研究人员开发了一种在丹麦测绘树种的新方法,将传统的光谱-时间特征与来自TESSERA和AlphaEarth等地理空间基础模型的嵌入进行比较。研究发现,使用光谱-时间特征的多层感知器分类器在纯林中取得了最高的0.843的宏观F1分数,在混交林中取得了0.653的分数。然而,当训练数据有限时,TESSERA嵌入显示出显著优势,在可用地块少于25%的情况下,其性能优于光谱-时间特征。随后,性能最佳的模型被用于创建丹麦首张高分辨率全国树种地图,为生态研究和土地管理提供了宝贵的资源。 AI
影响 展示了基础模型在专业地理空间任务中的潜力,在数据稀缺的情况下具有优势。
排序理由 学术论文,详细介绍了使用基础模型进行地理空间分析的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Alkiviadis Koukos
- AlphaEarth
- Denmark
- multilayer perceptron
- National Forest Census
- random forest
- Sentinel-1
- Sentinel-2
- TESSERA
- XGBoost
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →