Leveraging geospatial foundation model embeddings for local-scale landslide susceptibility mapping via positive-unlabeled learning
Diese Studie schlägt einen einsatzorientierten Workflow vor, der die Embeddings des AlphaEarth-Fundamentmodells mit Positive-Unlabeled-Learning integriert, um Label- und Redundanzherausforderungen zu bewältigen und durch die effektive Fusion von transferierbaren geospatialen Repräsentationen mit traditionellen physikalischen Merkmalen eine hochselektive, lokale Kartierung der Erdrutschanfälligkeit in Hongkong zu erreichen.