지리적 암시적 신경 표현(INR)의 location embedding이 어떤 지리·의미 정보를 담는지 희소 오토인코더, SpLiCE 기반 자연어 개념, CLIP Surgery saliency map으로 희소 잠재 개념·자연어 개념·시각 특징으로 분해해 해석 가능성을 분석한다. 높은 재구성 성능을 유지하면서 숲·사막·도시 구조 등 해석 가능한 지리 구조와 도로·랜드마크 같은 보완적 특징을 드러내며, 인코더마다 도시 신호부터 기후·생물군계 신호까지 체계적 차이를 보인다.
브라질의 대서양 숲은 중요한 생물 다양성 핫스팟이지만, 원래 면적의 12-15% 미만만이 남아 있습니다. 대규모 숲 복원 모니터링은 필수적이지만, 전통적인 방법은 그러한 규모에서의 현장 보고의 비현실성과 NDVI와 같은 원격 탐지 지수의 포화에 의해 제한됩니다. 또한, 조림은 산림 벌채로 인한 급격한 스펙트럼 변화와 달리 점진적인 과정입니다. 이 연구에서 우리는 AlphaEarth Foundation의 모델에서 나온 위성 임베딩을 사용하여 초기 복원 성공을 특성화하는 데 있어 그 효과를 평가하기 위해 상파울루(São Paulo)의 1,729개 복원 지역을 조사합니다. 우리는 '참조 궤적 임베딩(Reference Trajectory Embedding)'의 개념을 도입하여, 성숙한 이차림 참조 지역과의 코사인 유사도(cosine similarity)를 기반으로 복원 성공의 지표를 정의합니다. 우리는 서로 다른 토지 이용 및 토지 피복(LULC) 유형에 따라 임베딩 공간에서 뚜렷한 군집을 관찰했으며, 명확한 변화 벡터를 가진 지역을 식별할 수 있었습니다. 그러나 신호는 노이즈가 있을 수 있으며, LULC 이외의 지역 메타데이터를 포착하고 예측하기 위해 임베딩은 추가적인 미세조정(fine-tuning)이 필요할 수 있습니다.