{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5416070"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5416070","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Modeling Multispectral and SAR Imagery in Geospatial Location Representations Through Multimodal Contrastive Learning","abstract":"Η ανάγκη παρατήρησης της Γης έχει διαχρονικά συμβάλει στην ενίσχυση της κατανόησής μας για το σύστημα στο οποίο ζούμε, αξιοποιώντας παρατηρήσεις για την παρακολούθηση και την πρόβλεψη συγκεκριμένων πτυχών της συμπεριφοράς του. Τα τελευταία χρόνια, η συνεχώς αυξανόμενη διαθεσιμότητα γεωχωρικών δεδομένων μάς έχει εξοπλίσει με τεράστιο όγκο πληροφοριών, ακόμη και σε πραγματικό χρόνο. Ωστόσο, δεν έχουμε ακόμη αξιοποιήσει πλήρως τα οφέλη αυτής της πληθώρας δεδομένων, κυρίως λόγω υπολογιστικών περιορισμών που προκύπτουν από την εξαιρετικά υψηλή διαστατικότητά τους. Για την αντιμετώπιση αυτής της πρόκλησης, πρόσφατη βιβλιογραφία προτείνει την κωδικοποίηση αυτής της πληροφορίας σε χαμηλής διάστασης αναπαραστάσεις γεωγραφικής τοποθεσίας, οι οποίες αποτυπώνουν ουσιαστικά χωρικά πρότυπα, διατηρώντας παράλληλα την υπολογιστική αποδοτικότητα. Οι αναπαραστάσεις αυτές επιτρέπουν την πιο αποτελεσματική επεξεργασία και σύγκριση γεωχωρικών δεδομένων μεγάλης κλίμακας σε διαφορετικά προβλήματα. Ωστόσο, τα σύγχρονα μοντέλα γεωχωρικής αναπαράστασης βασίζονται συνήθως σε μία μόνο πηγή πληροφορίας, όπως η οπτική δορυφορική απεικόνιση, γεγονός που περιορίζει την ικανότητά τους να αποτυπώσουν το πλήρες πλαίσιο μιας περιοχής ενδιαφέροντος. Η παρούσα διπλωματική εργασία διερευνά κατά πόσο οι αναπαραστάσεις γεωγραφικών τοποθεσιών μπορούν να ωφεληθούν από την ενσωμάτωση πολλαπλών πηγών γεωχωρικής πληροφορίας χωρίς την επανεκπαίδευση των θεμελιωδών μοντέλων. Συγκεκριμένα, εξετάζουμε ένα post-hoc multimodal alignment framework, το οποίο συνδυάζει προεκπαιδευμένες αναπαραστάσεις από το SatCLIP, έναν σύγχρονο κωδικοποιητή γεωγραφικών τοποθεσιών, με αναπαραστάσεις που εξάγονται από οπτικές δορυφορικές εικόνες και εικόνες δορυφορικού ραντάρ συνθετικού ανοίγματος (Synthetic Aperture Radar – SAR). Στόχος είναι να διερευνηθεί εάν η ευθυγράμμιση αυτών των συμπληρωματικών τύπων δεδομένων σε έναν κοινό διανυσματικό χώρο μπορεί να βελτιώσει την αναπαράσταση γεωγραφικών τοποθεσιών και να ενισχύσει την απόδοση σε μεταγενέστερες εργασίες (downstream tasks). Για την επίτευξη αυτού του στόχου, εικόνες από τους δορυφόρους Sentinel-1, Sentinel-2 και τον συνδυασμό τους κωδικοποιούνται αρχικά χρησιμοποιώντας παγωμένα προεκπαιδευμένα μοντέλα ResNet-18. Οι γεωγραφικές συντεταγμένες που αντιστοιχούν στις συγκεκριμένες δορυφορικές εικόνες κωδικοποιούνται μέσω του παγωμένου κωδικοποιητή τοποθεσίας του SatCLIP. Στη συνέχεια, εκπαιδεύονται ελαφριά νευρωνικά δίκτυα (Multilayer Perceptrons – MLPs) ώστε να ευθυγραμμίσουν τις αναπαραστάσεις εικόνας και τοποθεσίας μέσω multimodal contrastive learning, ενθαρρύνοντας τις αναπαραστάσεις που σχετίζονται με την ίδια γεωγραφική περιοχή να γίνουν παρόμοιες, ενώ παράλληλα διαχωρίζονται από εκείνες που αντιστοιχούν σε άσχετες τοποθεσίες. Οι προκύπτουσες