Prithvi 农业基础模型在跨区域应用中存在严重的物候期错位问题，需调整观测窗口

一句话结论

Prithvi 模型跨区域精度下降主因是观测窗口与作物生长期错位，通过缩短窗口至近实时（75 天）并合并部分类别可恢复性能。

关键要点

• 模型在 12 国 37 项任务中整体精度从美国的 0.65 下滑至欧洲的 0.40，出现明显跨区域性能衰减。
• 确定性置信度在模型误判时仍保持高位，12% 至 51% 的场景区域被高置信度错误标记，存在严重的“过度自信”现象。
• 当观测窗口与当地作物物候期错位时模型精度崩溃，蒙特卡洛 dropout（Monte Carlo Dropout）熵值检测确认了这种物候期错位而非单纯空间转移是主要影响。
• 将 13 个作物类别合并为 10 个类别（基于主导混淆模式）使平均整体精度提升 8.4 个百分点。
• 将观测窗口压缩至 75 天可保持在 45 至 90 天区间的精度峰值，但短于 30 天的窗口会导致精度下降约 0.11。

背景与事实

一项针对地理空间基础模型（GeoFMs）在跨大洲农业应用中的表现研究，重点评估了广泛使用的 Prithvi-EO-2.0 模型在分布外（Out-of-Distribution, OOD）场景下的运行可靠性。该研究在三个大洲的 12 个国家中选取了 37 个农业事件，利用区域参考产品对模型进行了验证。研究数据显示，随着地理位置从美国转移至欧洲，模型的平均整体精度（OA）从 0.65 显著下降至 0.40。这一结果揭示了地理空间基础模型在训练分布之外的实际性能存在较大不确定性，单纯依赖空间泛化能力并不能保证跨区域应用的可靠性。

研究团队不仅关注精度指标，还深入剖析了模型行为的五个关键维度：模型置信度与信号故障的关联、对观测窗口的敏感性、类别方案粗化的影响、对波段缺失的鲁棒性，以及对云层和阴影污染的抗干扰能力。评估发现，当观测时间窗口与当地作物生长周期（物候期）不匹配时，模型精度会出现断崖式下跌，但此时模型的确定性置信度依然维持在较高水平。这意味着模型在“看不见”作物特征时，依然会错误地自信输出结果。进一步的校准误差分析表明，在 8 组配对事件中，有 7 组的预期校准误差（Expected Calibration Error）上升，且受影响的场景中 12% 到 51% 的面积被以接近零精确率（near-zero precision）但高置信度的方式错误标记。

为了验证导致性能下降的根本原因，研究采用了蒙特卡洛 dropout（Monte Carlo Dropout）熵值检测。该指标在全部 8 组测试中均准确识别出了分布偏移，确认了大部分跨大洲的性能衰减主要归因于物候期错位，而非纯粹的空间地理转移。基于此发现，研究提出了两种无需重新训练即可恢复精度的策略：一是类别合并，二是观测窗口优化。

影响分析

对于中文开发者及农业遥感从业者而言，这项研究明确了地理空间基础模型在实际生产部署中的边界条件。分析判断认为，直接使用通用的 Prithvi 模型进行跨区域作物分类时，不能默认其具备自动适配不同纬度作物生长周期的能力。如果观测窗口与当地种植日历脱节，模型不仅精度会大幅降低，更危险的是其“过度自信”的错误输出会导致下游决策系统产生误导。在实际应用中，建议将“观测窗口匹配物候期”作为模型部署的前置校验步骤，并引入基于不确定性的质量过滤机制，避免直接采用高置信度的错误标签。

适用边界

本文关于“缩短观测窗口至 75 天可恢复精度”的结论，主要适用于存在明显生长季节周期的谷物或季节性作物分类场景。对于全年生长无明显休眠期的热带作物，或在非农业背景复杂区域（如城市混合用地），缩短窗口未必能解决精度问题。此外，类别合并策略（从 13 类至 10 类）是基于该模型特定混淆模式得出的通用建议，若业务场景需要区分相似性极高的特定作物品种，直接合并类别将导致无法满足细粒度分类需求。

孤本观察

该研究揭示了地理空间基础模型在农业落地中“空间泛化”与“时间同步”的优先级差异，表明在实际运维中，解决时间维度的对齐问题比单纯提升空间维度精度对可靠性的贡献更为直接且成本更低。

来源：arXiv cs.LG