本文介绍了利用Copernicus计划的Sentinel卫星和Google Earth Engine构建的180,662个样本数据集，支持深度学习算法在场景分类和地表映射中的应用。研究涵盖野火识别、土地利用分类及水资源监测，提出了多模态机器学习方法，强调多光谱指数在火灾管理中的有效性，并提供了基准测试和优化建议。

该文综述遥感图像自监督表示学习研究，提出地理知识驱动方法以减少标注需求，利用增强自监督解决对比学习假阳性与重构缺失上下文问题，介绍基于Transformer的Presto模型，探索域自适应知识迁移，系统回顾160余篇深度学习场景分类文献，设计光谱—空间自监督框架，验证大规模无标签预训练优于ImageNet，提出半监督FixMatch改进，构建SeCo管道，并比较单层与深度卷积网络性能。