ευθυγραμμισμένες αναπαραστάσεις αξιολογούνται μέσω γραμμικής διερεύνησης (linear probing) σε διάφορα προβλήματα ταξινόμησης οικοσυστημάτων από το σύνολο δεδομένων BigEarthNet. Τα πειραματικά αποτελέσματα δείχνουν ότι η ευθυγράμμιση πολλαπλών αναπαραστάσεων δορυφορικών εικόνων με προεκπαιδευμένες αναπαραστάσεις τοποθεσίας από το SatCLIP οδηγεί σε βελτιωμένη απόδοση, επιτυγχάνοντας μέση αύξηση 1,7% στο macro F1-score στα αξιολογούμενα προβλήματα ταξινόμησης.","abstract_html":"Η ανάγκη παρατήρησης της Γης έχει διαχρονικά συμβάλει στην ενίσχυση της κατανόησής μας για το σύστημα στο οποίο ζούμε, αξιοποιώντας παρατηρήσεις για την παρακολούθηση και την πρόβλεψη συγκεκριμένων πτυχών της συμπεριφοράς του. Τα τελευταία χρόνια, η συνεχώς αυξανόμενη διαθεσιμότητα γεωχωρικών δεδομένων μάς έχει εξοπλίσει με τεράστιο όγκο πληροφοριών, ακόμη και σε πραγματικό χρόνο. Ωστόσο, δεν έχουμε ακόμη αξιοποιήσει πλήρως τα οφέλη αυτής της πληθώρας δεδομένων, κυρίως λόγω υπολογιστικών περιορισμών που προκύπτουν από την εξαιρετικά υψηλή διαστατικότητά τους. Για την αντιμετώπιση αυτής της πρόκλησης, πρόσφατη βιβλιογραφία προτείνει την κωδικοποίηση αυτής της πληροφορίας σε χαμηλής διάστασης αναπαραστάσεις γεωγραφικής τοποθεσίας, οι οποίες αποτυπώνουν ουσιαστικά χωρικά πρότυπα, διατηρώντας παράλληλα την υπολογιστική αποδοτικότητα. Οι αναπαραστάσεις αυτές επιτρέπουν την πιο αποτελεσματική επεξεργασία και σύγκριση γεωχωρικών δεδομένων μεγάλης κλίμακας σε διαφορετικά προβλήματα. Ωστόσο, τα σύγχρονα μοντέλα γεωχωρικής αναπαράστασης βασίζονται συνήθως σε μία μόνο πηγή πληροφορίας, όπως η οπτική δορυφορική απεικόνιση, γεγονός που περιορίζει την ικανότητά τους να αποτυπώσουν το πλήρες πλαίσιο μιας περιοχής ενδιαφέροντος. Η παρούσα διπλωματική εργασία διερευνά κατά πόσο οι αναπαραστάσεις γεωγραφικών τοποθεσιών μπορούν να ωφεληθούν από την ενσωμάτωση πολλαπλών πηγών γεωχωρικής πληροφορίας χωρίς την επανεκπαίδευση των θεμελιωδών μοντέλων. Συγκεκριμένα, εξετάζουμε ένα post-hoc multimodal alignment framework, το οποίο συνδυάζει προεκπαιδευμένες αναπαραστάσεις από το SatCLIP, έναν σύγχρονο κωδικοποιητή γεωγραφικών τοποθεσιών, με αναπαραστάσεις που εξάγονται από οπτικές δορυφορικές εικόνες και εικόνες δορυφορικού ραντάρ συνθετικού ανοίγματος (Synthetic Aperture Radar – SAR). Στόχος είναι να διερευνηθεί εάν η ευθυγράμμιση αυτών των συμπληρωματικών τύπων δεδομένων σε έναν κοινό διανυσματικό χώρο μπορεί να βελτιώσει την αναπαράσταση γεωγραφικών τοποθεσιών και να ενισχύσει την απόδοση σε μεταγενέστερες εργασίες (downstream tasks). Για την επίτευξη αυτού του στόχου, εικόνες από τους δορυφόρους Sentinel-1, Sentinel-2 και τον συνδυασμό τους κωδικοποιούνται αρχικά χρησιμοποιώντας παγωμένα προεκπαιδευμένα μοντέλα ResNet-18. Οι γεωγραφικές συντεταγμένες που αντιστοιχούν στις συγκεκριμένες δορυφορικές εικόνες κωδικοποιούνται μέσω του παγωμένου κωδικοποιητή τοποθεσίας του SatCLIP. Στη συνέχεια, εκπαιδεύονται ελαφριά νευρωνικά δίκτυα (Multilayer Perceptrons – MLPs) ώστε να ευθυγραμμίσουν τις αναπαραστάσεις εικόνας και τοποθεσίας μέσω multimodal contrastive learning, ενθαρρύνοντας τις