ENVI Deep Learning 4.0的Analytics Repository可以让组织内共享AI模型，训练一次、在相似影像上复用——但“空间和光谱相似”这个条件在真实业务里有多难满足，一个在A区域、A传感器、A季节训出来的模型，换到B区域就精度骤降时，共享仓库里那些“看起来能用”的模型，到底是在降低重复劳动，还是在制造一种“有模型可用”的虚假安全感？

一、问题的提出：仓库里的模型为什么“看起来能用”

1.1 从工程目录到组织资产：仓库范式解决了什么

遥感深度学习项目的典型生命周期中，模型文件长期以“工程副产物”的形态存在：散落在个人工作站的 .h5、.pt 或 ONNX 文件里，命名随意，训练配置与样本清单往往只存在于作者记忆中。ENVI Deep Learning 4.0 的 Analytics Repository 试图改变这一状态：它把模型、元数据与推理入口集中托管，使组织内成员可以检索、下载、在本地影像上直接推理。从软件工程视角看，这是把模型从隐式知识转化为显式资产的必要一步，其价值在“可发现性”与“可复现性”两个维度上是确定的。

但仓库的产品叙事中隐含了一个跳跃：从“模型可被找到”直接推导到“模型可被复用”。这两者之间隔着一整个域偏移问题。笔者认为，这一跳跃在软件工程语境下是合理的——一个排序算法库的函数在任何输入分布下都保持语义正确；但遥感深度学习模型是数据分布的函数，它的正确性只在训练分布附近有保证。把软件包的复用直觉迁移到统计模型上，是仓库范式最容易被误读的地方。

1.2 “相似影像”的定义缺失：一个被产品语言掩盖的技术空洞

“在相似影像上复用”这句话的关键词是“相似”，但产品文档通常不会给出相似性的判据。在遥感语境下，相似性至少可以在四个层面被定义，而它们彼此并不同构：

本文评述：四类相似性中，前两类在元数据中尚可部分核对，后两类几乎从不被记录。而恰恰是物候相似性，在农业、林业、湿地等季节性强烈的场景中构成最主要的失效来源。一个在华北平原 7 月训练的玉米识别模型，拿到 5 月的同一区域，光谱特征会因作物生育期不同而发生整体漂移——此时“同一区域、同一传感器”这两个条件都满足，模型依然可能失效。这说明“相似”不能由地理坐标或传感器型号来代理。

1.3 虚假安全感的形成机制

“虚假安全感”不是一个修辞，它有清晰的认知机制。当组织内出现一个可检索的模型仓库，使用者的决策路径会从“我是否需要训练模型”转变为“仓库里有没有能用的模型”。前者触发的是需求评估，后者触发的是匹配搜索。匹配搜索的终止条件往往是元数据层面的匹配（区域相近、传感器相同、任务名称一致），而不是分布层面的验证。一旦元数据匹配成功，使用者倾向于直接推理并接受结果，因为“仓库里的模型”自带组织背书。

笔者认为，这种机制的风险在于错误的可见性被降低。个人训练的模型失效时，作者通常知道自己的模型在哪些场景下不靠谱；而仓库中的模型失效时，使用者缺乏判断依据，失效往往以“结果看起来有点怪”的形式被感知，却难以归因。仓库在提升模型可见性的同时，可能降低了失效的可见性。

这一判断有间接的实证支持。在机器学习运维（MLOps）领域的公开讨论中，模型复用的失败案例大量集中在“输入分布与训练分布不一致而未被检测”这一类，而非模型架构或训练算法本身的问题。遥感领域的特殊性在于，输入分布的漂移源比通用计算机视觉更多、更隐蔽、更难通过人工目视发现。

二、域偏移的机制解剖：四类偏移源与可量化边界

2.1 协变量偏移与概念偏移：两种性质不同的失效

在迁移学习理论中，域偏移通常被区分为协变量偏移（covariate shift）与概念偏移（concept shift）。协变量偏移指输入边缘分布 P(X) 改变而条件分布 P(Y|X) 保持；概念偏移指 P(Y|X) 本身改变。这一区分对遥感模型复用的工程含义截然不同。

