论文

地理空间嵌入检测古老的森林，但缓冲空间验证缩小了它们相对于哨兵特征的优势

Geospatial embeddings detect old-growth forests but buffered spatial validation narrows their advantage over Sentinel features

Thomas Ratsakatika (1), Mihai Zotta (2), Srinivasan Keshav (3), Emily R. Lines (1) ((1) Department of Geography, University of Cambridge, Cambridge, UK, (2) Fundatia Conservation Carpathia, Brasov, Romania, (3) Department of Computer Science and Technology, University of Cambridge, Cambridge, UK)来源日期：2026.09.24

模型评测鲁棒性、公平性与可信度评测

摘要

古老的森林在极小的人为干扰下发展了几个世纪，产生了结构复杂和生物多样性的林分。在欧洲，保护它们需要对各个森林地块进行准确的测绘，但可以在整个大陆范围内部署。地理空间基础模型（GFM）嵌入可以实现标签稀缺的土地分类，但它们对于古老植物检测的价值仍然未知。在这里，我们绘制了罗马尼亚南喀尔巴阡山脉 211,893 公顷的原始森林地图，这是高山生物地理区域典型的山毛榉云杉景观。我们为老生长和非老生长地块构建高可信度、专家知情的参考标签。我们将 AlphaEarth、TESSERA v2 和 Sentinel-1/2 特征添加到地形和人类访问预测变量的共同基线中，然后在有或没有 10 公里训练测试缓冲区的空间阻塞验证下对它们进行比较，以限制残差自相关。通过缓冲，GFM 和 Sentinel-1/2 预测器相对于基线将精确召回 AUC 提高了 0.21-0.25 [95% CI：0.15-0.34]，表明光谱数据包含空间稳健的旧生长信号。在无缓冲空间验证下，TESSERA 的 PR-AUC 为 0.84 [0.79-0.88]，优于 Sentinel-1/2（+0.08 [+0.05 至 +0.11]）和 AlphaEarth（+0.08 [+0.04 至 +0.12]）。然而，在 10 公里缓冲区中，这一优势缩小至 +0.04 [-0.01 至 +0.11] 和 +0.03 [-0.04 至 +0.10]，区间一致，没有差异。在 10 m 分辨率下，卷积神经网络与基于像素的 XGBoost 相比没有任何优势。与四种国家和大陆规模产品的比较显示了非老年增长标签的重要性，并显示我们的预测与现场校准地图之间有 81% 的一致性。我们得出的结论是，当将古老的生长检测模型转移到未见过的景观时，缓冲空间验证至关重要，并为未来的工作提供标签和预测。