本研究使用非标记的SAR数据，通过预训练和微调DINO模型，预测高分辨率土地覆盖地图。发现预训练模型性能略有提升，讨论了自监督学习在遥感和土地覆盖分割中的局限性和机会。展示了ViT的注意力图在遥感领域具有内在价值，并可能为其他算法提供有用的输入。为地球观测提供更好的自监督学习模型基础。

本研究使用非标记的合成孔径雷达数据，通过预先训练自监督学习模型并微调，成功预测高分辨率土地覆盖地图。研究探究了DINO算法的特征及其在合成孔径雷达成像领域的应用，发现预训练模型性能略有提升。同时，研究讨论了自监督学习在遥感和土地覆盖分割中的局限性和机会，并展示了ViT的注意力图在遥感领域具有重要的内在价值。