观潮 · 模式预报与气象 AI 观察
换个气候带就废：980 张卫星图上，土地覆盖分割 mIoU 从 60.9 掉到 8.5
> 土地覆盖语义分割的公开数据集不少，但几乎没有一个按气候分域。这篇论文给出 CASID：980 张 5000×5000 像素、1 米分辨率的 Google Earth 影像，取自亚洲 30 个地区、四个气候带（温带季风、亚热带季风、热带季风、热带雨林），逐像素标注背景、建筑、森林、道路、水体五类。用它做跨气候带检验，DeepLabV2 在同气候带内 mIoU 为 39.9 到 60.9，跨到别的气候带只剩 8.5 到 15.3，单域最大落差 51.5。七个无监督域自适应方法里表现最好的把「温带季风训、热带雨林测」从 12.2 拉到 46.4，仍然低于热带雨林自身训练出来的 49.0。作者自己在表注里声明：这个最好成绩换了更强的骨干网络，与其他方法不是同口径比较；数据集也尚未公开。
缺的是哪一块
土地覆盖语义分割做的是给遥感影像每个像素打类别标签，城市规划、精细农业、粮食安全评估、环境保护都用它。主流方法全是深度学习，效果高度依赖数据集的质与量。
已有的数据集按规模分两代。早一代（ISPRS Vaihingen、ISPRS Potsdam、Zurich Summer、Zeebruges、USGS SIRI-WHU、EvLab-SS、LandCover.ai）标注精细但覆盖面积小、样本数有限。新一代（SpaceNet、DeepGlobe、AIRS、LandCoverNet、GID、LoveDA）规模上去了，样本取自不同城市。
问题在于：这些数据集把「地域多样性」理解为「不同城市」，没有按气候分域。LoveDA 证明了人类管理这一维——城乡之间因为社会经济发展水平不同，人居环境不一样，会产生域差。但按作者的判断，气候对土地覆盖的塑造比人类管理更根本，而这一维此前几乎没人系统研究过。
后果很直接：在某个气候带上调到最优的模型，换到另一个气候带的影像上会迅速失效。
数据集怎么搭的
CASID 的构造规则是先定气候带、再在带内选地区，保证四个域的标签口径一致。
项 · 数值
影像数 · 980 张
单幅尺寸 · 5000 × 5000 像素
空间分辨率 · 1 米
影像来源 · Google Earth 平台
地理覆盖 · 亚洲 30 个城市或地区，总面积超过 24500 平方公里
气候带（四个域） · 温带季风 TemMs、亚热带季风 SubMs、热带季风 TroMs、热带雨林 TroRf
每带影像数 · 200 到 300 张，各带数量接近
每带地区数 · 6 到 10 个，其中 2 个留作测试集
数据划分 · 训练集约 70%，测试集约 30%
标注 · 五类逐像素标签：背景、建筑、森林、道路、水体，由专家组标注
选 5000×5000 这个尺寸是有意为之：大画幅能容纳复杂背景样本，背景类内部的差异被撑大，这对语义分割模型处理遥感影像里「不关心但必须认出来」的那一大片背景有好处。
类别不平衡是数据集的固有属性，不是缺陷：道路细长弯曲、占的像素少，森林连片、占的像素多，各类占比天然差很多。论文把它当作要解决的挑战列出来，没有做重采样抹平。
结果数字
先看同带训练、跨带测试的 mIoU 矩阵（行是训练域，列是测试域）：
训练域 ＼ 测试域 · TemMs · SubMs · TroMs · TroRf
TemMs · **39.9** · 9.4 · 10.9 · 12.2
SubMs · 10.0 · **60.9** · 12.8 · 15.3
TroMs · 12.2 · 12.8 · **56.5** · 9.1
TroRf · 8.5 · 10.2 · 12.8 · **49.0**
性能落差 · 31.4 · 51.5 · 45.6 · 39.9
对角线（同气候带）最高 60.9、最低 39.9；非对角线全部落在 8.5 到 15.3 之间。最惨的一格是「热带雨林训、温带季风测」的 8.5。
再看无监督域自适应能补回多少。以最难的目标域 TroRf 为例（单位 mIoU）：
迁移方向 · 只用源域 · AdaptSeg · CBST · CLAN · PyCDA · FADA · ASA · DAFormer*
TemMs → TroRf · 12.2 · 35.4 · 31.0 · 38.2 · 17.8 · 28.4 · 24.5 · **46.4**
SubMs → TroRf · 15.3 · 44.0 · 46.8 · 48.1 · 15.6 · 43.3 · 32.4 · **63.4**
TroMs → TroRf · 9.1 · 41.7 · 40.6 · 44.6 · 19.1 · 42.8 · 33.5 · **57.8**
