地球观测相关 AI 资讯 · AI 热点

7月12日

04:50

04:50

官方账号Allen AI (Ai2)@allen_ai

Ai2研究科学家pjreddie解释合作伙伴如何定制OlmoEarth模型。OlmoEarth是开源地球观测模型，通过微调可在地图作物和野火风险等任务上提升性能。嵌入方法只能达到一定效果，微调是下一个性能提升的关键。该模型基于卫星图像训练，支持多种地理空间应用。

AI模型 OlmoEarth Ai2 微调

推荐理由：Ai2的OlmoEarth模型开源了，微调比嵌入效果更好，能用来做作物映射和野火预测，实用性强。

6月26日

10:58

10:58

官方账号arXiv cs.AI@Junwei Luo, Shuai Yuan, Zhenya Yang, Yansheng Li, Zhe Liu, Hengshuang Zhao

EO-WM是一种基于视频扩散Transformer的多光谱地球观测预测模型。它通过物理信息条件框架，将气象强迫分解为气候基线、天气异常和累积物理应力信号，以提升对极端天气的响应。在极端夏季基准上，EO-WM将预测的归一化植被指数（NDVI）下降幅度误差降低了5.63%，方向命中率提高了7.80%。该模型在标准像素级指标上也保持竞争力，并计划开源。

论文 EO-WM 视频扩散Transformer NDVI

推荐理由：EO-WM能更准确地预测植被在极端天气下的变化，NDVI误差降了5.63%，比现有模型更靠谱。

5月21日

10:22

10:22

官方账号arXiv cs.LG@Nassim Ait Ali Braham, Aaron Banze, Conrad M. Albrecht, Julien Mairal, Jocelyn Chanussot, Xiao Xiang Zhu

精选

地球观测基础模型通常基于多光谱、SAR等多传感器数据训练，但高光谱影像（HSI）一直未被充分整合。SpectralEarth-FM 提出一种层次化Transformer架构，通过光谱标记化、传感器专用编码器和跨传感器融合模块，实现HSI与低通道观测数据的联合处理。研究团队构建了包含EnMAP、EMIT、DESIS等星载HSI数据与Sentinel-2、Landsat-8/9、Sentinel-1等数据的SpectralEarth-MM数据集，覆盖约200万个全球位置、2500万地理参考图块，数据量超40TB。模型采用JEPA风格预训练目标，在HSI下游任务和标准地球观测基准上均达到最先进水平。这项工作填补了高光谱与多模态遥感联合预训练的空白，为环境监测、农业、地质勘探等领域提供了更丰富的数据基础。

论文高光谱影像多模态预训练地球观测

推荐理由：高光谱数据终于不再被孤立——SpectralEarth-FM 让遥感团队能用上更全面的传感器信息，做土地覆盖分类或环境监测的开发者可以直接参考其开源架构和数据集。