Verbeteren foundation model-embeddings de grensoverschrijdende generalisatie van oogstvoorspellingen? Een leave-one-country-out-evaluatie in Sub-Sahara-Afrika

arXiv:2605.08113v1 Aankondigingstype: nieuw Samenvatting: Nauwkeurige voorspellingen van de maïsopbrengsten van kleine boeren over de nationale grenzen heen zijn van cruciaal belang voor de voedselzekerheidsplanning in Afrika bezuiden de Sahara, maar de meeste gepubliceerde benchmarks rapporteren prestaties binnen landen die de werkelijke generaliseerbaarheid overdrijven. Dit artikel evalueert of inbedding van geospatiale funderingsmodellen, met name Prithvi-EO-1.0-100M en ViT-Base, beter presteren dan traditionele Sentinel-2 spectrale kenmerken onder een Leave-One-Country-Out cross-valida