GRSM2026
地球嵌入：迈向以人工智能为中心的地球表示
针对传统地理空间数据分析高度依赖多源异构数据处理、专业领域知识与复杂计算流程，以及现有方法普遍采用任务专用建模范式、难以实现跨任务知识共享与泛化应用等问题，提出一种面向人工智能的地球嵌入表示（Earth Embeddings）新范式。该研究从地理空间数据统一表征与高效智能分析的角度出发，系统阐述地球嵌入通过融合不同时间、空间及数据来源的地理空间观测信息，将复杂原始数据压缩为具有地理语义的高维稠密向量，实现局部地理环境特征的统一表达与高效存储。在此基础上，探讨地球嵌入在多源地理空间信息融合、观测数据插值、下游任务迁移及跨模型知识交互等方面的应用潜力，重点分析其作为地理空间基础表征与大语言模型（LLMs）等人工智能基础模型之间连接桥梁的技术价值。同时，从数据使用者与模型开发者两个视角，梳理地球嵌入技术的发展现状、应用模式与未来研究方向，强调跨学科协作、方法标准化及开放源代码生态建设的重要性。该研究推动地理空间智能分析从传统分散式、任务驱动的专用建模模式向统一表征、低计算成本及跨任务泛化的人工智能分析范式转变，为大规模地球观测数据的智能组织、共享利用与通用地理空间人工智能技术发展提供了新的研究思路。