合成孔径雷达（SAR）数据在森林监测中表现出良好效果，通过机器学习估计森林的光学查找指数（VIs）。创建多时序和多模态数据集，在时间和空间上与其他数据集对齐，取得了良好结果。

本研究提出了一种基于注意力机制的深度学习方法来估算森林地上生物量，准确性更高。研究证实了利用卫星数据进行生物量估算的深度学习方法的可行性。

GEDI是一种结合了自监督学习和生成模型的贝叶斯框架，可以在不需要额外监督或预训练的情况下进行集成和联合训练。实验结果表明，GEDI在聚类性能方面优于其他自监督学习策略，并且可以利用逻辑约束形式的知识来改善小样本数据情况下的性能。