Prithvi作物分类模型跨洲迁移精度下滑

一项 arXiv 机器学习研究评估了地理空间基础模型 Prithvi-EO-2.0 的分布外作物分类表现：在三大洲 12 国 37 个事件上，平均总体精度从美国的 0.65 降至欧洲的 0.40。当观测窗口与当地作物物候错位时，精度明显崩塌，而模型置信度仍保持高位，8 组配对事件中有 7 组期望校准误差上升。 该研究称，两项无需重训的调整可恢复精度：将 13 类合并为 10 类使平均 OA 提升 8.4 个百分点；将观测窗口压缩至约 75 天，可在 45 至 90 天区间保持精度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。