协变量偏移在遥感中主要来自传感器差异与大气条件差异。例如同一地物在 Landsat 8 OLI 与 Sentinel-2 MSI 上的光谱响应存在系统性差异，即便经过大气校正，波段等效响应函数的不同仍会留下残差。这类偏移在理论上可以通过输入标准化、直方图匹配或域适应方法部分缓解，因为标签语义没有改变。概念偏移则更棘手：如果 A 区域的“裸地”标注协议包含收割后的农田，而 B 区域的标注协议将其归入“农田”，那么同一个光谱特征在两个区域的标签含义不同，任何输入层面的对齐都无法修复。

本文评述：工程实践中，绝大多数“精度骤降”是两类偏移叠加的结果，但团队往往只针对协变量偏移做处理（如加做辐射归一化），而忽略概念偏移。笔者认为，模型入库时应强制区分这两类风险，因为它们的缓解成本相差一个数量级——协变量偏移可以通过预处理流水线工程化解决，概念偏移只能通过重新标注或标签映射解决。

2.2 传感器差异的量化：以波段等效响应为例

传感器差异不是定性描述，它可以被量化。核心工具是光谱响应函数（Spectral Response Function, SRF）的卷积比较。给定高分辨率光谱反射率曲线 R(λ)，传感器 i 的第 b 波段等效反射率为：

ρ_i,b = ∫ R(λ) · SRF_i,b(λ) dλ / ∫ SRF_i,b(λ) dλ

两个传感器在波段 b 上的差异可以表示为等效反射率之差的分布。对于植被、水体、裸土、人工建筑四类典型地物，这一差异的量级在不同波段上并不一致。公开的光谱库（如 USGS Spectral Library、ECOSTRESS 光谱库）提供了足够的高分辨率参考曲线用于此类计算，任何团队都可以在本地复现，无需依赖特定厂商的结论。

笔者认为，这一步计算应当成为模型入库的强制项。它给出的不是“能不能用”的二元判断，而是“在哪些波段上差异最大”的定位信息，直接指导后续的输入标准化策略。如果两个传感器在近红外波段的等效反射率差异显著，而模型对该波段依赖度高（可通过特征重要性或梯度类激活图评估），则跨传感器复用的风险等级应被上调。

2.3 物候与地表构成差异：最隐蔽的偏移源

物候差异的隐蔽性在于，它不改变元数据中的任何字段。同一传感器、同一区域、同一投影、同一分辨率，仅仅是成像日期相差两个月，地物的光谱表现就可能发生系统性变化。对于一年一熟或两熟农区，这种变化是结构性的而非噪声性的。

地表覆盖构成差异则作用于场景统计层面。深度学习模型，尤其是基于图像块（patch）训练的语义分割模型，其推理结果不仅依赖块内像素，也隐式依赖块内类别的共现频率。一个在城郊混合区训练的模型，学到“高反射率矩形区域附近常有低反射率线状结构”（建筑与道路共现），当它被应用于纯农业区时，这种共现先验会误导分类。这类偏移无法通过单像素级的辐射归一化消除。

本文评述：这解释了一个常见困惑——为什么模型在目标区域“逐像素看都对”，整体精度却上不去。原因往往不在像素级特征，而在场景级上下文先验的错配。笔者认为，评估跨区域复用风险时，应同时计算像素级指标与场景级指标（如类别共现矩阵的散度），后者对上下文先验的偏移更敏感。

三、公开证据：跨区域、跨传感器迁移的精度衰减数据

3.1 跨区域迁移的公开基准表现

遥感领域已有多个公开基准用于评估跨区域泛化能力，其中影响较大的是围绕 SpaceNet 系列、DeepGlobe 以及 IEEE GRSS 数据融合竞赛（Data Fusion Contest）构建的任务。以建筑物提取为例，在 SpaceNet 不同城市子集之间做零样本迁移（在 A 城训练、B 城测试、不做任何微调），公开报告的性能下降幅度通常显著，具体数值随城市对、模型架构与评价指标而异。需要强调的是，这些数值不能简单移植到具体业务场景，因为城市形态差异、标注质量差异都会影响结果；但它们确立了一个定性结论：零样本跨城市迁移的性能损失是普遍存在的，而非个例。

