Landsat program
PulseAugur coverage of Landsat program — every cluster mentioning Landsat program across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
人工智能利用卫星图像和LLM生成的文本预测贫困
研究人员开发了一个多模态框架，利用卫星图像和人工智能生成的文本来预测非洲社区的家庭财富。该框架结合了视觉模型和LLM生成的文本以及网络抓取的信息，结果表明与仅使用卫星图像相比，融合这些数据源可以提高财富预测的准确性。虽然组合方法显示出希望，但代理诱导新颖性假说的证据有限，并且视觉和语言模态之间的对齐表明中等相关性，而不是单一的共享潜在表示。
-
GlacierCastAI 利用卫星图像和气候数据预测冰川退缩
研究人员开发了 GlacierCastAI，这是一种新颖的深度学习模型，旨在利用多模态卫星图像和气候数据的组合来预测冰川退缩。该模型整合了来自 Landsat 计划和 ERA5 气候变量的数据，以及 Copernicus DEM 地形特征，以预测冰川边界。一项消融研究表明，纳入 ERA5 气候信号可以提高预测精度，表明大气强迫在预测冰川变化中的重要性。GlacierCastAI 的表现显著优于传统基线模型，并在理解冰川退缩的驱动因素方…
-
HLS-GPT Transformer 重建 NASA 卫星反射率数据
研究人员开发了 HLS-GPT，这是一个大规模生成式预训练 Transformer 模型，旨在重建 NASA 的 Harmonized Landsat 和 Sentinel-2 (HLS) 地表反射率数据。该模型利用分层 Transformer 架构处理不同的光谱波段配置，并对单像素时间序列进行操作。HLS-GPT 在美国本土的大量数据上进行了训练，在各种地表条件下展现出强大的重建能力，并在评估中优于传统方法和 NASA-IBM Pr…
-
视觉 Transformer 绘制 38 年美国森林干扰图
研究人员开发了一个深度学习框架，使用视觉 Transformer 绘制了过去 38 年美国大陆的森林干扰图。该方法同时模拟了时间轨迹和空间邻域，为传统卫星数据像素级分析提供了一种更连贯的替代方案。使用多种卫星源和验证数据集进行的评估显示，在检测干扰方面具有高精度，尽管与现有方法相比，在不同干扰类型上的性能有所不同。
-
混合机器学习模型利用卫星数据改进森林高度估算
研究人员开发了一种混合机器学习模型，通过整合 TanDEM-X 和 Landsat 卫星的数据来改进森林高度的估算。该增强模型结合了光学 Landsat 数据，提供了关于森林结构的补充信息，解决了早期仅依赖 TanDEM-X 干涉相干性的模型中存在的歧义。在加蓬的洛佩国家公园进行的验证表明，与原始方法相比，均方根误差 (RMSE) 降低了 13.5%，平均绝对误差 (MAE) 降低了 16.6%，误差显著减少。
-
新的EO-Gym环境训练AI代理进行交互式地球观测分析
研究人员推出了EO-Gym，这是一个专为地球观测（EO）代理设计的交互式框架。该环境支持多模态分析和工具使用，模拟现实世界中经常涉及扩展感兴趣区域和检索不同传感器历史数据的EO任务。创建了一个包含超过9000个轨迹的基准数据集EO-Gym-Data来评估代理性能，结果显示当前的大型视觉语言模型在交互式EO推理方面存在困难。在EO-Gym-Data上微调Qwen模型显著提高了其在这些任务上的性能。
-
机器学习模型绘制孟加拉国土壤盐度图
研究人员开发了一个机器学习框架，利用实地数据和卫星图像来绘制和预测孟加拉国萨特基拉的土壤盐度。一个极端梯度提升模型在205个土壤样本上进行了训练，识别了关键的光谱预测因子，并揭示了盐度水平显著的空间变异性。该研究生成了10年的暴露图，突出了持续存在和不断扩大的高盐度区域，为监测和支持气候适应型农业和土地利用规划提供了一种可扩展的方法。
-
卫星基础模型 Tempov 描绘非洲的财富与贫困状况
研究人员开发了 Tempov，这是一种新颖的卫星基础模型，旨在改善中低收入国家的财富监测。该模型使用数百万对卫星图像进行自监督训练，能够大规模、高分辨率地预测经济状况，即使在调查数据有限的情况下也能实现。Tempov 在零样本即时预测和滞后预测方面表现出色，优于现有基线，并显著减少了对昂贵数据收集的需求。
-
可解释的机器学习揭示城市形态对热应力的影响，超越地表温度
研究人员开发了一个新框架，用于分析地表温度（LST）与以人为本的热应力指标（如通用热气候指数（UTCI））之间的差异。该研究使用地理加权XGBoost和广义相加模型等机器学习模型，揭示了城市形态对这些热量测量值影响的显著空间差异。研究结果表明，LST不能充分代表实际的人类热应力，尤其是在天空视野和反照率等对有效城市规划和热风险管理至关重要的因素方面。