SPyCer：面向近地面空气温度估计的半监督物理引导上下文注意力卫星图像方法
计算机视觉与模式识别
2026-03-06 v1 人工智能
摘要
现代地球观测依赖卫星捕获表面属性的详细信息。然而，许多影响人类和生态系统的现象在靠近表面的大气中展开。靠近地面的传感器提供了某些环境特征（如近地面空气温度，NSAT）的准确测量，但稀疏且分布不均，限制了其提供连续空间测量的能力。为弥合这一差距，我们引入SPyCer，这是一个半监督物理引导网络，可通过像素信息和物理建模通过有意义的物理属性指导学习过程。它设计用于通过卫星图像估计NSAT。SPyCer将NSAT预测建模为像素级视觉问题，其中每个靠近地面传感器投影到卫星图像坐标并位于局部图像块的中心。对应的传感器像素同时使用观察到的NSAT和物理约束进行监督，而周围像素通过源于表面能量平衡和输动扩散反应偏微分方程的物理引导正则化贡献。为捕捉相邻像素的物理影响，SPyCer采用由土地覆盖特征引导并施加高斯距离加权的多头注意力机制。在真实世界数据集上的实验表明，SPyCer产生的NSAT估计在空间上连贯且符合物理规律，在准确性、一般化和与底层物理过程的一致性方面均优于现有基线。
引用
@article{arxiv.2603.05219,
title = {SPyCer: Semi-Supervised Physics-Guided Contextual Attention for Near-Surface Air Temperature Estimation from Satellite Imagery},
author = {Sofiane Bouaziz and Adel Hafiane and Raphael Canals and Rachid Nedjai},
journal= {arXiv preprint arXiv:2603.05219},
year = {2026}
}