本文提出了一种级联多模态管道，用于高分辨率生物多样性制图，克服传统方法的局限性。通过深度物种分布模型和Pl@ntBERT，生成大陆尺度的物种分布图和生态指标图，提供精细的生态洞见，并有效整合多源遥感数据，联合建模物种间依赖关系。

本文探讨了通过伪缺失样本和修改损失函数训练多物种神经网络，以解决物种分布建模中的类别不平衡问题。研究表明，利用大规模语言模型编码物种分类学可以更好地捕捉物种间关系，并提出了一种新评估度量，提升了模型在物种预测任务中的表现。

本文介绍了多个生物多样性机器学习数据集与项目：SatBird利用卫星图像预测鸟类分布；BIOSCAN-Insect提供百万级昆虫图像及基因条形码，呈长尾分层分类；有研究用隐式神经表示估计4.7万物种分布；Reef-insight结合遥感聚类分析珊瑚礁；有工作用大语言模型编码分类阶层进行物种分布建模；DESIS高光谱数据在预测植物丰富度上优于Sentinel-2；水下机器人可高分辨率绘制珊瑚礁热点；Herbarium Half-Earth推进植物标本数字化；并提出昆虫监测识别系统。