arXiv 机器学习· Venkatesh Kolluru, Rajat Shinde, Abdelhak Marouane, Caden Helbling, Deepak Shah, Othneil Drew, Srinivas Kolluru, Iksha Gurung, Manil Maskey, Rahul Ramachandran·· 4 小时前AI 评分36
Prithvi 作物分类基础模型跨大洲物候与地理偏移下的迁移性与可靠性评估
Transferability and operational reliability of a Prithvi crop classification foundation model under phenological and geographic shift across three continents
AI 导读
研究评估了地理空间基础模型 Prithvi-EO-2.0 在三大洲 12 个国家 37 个事件中的分布外表现，其平均总体准确率从美国的 0.65 降至欧洲的 0.40。分析表明跨大洲性能下滑主因是观测窗口与当地作物物候错位，导致受影响场景中 12%-51% 被高置信度误标。无需重新训练，将 13 类合并为 10 类可使平均总体准确率提升 8.4 个百分点，且 45-90 天观测窗口能较好保持精度。
来源：arXiv 机器学习 · arxiv.org