地理空间基础模型是一种旨在处理和分析地球观测数据（主要是卫星和航空影像）的AI模型。它属于更广泛的基础模型类别，这类模型是在海量数据集上预训练的大规模神经网络，随后针对特定下游任务进行适配。与为单一目的构建的传统机器学习模型不同，地理空间基础模型学习地球表面的通用表征，使其能够在有限额外训练数据的情况下支持广泛的应用。
这些模型利用深度学习架构，通常基于最初为自然语言处理开发的Transformer架构。通过在数百万张无标签或弱标签的卫星图像上进行预训练，模型能够捕捉与地形、植被、城市结构、水体及其他地理特征相关的模式。这一预训练阶段计算密集，通常需要专用硬件，如AWS Trainium芯片或NVIDIA GPU，但得到的模型可以在较小的、任务特定的数据集上进行微调。
预训练与数据来源
地理空间基础模型的有效性在很大程度上取决于其预训练数据的多样性和规模。常见的数据来源包括Landsat和Sentinel-2等项目的光学影像，这些影像以中等分辨率提供全球覆盖，以及来自Maxar和Planet等公司的高分辨率商业影像。一些模型还整合了合成孔径雷达（SAR）数据，该数据能够穿透云层并在夜间运行，提供互补信息。
预训练目标通常涉及自监督学习，即模型学习预测图像的缺失部分或区分同一场景的增强版本。例如，模型可能被训练来重建卫星图像中被掩蔽的区域，迫使其理解空间上下文和土地覆盖模式。这种方法减少了对昂贵的人工标注数据的依赖，而人工标注是地理空间分析中的一个重大瓶颈。
关键能力与任务
地理空间基础模型可以针对众多传统上需要独立专用模型的任务进行微调。常见应用包括：
- 土地覆盖分类：识别某个像素或区域代表森林、水体、农田、城市区域还是其他类别。
- 变化检测：比较不同日期的图像，以识别森林砍伐、城市扩张或灾害破坏。
- 目标检测：定位建筑物、船只或太阳能面板等特定特征。
- 分割：描绘田地、道路或水体的精确边界。
由于模型已经学习了通用的视觉特征，微调通常仅需几百到几千个标注样本，而从头训练的模型则需要数万个样本。这使得地理空间分析对标注预算有限的组织更加可及。
代表性模型与研究
学术界和工业界已开发出多个地理空间基础模型。一个突出的例子是SatMAE，由MIT CSAIL的研究人员于2022年提出，它将掩蔽自编码器方法应用于卫星影像。另一个是Prithvi，由NASA和IBM开发，于2023年发布，基于Transformer架构，并在NASA的Harmonized Landsat Sentinel数据上训练。Prithvi已被用于洪水测绘和野火烧伤疤痕检测等任务。
2024年，AI2（艾伦人工智能研究所）发布了Clay，专注于全球、多传感器预训练。此外，Oracle Cloud和Google Cloud等商业提供商已开始在其云平台上提供地理空间基础模型，允许用户通过API访问，而无需管理底层基础设施。斯坦福人工智能实验室和伯克利人工智能研究等研究团队也为推动该领域发展做出了贡献，特别是在开发高效预训练方法方面。
挑战与局限
尽管前景广阔，地理空间基础模型仍面临若干挑战。一个主要问题是域偏移：在一个区域或传感器上预训练的模型可能因气候、土地利用或成像条件的差异而在另一个区域表现不佳。例如，主要在北美影像上训练的模型可能难以处理热带雨林或沙漠景观。研究人员通过数据增强和域自适应等技术来解决这一问题，但这仍是一个开放性问题。
另一个局限是分辨率。许多全球数据集的分辨率为每像素10至30米，不足以检测建筑物或车辆等小特征。高分辨率模型需要更多存储和计算资源，且其预训练数据通常是专有的，限制了可复现性。此外，时间动态（如季节变化或云层覆盖）可能使假设静态场景的模型产生混淆，尽管一些较新的模型将时间作为显式输入维度纳入其中。
最后，还存在关于偏差与公平性的担忧。如果预训练数据过度代表某些地理区域，模型对代表性不足的区域可能准确性较低，可能导致有缺陷的政策决策。确保全球范围内的公平表现是一个活跃的研究领域。
未来方向
该领域正在快速发展，几个趋势正塑造其未来。一个方向是多模态数据的整合，将光学影像与SAR、高程模型甚至文本元数据相结合。另一个方向是开发更小、更高效的模型，使其能够在边缘设备上运行或以最少计算量进行微调，从而在基础设施有限的发达国家中可用。
此外，人们对用于时间预测的基础模型兴趣日益浓厚，例如提前数周预测作物产量或洪水范围。这些模型将超越静态图像分析，捕捉动态过程。随着生成式AI技术的进步，一些研究人员正在探索地理空间模型是否能够生成合成卫星图像用于训练或模拟目的，尽管这引发了关于错误信息的伦理问题。
学术界、NASA和欧洲空间局等政府机构以及私营公司之间的合作，对于标准化基准和确保这些模型惠及从气候科学家到城市规划者的广泛用户群体至关重要。