目标域自己训练自己（TroRf → TroRf）是 49.0。也就是说，DAFormer 在 SubMs → TroRf 上跑出的 63.4 已经超过目标域自训水平，但在 TemMs → TroRf 上（46.4）和 TroMs → TroRf 上（57.8）仍未追平 49.0 这个「本域上限」所代表的难度基准——注意不同目标域的 49.0 只属于 TroRf。所有实验重复五次，论文报的是均值和方差。
失败要单独拎出来说。PyCDA 在 SubMs → TroRf 上只有 15.6，和什么都不做（15.3）几乎一样；它在 TemMs → TroRf 上也只有 17.8，是七个方法里唯一一个改善幅度不到 6 个点的。
类别层面的崩塌更直观。以 TemMs → TroRf 只用源域为例，五类 IoU 分别是：背景 0.4、建筑 0.6、森林 58.7、道路 0.1、水体 1.2。模型只还认得森林，建筑、道路、水体基本全丢。而目标域自训时同样的五类是：背景 15.0、建筑 70.0、森林 92.8、道路 10.8、水体 56.4。
五个维度上的差异
为了说明「气候域差」不是感觉，论文从五个可统计的维度量了一遍：
维度 · 做法 · 结论
全局图像特征 · 裁成 1024×1024 图块，用 InceptionV3 提 2048 维全局池化向量，再用 t-SNE 降到二维 · 四个气候域明显分开，且相对位置与气候图上的地理位置高度接近
图像纹理 · 灰度共生矩阵（GLCM）的 contrast、dissimilarity、homogeneity、energy 四项 · 四项指标从 TemMs 到 TroRf 呈渐变，与全局特征结论一致
类别分布 · 统计各类像素占比 · 热带雨林区森林占 76.2%，温带季风区只有 45.4%
光谱值 · 逐类统计红绿蓝三通道均值与标准差 · 同一个类别在不同气候带均值差异显著，类内方差被撑大
对象形状 · 统计对象平均面积与多边形顶点数 · 道路细长弯曲、顶点多；森林连片、面积大；各类的形状统计随气候带改变
t-SNE 图上还有一个细节：只放 TemMs 和 TroRf 两个域时，两者之间有清晰边界；把 SubMs 或 TroMs 加进来，它们大多落在 TemMs 与 TroRf 之间。这对应的是气候带在地理上本来就是渐变的。
为什么加数据量补不上
论文做了一组对照：固定 TemMs → TroRf 只用源域，把训练数据量从 25% 加到 50% 再到 100%，mIoU 分别是 7.7、12.0、12.2。
从 25% 到 50% 有 4.3 个点的提升，从 50% 到 100% 只有 0.2。这条曲线的含义是：气候域差不是样本量不足造成的，加到满量也补不上。
背后的机制是气候决定植被分布——温度和降水高的地方植物群落更繁茂多样，反过来就是低覆盖。植被一变，地物的光谱、纹理、形状跟着变，连建筑物和道路的材料、宽度也会因为要适应温湿条件而不同。模型在源域学到的是「这个气候带里的森林长这样」，换一个带，同一类别的像素分布就整体偏移了。
域自适应方法之所以有效，是因为它们不碰数据量，而是直接对齐特征分布：对抗训练一支（用一个判别器逼特征提取器学域不变特征），自训练一支（在目标域生成伪标签再交替精调）。DAFormer 属于把 Transformer 编码器和多级上下文融合解码器结合起来的那类，在这组实验里改善幅度最大。
作者承认的限制
- 数据集还没公开。原文写的是「will be made publicly available soon」，仓库地址给了
https://github.com/Linwei-Chen/CASID，但论文提交时取不到。 - 最好的那个数不是公平比较。论文在表注里用星号标出：DAFormer 用的是更强的 SegFormer 作为分割模型，其余所有方法（包括只用源域、只用目标域两组基线）统一用标准 DeepLabV2。46.4 到 63.4 这一列因此混入了骨干网络差异。
- 只覆盖亚洲 30 个地区、四个气候带。干旱气候、寒带气候等类型不在数据集里，结论不能外推到这些气候带。
- PyCDA 的反常表现论文没有解释。它在 SubMs → TroRf 上是 15.6，与只用源域的 15.3 基本持平，作者列出了这个数但没有分析原因。
- 失败案例单独成图。论文用一整幅图给出域自适应失败的样例，说明方法并非在所有样本上都能救回来。
一句话判断
CASID 把「气候」这个此前被忽略的变量做成了可量化的基准：它证明了跨气候带的土地覆盖分割会掉到 8.5 到 15.3 这个量级，也证明了加数据和主流域自适应方法都还不能把这件事彻底解决——对任何要把遥感分割模型跨区域部署的场景，这都是一条必须先测的基线。