在作物分类方向，跨区域迁移的挑战更为突出。不同农业生态区的主栽作物组合不同，同一作物在不同区域的田块尺寸、种植密度、灌溉方式也不同。公开研究普遍报告，跨生态区直接迁移的精度损失大于同区域内跨年份迁移，而后者又大于同年内跨时相迁移。这一梯度本身就是一个有价值的工程判据：迁移距离应按生态区、年份、时相的顺序逐级评估，而不是笼统地按地理距离。

3.2 跨传感器迁移：Sentinel-2 与 Landsat 8/9 的典型场景

Sentinel-2 MSI 与 Landsat 8/9 OLI 是当前最常被混用的两个免费数据源。二者在空间分辨率（10/20/60 米 vs 30 米）、波段设置、辐射量化（12 bit vs 16 bit）上均有差异。工程上常见的做法是把 Sentinel-2 重采样到 30 米以匹配 Landsat，或反之。但重采样只解决空间尺度，不解决光谱响应差异。

公开的交叉定标研究（如基于伪不变目标的方法）表明，经过良好大气校正与交叉定标后，两个传感器在多数波段上的一致性可以显著改善，但近红外与短波红外波段的残差通常大于可见光波段。这意味着，如果一个模型对近红外波段依赖度高（植被相关任务几乎必然如此），跨传感器复用的风险就高于对可见光依赖度高的模型。笔者认为，这一依赖度信息应当作为模型元数据的一部分被记录，而当前多数模型仓库并不采集此类信息。

3.3 数据来源与预处理说明

本节所引用的公开基准与交叉定标结论，均来自可公开检索的学术文献与竞赛报告，具体条目见文末主要参考文献。涉及数据集的预处理细节需明确说明：SpaceNet 系列影像通常已做正射校正与辐射校正，但不同子集的校正级别与云掩膜策略并不完全一致；Sentinel-2 Level-2A 产品已做大气校正，Landsat Collection 2 Level-2 产品同样提供地表反射率，但两者的气溶胶反演算法不同，直接比较时需注意残差。本文不引用任何未经公开的私有数据集结论，也不虚构实验数值；凡涉及量级判断处，均以“公开研究报告的普遍趋势”表述，避免给出无法溯源的精确数字。

四、治理框架：模型卡、失效地图与域偏移探针

4.1 模型卡：把失效边界写进资产本身

模型卡（Model Card）概念最早在通用机器学习领域被提出，用于记录模型的预期用途、训练数据、评估结果与局限。遥感场景需要对这一模板做实质性改造，因为通用模板中的“评估结果”通常是单一测试集上的聚合指标，而遥感模型需要的是分层的、带条件的性能画像。

笔者建议的遥感模型卡至少包含以下字段：训练区域的生态区与行政范围、传感器与产品级别、成像时相窗口、标注协议版本、类别体系定义、各波段的特征重要性排序、在留出测试集上的混淆矩阵、以及在至少两个“压力测试域”上的性能（例如不同季节、不同传感器、不同生态区各一个）。压力测试域的选择原则是选择与训练域差异最大但业务上可能遇到的域，而不是选择容易取得高分的域。

4.2 失效地图：空间化的风险表达

模型卡是文本化的，失效地图是空间化的。其基本思路是：在目标区域内选取若干验证样本点，计算模型在这些点上的误差，再将误差空间插值或按网格聚合，形成一张“误差热力图”。这张图的价值在于，它把“模型在该区域精度 82%”这样的聚合数字，转化为“模型在东北部湿地片区误差集中”这样的可操作信息。

本文评述：失效地图的构建成本远低于重新训练模型，但其信息增益很高。笔者认为，任何跨区域复用的模型，在上线前都应至少生成一张粗粒度的失效地图。如果验证样本不足以支撑空间插值，退而求其次的做法是按地表覆盖类型分层报告误差，这同样能暴露系统性失效。

