当地球基础模型遇到扩散时：地表温度超分辨率的应用

地表温度（LST）超分辨率对于环境监测非常重要。然而，由于粗略的热观测严重无法确定精细尺度结构，这仍然具有挑战性。在本文中，我们提出了地球基金会模型引导扩散（EFDiff），这是一种在极端空间退化下实现超分辨率的新颖框架。 EFDiff 使用 Prithvi-EO-2.0 地球基础模型将高分辨率多光谱反射率编码到地理空间嵌入中，这些嵌入通过交叉注意力注入到去噪网络中，以指导从高度退化的观测中进行精细尺度重建。我们研究了两种变体，EFDiff-$ε$ 和 EFDiff-$x_0$，它们提供了感知真实性和像素级保真度之间的互补权衡。我们使用由 242,416 个共同注册的 Landsat 热反射贴片组成的全球多样化基准，在 32 倍的极端尺度差距下评估 EFDiff。结果表明，EFDiff 始终优于基线方法，并且 EFM 的交叉注意力调节比 HLS 通道串联更有效。尽管我们在 LST 超分辨率的背景下提出 EFDiff，但该框架广泛适用于遥感问题，其中预训练的地理空间表示可以指导生成重建。