SSL4Eco: A Global Seasonal Dataset for Geospatial Foundation Models in Ecology
作者: Elena Plekhanova, Damien Robert, Johannes Dollinger, Emilia Arens, Philipp Brun, Jan Dirk Wegner, Niklaus Zimmermann
分类: cs.CV
发布日期: 2025-04-25 (更新: 2025-10-20)
备注: CVPR 2025, EarthVision workshop
🔗 代码/项目: GITHUB
💡 一句话要点
提出SSL4Eco全球季节性数据集，提升生态地学基础模型在下游任务的表现。
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自监督学习 地理空间模型 生态学 季节性 Sentinel-2 物候学 数据集构建
📋 核心要点
- 现有地学模型训练数据集偏向人类活动区域，生态区域代表性不足，且未充分考虑物候周期。
- 提出基于物候信息的采样策略，构建多时相Sentinel-2数据集SSL4Eco，以捕捉全球植被季节性。
- 在多个生态下游任务上，SSL4Eco预训练模型表现优于其他数据集，并在7/8任务上达到SOTA。
📝 摘要（中文）
面对生物多样性和气候危机的加剧，全球生物多样性绘图等宏观生态研究变得更加紧迫。遥感技术为生态研究提供了丰富的地球观测数据，但标记数据集的稀缺仍然是一个主要挑战。近年来，自监督学习使得从无标签数据中学习表征成为可能，从而推动了具有通用特征的预训练地学模型的开发。然而，这些模型通常在偏向于人类活动频繁区域的数据集上进行训练，导致整个生态区域的代表性不足。此外，虽然一些数据集试图通过多时相图像来解决季节性问题，但它们通常遵循日历季节，而不是当地的物候周期。为了更好地捕捉全球范围内的植被季节性，我们提出了一种简单的物候信息采样策略，并引入了相应的多时相Sentinel-2数据集SSL4Eco，我们使用季节对比目标在该数据集上训练了一个现有模型。我们将从SSL4Eco学习到的表征与其他数据集在不同的生态下游任务上进行比较，并证明我们简单的采样方法始终能够提高表征质量，突出了数据集构建的重要性。在跨越（多标签）分类和回归的8个下游任务中，在SSL4Eco上预训练的模型在7个任务上达到了最先进的性能。我们发布了我们的代码、数据和模型权重，以支持宏观生态和计算机视觉研究。
🔬 方法详解
问题定义：论文旨在解决现有地理空间基础模型在生态应用中表现不佳的问题。现有模型通常在包含人类活动密集区域的数据集上训练，忽略了生态区域的多样性和季节性变化，导致模型泛化能力不足，无法有效应用于全球尺度的生态研究。现有数据集也缺乏对物候周期的有效建模。
核心思路：论文的核心思路是构建一个更具代表性的、包含全球不同生态区域和季节性变化的数据集SSL4Eco。通过基于物候信息的采样策略，确保数据集能够捕捉到植被在不同季节的生长变化，从而提升模型对生态环境的理解和表征能力。
技术框架：论文的技术框架主要包括数据集构建和模型训练两个阶段。数据集构建阶段，首先定义了基于物候信息的采样策略，然后利用Sentinel-2卫星数据构建了SSL4Eco数据集。模型训练阶段，选择一个现有的自监督学习模型，并使用SSL4Eco数据集进行预训练，采用季节对比学习目标，使模型能够区分不同季节的图像特征。
关键创新：论文的关键创新在于提出了基于物候信息的采样策略，并构建了SSL4Eco数据集。该策略能够有效地捕捉到全球不同生态区域的季节性变化，从而提升了模型的表征能力。与现有数据集相比，SSL4Eco更具代表性，能够更好地支持生态相关的下游任务。
关键设计：论文的关键设计包括：1) 基于物候信息的采样策略，具体采样方法未知；2) 使用Sentinel-2卫星数据，保证了数据的全球覆盖和时空分辨率；3) 采用季节对比学习目标，鼓励模型学习区分不同季节的图像特征；4) 使用现有的自监督学习模型，并针对SSL4Eco数据集进行微调。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在SSL4Eco数据集上预训练的模型在8个生态下游任务中的7个上达到了最先进的性能。这些任务涵盖了多标签分类和回归，证明了SSL4Eco数据集和基于物候信息的采样策略的有效性。具体的性能数据和提升幅度在论文中给出，但摘要中未明确提及。
🎯 应用场景
该研究成果可广泛应用于全球生物多样性监测、气候变化影响评估、农业生产预测、自然资源管理等领域。通过提升地理空间基础模型在生态领域的性能，可以为相关研究提供更准确、可靠的数据支持，助力应对生物多样性和气候危机。
📄 摘要（原文）
With the exacerbation of the biodiversity and climate crises, macroecological pursuits such as global biodiversity mapping become more urgent. Remote sensing offers a wealth of Earth observation data for ecological studies, but the scarcity of labeled datasets remains a major challenge. Recently, self-supervised learning has enabled learning representations from unlabeled data, triggering the development of pretrained geospatial models with generalizable features. However, these models are often trained on datasets biased toward areas of high human activity, leaving entire ecological regions underrepresented. Additionally, while some datasets attempt to address seasonality through multi-date imagery, they typically follow calendar seasons rather than local phenological cycles. To better capture vegetation seasonality at a global scale, we propose a simple phenology-informed sampling strategy and introduce corresponding SSL4Eco, a multi-date Sentinel-2 dataset, on which we train an existing model with a season-contrastive objective. We compare representations learned from SSL4Eco against other datasets on diverse ecological downstream tasks and demonstrate that our straightforward sampling method consistently improves representation quality, highlighting the importance of dataset construction. The model pretrained on SSL4Eco reaches state of the art performance on 7 out of 8 downstream tasks spanning (multi-label) classification and regression. We release our code, data, and model weights to support macroecological and computer vision research at https://github.com/PlekhanovaElena/ssl4eco.