农业应用地理空间基础模型的基准测试

在卫星图像上预训练的地理空间基础模型有望在遥感任务和区域中广泛推广，但其地理可转移性尚未经过系统测试，特别是在农业应用中。本文提出了一个受控基准，评估了 Prithvi、SpectralGPT 和 SatMAE 三种模型在美国爱荷华州、北卡罗来纳州、加利福尼亚州和明尼苏达州四个州的多时相作物分割和变化检测方面的情况。通过将每个训练、验证和测试分割分配到一个单独的区域，我们可以衡量每个模型转移到它未见过的区域的情况。在区域分布变化的情况下，这三种作物都急剧退化，仅预测最常见的作物，而忽略了稀有作物。我们进一步发现，将这些模型拟合到共享输入格式对每个模型的影响不同，这使得直接架构比较变得复杂。这些结果暴露了当前农业地理空间基础模型的主要局限性，并指出区域意识评估是必要的标准。