AEF-Econ：面向城市遥感的 AlphaEarth 的即插即用社会经济基础嵌入

AlphaEarth Foundations (AEF) 通过多模式自监督学习统一全球遥感基础嵌入，但其预训练侧重于物理地表信号，限制了社会经济任务中的即插即用使用。我们整合了八年来中国 36 个城市的七个异构数据流 - AEF 嵌入、人口、夜间灯光、遥感指数、兴趣点 (POI)、城市形态和跨语言文本 - 并构建了 CHN-Econ，一个包含三个类别 16 个标签的社会经济基准。我们沿着五个轴进行了 31 项受控实验：融合架构、自监督目标、文本集成、嵌入维度和归一化。单独用作线性探针时，AEF 的跨区域 R2 值仅为 0.301，跨层评估的 R2 值仅为 0.160。五轴消融主干网将这些分数分别提高到 0.832 和 0.671，但表明低维语义流在共享重建下始终受到高维流的抑制。为了解决这个瓶颈，我们提出了容量自适应重建（CAR），用每流解码器和流级损失取代共享重建，以减轻流间容量竞争。 CAR进一步将跨区域和跨层级的R2提升至0.848和0.693，并将折叠的标签从负R2恢复到稳定范围。使用 CAR，我们推断出 36 个城市、8 年的 1440 万像素，并发布了 AEF-Econ，包括 128d 和 64d 压缩版本。自我诊断和案例研究表明，AEF-Econ 在无监督的环境下捕获了跨城市的层次结构和城市内的空间组织，提供了与 AEF 物理嵌入互补的社会经济遥感基础嵌入。