可可地圖繪製需要亞米級分辨率嗎？科特迪瓦景觀分層評估：甚高分辨率影像、十米級地球觀測輸入與操作產品的對比
一項在科特迪瓦進行的研究比較了甚高分辨率（0.5米）與十米級衞星影像在可可地圖繪製中的表現，結果顯示VHR的F1得分達到0.92，而TESSERA等基礎模型嵌入（F1=0.86）提供了可擴展的替代方案。在破碎化景觀中性能差異增大。
隨着可可供應鏈透明度和森林砍伐監測需求的增加，精確的可可地圖繪製變得至關重要。然而，傳統的中分辨率（10-30米）衞星圖像在異質小農景觀中可能難以準確檢測可可種植區。為了探究亞米級分辨率是否真的必要，一項發表在arXiv上的研究（arXiv:2607.08945）在科特迪瓦開展了系統性實驗。
研究團隊由Kasimir Orlowski等六位作者組成，他們比較了多種數據源：0.5米分辨率的Pleiades甚高分辨率（VHR）影像、10米分辨率的Sentinel-2年度合成影像，以及來自TESSERA和AlphaEarth Foundations（AEF）的基礎模型嵌入。此外，他們還評估了四個現有的公開可可地圖產品，包括Kalischek等。模型性能通過景觀分層精度評估進行驗證，使用了2,821個獨立解讀的參考點，這些點分佈在不同樹木覆蓋密度和景觀破碎化梯度上。
結果顯示，VHR模型表現最佳，F1得分達到0.92，並且在所有景觀分層中均保持F1>0.90，顯示出極高的穩定性。在十米級輸入中，TESSERA表現最好（F1=0.86），其次是AEF（F1=0.82）和Sentinel-2（F1=0.76）。在現有可可產品中，Kalischek產品表現最佳（F1=0.83），與內部訓練的AEF模型相當。研究還發現，隨着景觀破碎化程度增加以及樹木覆蓋密度極低或極高，VHR與十米級方法的性能差異顯著擴大。例如，在高度破碎化的區域，VHR的優勢更為明顯。
因此，在複雜可可景觀中，針對性的VHR採集可能特別有益，而基礎模型嵌入則為大面積地圖繪製提供了可擴展的替代方案。這項研究為不同場景下選擇適當遙感數據提供了重要指導，尤其對於監管機構和可可供應鏈企業而言，理解這些性能差異有助於優化資源分配和監測策略。