不确定性感知树高变化回归

监测冠层高度变化对于了解碳汇和森林动态至关重要。遥感能够对此类变化进行一致的大规模观测，并日益与地理空间基础模型 (GFM) 等深度学习架构相集成。然而，现有的方法和数据集将问题描述为二元变化检测，它忽略了变化的连续性（尤其是植被）以及标签固有的不确定性。我们提出了冠层高度变化 (CHC) 数据集，提供了西班牙北部和西部 10598 $\mathrm{km}^2$ 的 3 $\mathrm{m}$ 分辨率连续冠层高度差异以及相关的空间分辨不确定性。该数据集与 PlanetScope 卫星图像的同位时间序列配对。基于该数据集，我们介绍了 微调 GFM 的不确定性变化回归任务、相关指标和策略。此外，我们评估了最先进的 GFM，并强调了推进连续冠层高度变化估计的有希望的方向和仍然存在的挑战。