4.3 域偏移探针：入库前的自动化筛查

域偏移探针（domain shift probe）是一组轻量级的统计检验，用于在推理前快速判断输入影像是否落在模型的可靠域内。可用的探针包括：波段统计量的分布距离（如每波段的均值、方差、分位数与训练集基线的偏差）、光谱指数（NDVI、NDWI 等）的分布偏移、以及基于预训练特征提取器的特征空间距离。

工程上，探针不需要复杂模型，简单的马氏距离或最大均值差异（MMD）在多数场景下已足够提供预警。关键在于基线要随模型一起入库——训练集的波段统计量与特征分布应作为模型元数据保存，否则探针无从比较。这一点在当前仓库产品中通常不被默认支持，需要组织自行约定。

五、操作路径：从模型入库到上线验收的七步法

5.1 七步流程与验收指标

以下流程面向使用 ENVI Deep Learning 4.0 及其 Analytics Repository 的组织，但方法论与具体软件无关，可迁移到其他模型托管平台。

1. 训练域画像登记：记录生态区、传感器、产品级别、时相窗口、标注协议版本。验收标准：字段完整率 100%。
2. 波段依赖度评估：用置换重要性或梯度类激活图给出波段排序。验收标准：至少给出前三位依赖波段。
3. 压力测试域构建：选取两个与训练域差异最大的可用域，各取不少于 200 个验证样本。验收标准：样本独立于训练集，且覆盖主要类别。
4. 分层性能报告：在训练域与两个压力测试域上分别报告总体精度、Kappa 与各类别 F1。验收标准：不得只报告总体精度。
5. 失效地图生成：在至少一个目标区域生成误差空间分布。验收标准：误差热点可被解释。
6. 域偏移探针部署：保存训练集波段统计基线，配置推理前预警阈值。验收标准：探针在压力测试域上能触发预警。
7. 上线后监控：记录每次推理的探针输出与抽样人工复核结果，按月汇总。验收标准：异常样本可回溯。

5.2 一个最小可用的探针实现示例

以下代码片段演示如何用波段统计量做最简单的分布偏移预警。它不依赖特定深度学习框架，可在推理流水线前置执行。

import numpy as np

def band_shift_score(img, baseline, z_thresh=2.5):
    # img: (H, W, B) 反射率影像；baseline: 每波段 (mean, std)
    scores = []
    for b in range(img.shape[-1]):
        mu, sd = baseline[b]
        z = abs(img[..., b].mean() - mu) / (sd + 1e-6)
        scores.append(z)
    scores = np.array(scores)
    return scores, bool((scores > z_thresh).any())

# baseline 应随模型一起保存，例如 JSON: {"0": [0.081, 0.021], ...}

这个探针的局限很明显：它只看一阶统计量，对空间结构变化不敏感。笔者认为，它适合作为第一道粗筛，不适合作为唯一判据。更稳健的做法是叠加一个基于预训练特征的特征距离，但这会引入额外依赖，需权衡工程复杂度。

5.3 拓展学习资源

以下资源可用于深入理解本文涉及的方法，链接均在新窗口打开：

• NV5 Geospatial 官方深度学习文档：ENVI Deep Learning 的功能说明与工作流。
• Responsible AI Toolbox：模型卡与误差分析的参考实现。
• Model Cards for Model Reporting（arXiv）：模型卡原始论文，理解字段设计意图。
• SpaceNet：跨城市建筑物提取基准数据与竞赛结果。
• Sentinel-2 MSI 用户手册：波段响应与产品级别说明。

六、对比与局限：仓库范式与其他复用路线的边界

6.1 三条复用路线的对比

面对跨区域复用需求，组织实际上有三条路线可选：直接复用仓库模型、基于仓库模型做微调、以及从零训练。三者在成本、风险与可控性上各有取舍。

本文评述：仓库范式的真正价值不在于支持“直接复用”，而在于降低微调的启动成本。一个有完整模型卡的仓库模型，可以让团队在数小时内判断“是否值得微调”，而不是花数周从零摸索。笔者认为，把仓库定位为“微调起点库”而非“即插即用库”，是更符合遥感数据特性的产品叙事。

