Leveraging geospatial foundation model embeddings for local-scale landslide susceptibility mapping via positive-unlabeled learning
Questo studio propone un flusso di lavoro orientato alla distribuzione che integra gli embedding del modello di base AlphaEarth con l'apprendimento positivo-non etichettato per superare le sfide relative alle etichette e alla ridondanza, ottenendo una mappatura della suscettibilità alle frane su scala locale altamente selettiva a Hong Kong attraverso la fusione efficace di rappresentazioni geospaziali trasferibili con caratteristiche fisiche tradizionali.