标签
来自欧空局哨兵一号的卫星干涉测量显示，委内瑞拉双震后地表位移达30厘米，揭示了沿圣塞巴斯蒂安断层系统的变形。
NASA卫星正在为委内瑞拉的地震响应提供关键支持，获取数据以帮助评估影响并指导工作。
本文应用拓扑数据分析于洪水检测，通过从卫星影像中提取拓扑特征并融入神经网络，展示了相比传统方法更高的鲁棒性和可解释性。
一种用于从OCO-2光谱中概率反演CO2柱浓度的深度学习框架，采用拉普拉斯近似和归一化流，相比传统方法实现了更快的推理和更好的不确定性量化。
介绍了一种基于LLM的框架，通过自然语言查询从基于云的地理空间目录中检索遥感数据，重点关注安全性和对抗鲁棒性。该系统集成了三个代理，用于意图解释、API调用生成和风险管理。
PNAS上的一项新研究引入了通过遥感数据测量的'都市脉搏'概念，揭示了城市化的三个关键生命体征，可为城市规划政策提供参考。
OSMGraphCLIP是一种模型，它使用基于图的编码器和与球谐位置编码器的对比对齐，从OpenStreetMap数据中学习全局位置嵌入。该模型在多种地理空间任务中表现出色，通常能够达到甚至超越基于卫星的方法。
提出了一种轻量级的基于集合的深度学习框架，利用Transformer进行被动长波红外高光谱成像的大气补偿，该框架从多距离辐射测量中联合估计透射率、大气路径辐射和下行辐射光谱。
本文介绍了一种新颖的不确定性感知PINN框架，用于从SAR数据进行洪水推理，通过动态放松噪声区域的物理约束来解决“物理冲击”问题。在Sen1Floods11数据集上评估，该方法实现了IoU提高25%，并为操作化灾害响应提供了校准的不确定性边界。
本文提出了一个地球观测中组合图像检索的统一基准，评估了视觉-语言骨干网络，并引入了一个以变化为中心的灾害监测数据集（xView2-CIR），强调了与基于属性检索相比的独特挑战。
OlmoEarth v1.1 是 Allen AI 推出的一系列新型卫星图像分析模型，通过减少基于 Transformer 的模型中的令牌序列长度，在保持性能的同时将计算成本降低高达 3 倍。
SENSE是一个生成式城市建筑能耗建模框架，它使用扩散模型合成卫星图像和能耗数据，在减少标注数据需求的同时实现了高保真结果。
RS-Claw 提出了一种用于遥感智能体的主动工具探索范式，利用层次化技能树，支持按需顺序决策，在Earth-Bench上实现了高达86%的输入令牌压缩，并且性能优于被动选择基线。
ChangeFlow 提出了一种用于遥感变化检测的生成式框架，该框架利用纠正流在潜空间中合成变化掩码，通过基于采样的预测集成实现了更高的准确率和鲁棒性，在四个基准数据集上的平均F1分数达到80.4%。
本文探讨了利用大型视觉-语言模型处理遥感影像以进行建成环境推理任务（如设计建议和风险识别）。研究评估了 InternVL 和 Qwen 等模型，突显了其在支持智慧城市决策和定量推理方面的潜力。
本文评估了以 Prithvi-EO 为代表的地理空间基础模型嵌入，在撒哈拉以南非洲地区预测作物产量时，相较于传统 Sentinel-2 特征是否具备跨国泛化优势。研究发现，在严格的留一国交叉验证下，冻结的嵌入特征并未显著优于光谱中位数，表明国家层面的分布偏移是主要瓶颈，而非特征表示的质量。
本文提出了一种利用商用微波链路和扩散模型先验进行雨场重建的贝叶斯反问题框架，展示了其相对于现有基准方法的准确性提升。
RemoteZero 是一个框架，通过利用多模态大语言模型（MLLMs）的语义验证能力，消除了地理空间推理中对人工标注框监督的需求，从而实现了从未经标注的遥感数据中进行自我演进的定位能力。
世界资源研究所宣布推出林冠高度图 v2，这是一个开源模型及相关的全球尺度地图，旨在以更精确的方式绘制全球森林地图。