两个遥感自监督模型即使在同一基准上得分接近，也可能把完全不同的环境信息压进嵌入。若只比较分割或分类分数，团队很难知道一个表征究竟保留了温度、降水、辐射和土壤水分等与成像过程相关的信号，还是刚好适配了某个任务。Probing Geospatial SSL Representations 提供了一种把“模型里有什么”转成可复核测试的方式。
可核查事实
Probing Geospatial SSL Representations with Environmental Signals 于 2026 年 7 月 6 日提交 arXiv。论文研究自监督遥感表征是否保留与卫星成像共同变化的环境信号，而非只通过下游任务评价它。作者选择与 Sentinel-1 雷达后向散射、Sentinel-2 光谱反射相关的 ERA5 再分析变量作为探针目标；这些变量没有被用于 SSL 预训练。
探针变量包括地表温度、总降水、地表太阳辐射、地表气压和体积土壤水分。作者为 SSL4EO 的每一条 Sentinel-1 与 Sentinel-2 观测匹配采集日的 ERA5 日聚合值，并发布带这些共位标注的 SSL4EO 扩展。探针目标是与环境过程有关的统计关联，不能被解释为传感器物理的因果反演。
评测包含两类互补方法。第一类用冻结嵌入预测 ERA5：ridge 回归测量线性可获得的信息，MLP 探针测量需要更强解码器才能读出的信息，并用随机置换 ERA5 目标的 selectivity 测试排除探针记忆。第二类不使用外部标签，诊断 seasonal alignment、uniformity、effective rank 与 off-diagonal covariance 等表征几何属性。
在受控实验中，作者将 DINO、MAE 和 MoCo 都训练为 ViT-S/16，使用 SSL4EO 的 13 波段 Sentinel-2 L1C 影像，各训练 100 个 epoch。探针在下采样的 50K 训练分割上训练，在保留验证分割上评测；MLP 为两层、隐藏维度 256、dropout 0.1。降水预测采用累计降水的对数，以处理目标分布偏斜。
论文的共位数据统计显示 Sentinel-2 有 867,164 条、Sentinel-1 有 867,216 条 ERA5 配对记录。表中 Sentinel-2 的平均地表太阳辐射为 235.1 W/m²、平均温度 17.7°C、平均地表气压 95,998 Pa、平均体积水分 0.23 m³/m³、平均降水 0.38 mm。这些是整理后的研究数据分布，不能当作任何地点的气候常数。
论文发现 DINO、MAE、MoCo 即使下游表现相近，表征几何和环境信号编码也有显著差异；线性可获得的 ERA5 信号与 PANGAEA 中农业和灾害任务的表现关联最强。对于有效秩，作者报告其与线性探针和 MLP 探针表现的 Spearman 相关分别为 0.42 与 0.40；uniformity 与线性探针的相关为 0.44。同时，论文认为这些诊断与 EarthShift 分布外鲁棒性的关联有限，样本仅为五个公开基础模型。
核心机制
这套方法把表征评估拆为“能不能解码”与“表征长什么样”。若 ridge 回归效果好，说明相关环境信号能用简单线性层读出；若只有 MLP 有效，信号可能存在但不易被下游轻量模型使用。几何指标则解释嵌入是否塌缩、是否分散或是否随季节形成结构，但它们不能单独证明模型理解了环境过程。
对 GIS 团队，正确做法是把探针、几何诊断和业务任务并列成三份报告。一个模型可以在作物或灾害任务上表现好，却在新传感器、新区域或新季节失效；探针结果应帮助定位这种差异，而不是替代空间独立的业务验证。
GIS 场景
农业监测、干旱风险、洪水制图和土地变化服务常把基础模型嵌入作为特征层。接入前，可在同一 AOI 和采集日期上将嵌入与独立环境变量配对，分别检查变量预测、季节一致性、地理留出和任务分数。输出应保留影像传感器、波段、采集时间、ERA5 产品/版本、网格尺度、嵌入模型、探针参数和评测区域。
探针误差应显示为模型选择的诊断信号，而不是一张新的“环境预测图”。尤其当 ERA5 网格远粗于卫星像元时，不能把共位关联误写为地块级温度或土壤水分测量。
技术路径
- 固定探针变量的产品、版本、时间聚合、空间配对和单位，并排除训练时已泄漏的标签。
- 冻结候选嵌入，分别运行线性、非线性和随机置换探针，报告 R²、selectivity 与置信区间。
- 计算有效秩、uniformity、alignment 等几何指标，但只将其作为诊断，不作为上线阈值的唯一依据。
- 按传感器、季节、地理区域和任务域做独立切分，检查农业、灾害等业务结果是否与探针结论一致。
- 为每次评测保存影像清单、环境数据版本、配对规则、模型权重、代码版本和失败样本，支持回放。
检查清单
- 探针目标是否独立于预训练标签，且有明确产品与版本。
- 是否记录卫星与环境变量的时间、空间配对与尺度差异。
- 是否同时报告线性、非线性和置换探针结果。
- 是否将表征几何指标与地理独立业务任务一起解释。
- 是否禁止把粗网格共位关系包装成地块级环境测量。
风险边界
ERA5 与卫星影像的关系是统计关联，受空间尺度、时间聚合、地形、云、传感器和采样分布影响。论文的受控训练、五变量与有限模型样本不覆盖所有传感器或业务任务；论文自己也指出分布外鲁棒性关联有限。模型上线仍需要本地空间留出、时相留出、人工核验和回退版本。
结论
遥感嵌入不应只凭一个下游分数被选择。ERA5 探针与表征几何诊断可以补上“模型保留了什么信息”的证据，但必须和尺度、地理独立和业务验证一起使用，才能形成可信的 GIS 特征层验收链。