型在某个大陆或季节能准确预测土地利用类别，并不代表它能在不同大陆或季节准确预测土地利用类别。随后，我们对不同大陆的卫星影像使用聚类技术，以可视化那些导致地理空间泛化尤为困难的景观差异，并总结了我们对未来卫星影像相关应用的见解。