6.2 框架的局限与不适用场景

本文提出的治理框架有三点明确局限。其一，它依赖验证样本，而在许多应急场景（如灾害快速评估）中，目标区域在推理前没有标注样本，此时失效地图与分层性能报告都无法生成，只能依赖探针的粗筛。其二，模型卡与失效地图的维护成本随模型数量线性增长，当仓库规模达到数百个模型时，元数据治理本身会成为负担，需要自动化工具支撑。其三，本文讨论的是语义分割与分类任务，对于目标检测与变化检测任务，域偏移的表现形式与评估指标不同，框架需要相应调整。

此外，本文不主张“跨区域复用不可行”这一极端结论。在传感器相同、生态区相同、时相接近的条件下，复用确实能显著降低重复劳动，这一点有充分的工程实践支持。问题不在于复用本身，而在于复用的条件是否被显式声明和验证。

七、结论与展望：从“有模型”到“知边界”

回到文章开头的问题：共享仓库里的模型，是在降低重复劳动，还是在制造虚假安全感？本文的结论是，两者同时成立，且比例取决于仓库的治理成熟度。在只托管模型文件、不托管失效边界的仓库中，虚假安全感的成分占主导；在强制模型卡、失效地图与探针基线的仓库中，降低重复劳动的成分占主导。仓库本身是中性的，它放大的是组织已有的工程纪律水平。

展望来看，遥感模型共享正在从“文件共享”走向“知识共享”。可预见的方向包括：模型卡格式的行业标准化、失效地图的自动化生成、以及基于基础模型（foundation model）的少样本适配对传统复用路径的替代。基础模型在遥感领域的进展值得关注，因为它们可能改变“一个模型对应一个任务”的基本假设，从而改变仓库的组织方式。但在这些方向成熟之前，对域偏移的量化能力仍是组织最应优先建设的能力。

笔者认为，衡量一个遥感 AI 团队成熟度的指标，不是它训练了多少模型，而是它能否准确说出每个模型在什么条件下会失效。这个能力无法被产品功能替代，只能被工程实践积累。

主要参考文献

1. Mitchell M, Wu S, Zaldivar A, et al. Model Cards for Model Reporting. Proceedings of the Conference on Fairness, Accountability, and Transparency (FAT*), 2019. （模型卡原始框架）
2. Zhu X X, Tuia D, Mou L, et al. Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources. IEEE Geoscience and Remote Sensing Magazine, 2017, 5(4): 8-36. （遥感深度学习综述）
3. Tuia D, Persello C, Bruzzone L. Domain Adaptation for the Classification of Remote Sensing Data: An Overview of Recent Advances. IEEE Geoscience and Remote Sensing Magazine, 2016, 4(2): 41-57. （域适应综述）
4. Ben-David S, Blitzer J, Crammer K, et al. A Theory of Learning from Different Domains. Machine Learning, 2010, 79(1-2): 151-175. （域偏移理论基础）
5. Van Etten A, Lindenbaum D, Bacastow T M. SpaceNet: A Remote Sensing Adaptation of the MNIST Dataset. arXiv:1904.01957, 2019. （跨城市建筑物提取基准）
6. Drusch M, Del Bello U, Carlier S, et al. Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services. Remote Sensing of Environment, 2012, 120: 25-36. （Sentinel-2 任务与波段设计）
7. Roy D P, Wulder M A, Loveland T R, et al. Landsat-8: Science and Product Vision for Terrestrial Global Change Research. Remote Sensing of Environment, 2014, 145: 154-172. （Landsat 8 传感器与产品）
8. Chollet F. Deep Learning with Python（第 2 版）. Manning Publications, 2021. （工程实践参考，含迁移学习章节）
9. IEEE GRSS. Data Fusion Contest 系列报告（2020-2023）. 竞赛官网与论文集. （跨域泛化评估的公开基准来源）

说明：本文引用的公开研究结论均以原始文献为准；文中涉及的量级判断基于公开研究报告的普遍趋势，未引用任何未公开私有数据集，也未虚构实验数值。数据集预处理细节已在正文 3.3 节说明。