SpecTM：面向可信基础模型的光谱定向掩码

面向地球观测（Earth Observation, EO）的基础模型如今日益增多，但它们往往依赖不显式施加物理约束的随机掩码，这是一个关键的可信性局限，对指导公共卫生决策的预测模型而言尤其如此。在本工作中，我们提出SpecTM（Spectral Targeted Masking，光谱定向掩码），一种物理信息掩码设计，在预训练期间鼓励从跨光谱上下文重建目标波段。为实现这一点，我们开发了一个可适配的多任务（波段重建、生物光学指数推断以及8天提前期时间预测）自监督学习（SSL）框架，通过联合优化编码光谱内在表征，并使用NASA PACE在伊利湖上空的高光谱影像，在下游微囊藻毒素浓度回归模型上进行了评估。SpecTM取得R^2 = 0.695（当周）与R^2 = 0.620（8天提前期）的预测结果，分别以+34%（Ridge为0.51）与+99%（SVR为0.31）超越所有基线模型。我们的消融实验显示，定向掩码比随机掩码将预测提升+0.037 R^2。此外，在极端标签稀缺条件下，它以2.2倍的标签效率优势超越强基线。SpecTM支持跨EO领域的物理信息表征学习，并提升基础模型的可解释性。