αναπαραστάσεις που σχετίζονται με την ίδια γεωγραφική περιοχή να γίνουν παρόμοιες, ενώ παράλληλα διαχωρίζονται από εκείνες που αντιστοιχούν σε άσχετες τοποθεσίες. Οι προκύπτουσες ευθυγραμμισμένες αναπαραστάσεις αξιολογούνται μέσω γραμμικής διερεύνησης (linear probing) σε διάφορα προβλήματα ταξινόμησης οικοσυστημάτων από το σύνολο δεδομένων BigEarthNet. Τα πειραματικά αποτελέσματα δείχνουν ότι η ευθυγράμμιση πολλαπλών αναπαραστάσεων δορυφορικών εικόνων με προεκπαιδευμένες αναπαραστάσεις τοποθεσίας από το SatCLIP οδηγεί σε βελτιωμένη απόδοση, επιτυγχάνοντας μέση αύξηση 1,7% στο macro F1-score στα αξιολογούμενα προβλήματα ταξινόμησης.","abstract_has_math":false,"creators":["ΧΡΙΣΤΟΦΗΣ ΔΗΜΗΤΡΙΟΣ","CHRISTOFIS DIMITRIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:19:59Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5416070"],"render_values":[{"text":"uoadl:5416070","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5416070","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5416070","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5416070","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΧΡΙΣΤΟΦΗΣ ΔΗΜΗΤΡΙΟΣ","CHRISTOFIS DIMITRIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5416070","https://pergamos.lib.uoa.gr/uoa/dl/object/5416070"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανάγκη παρατήρησης της Γης έχει διαχρονικά συμβάλει στην ενίσχυση της κατανόησής μας για το σύστημα στο οποίο ζούμε, αξιοποιώντας παρατηρήσεις για την παρακολούθηση και την πρόβλεψη συγκεκριμένων πτυχών της συμπεριφοράς του. Τα τελευταία χρόνια, η συνεχώς αυξανόμενη διαθεσιμότητα γεωχωρικών δεδομένων μάς έχει εξοπλίσει με τεράστιο όγκο πληροφοριών, ακόμη και σε πραγματικό χρόνο. Ωστόσο, δεν έχουμε ακόμη αξιοποιήσει πλήρως τα οφέλη αυτής της πληθώρας δεδομένων, κυρίως λόγω υπολογιστικών περιορισμών που προκύπτουν από την εξαιρετικά υψηλή διαστατικότητά τους. Για την αντιμετώπιση αυτής της πρόκλησης, πρόσφατη βιβλιογραφία προτείνει την κωδικοποίηση αυτής της πληροφορίας σε χαμηλής διάστασης αναπαραστάσεις γεωγραφικής τοποθεσίας, οι οποίες αποτυπώνουν ουσιαστικά χωρικά πρότυπα, διατηρώντας παράλληλα την υπολογιστική αποδοτικότητα. Οι αναπαραστάσεις αυτές επιτρέπουν την πιο αποτελεσματική επεξεργασία και σύγκριση γεωχωρικών δεδομένων μεγάλης κλίμακας σε διαφορετικά προβλήματα. Ωστόσο, τα σύγχρονα μοντέλα γεωχωρικής αναπαράστασης βασίζονται συνήθως σε μία μόνο πηγή πληροφορίας, όπως η οπτική δορυφορική απεικόνιση, γεγονός που περιορίζει την ικανότητά τους να αποτυπώσουν το πλήρες πλαίσιο μιας περιοχής ενδιαφέροντος. Η παρούσα διπλωματική εργασία διερευνά κατά πόσο οι αναπαραστάσεις γεωγραφικών τοποθεσιών μπορούν να ωφεληθούν από την ενσωμάτωση πολλαπλών πηγών γεωχωρικής πληροφορίας χωρίς την επανεκπαίδευση των θεμελιωδών μοντέλων. Συγκεκριμένα, εξετάζουμε ένα post-hoc multimodal alignment framework, το οποίο συνδυάζει προεκπαιδευμένες αναπαραστάσεις από το SatCLIP, έναν σύγχρονο κωδικοποιητή γεωγραφικών τοποθεσιών, με αναπαραστάσεις που εξάγονται από οπτικές δορυφορικές εικόνες και εικόνες δορυφορικού ραντάρ συνθετικού ανοίγματος (Synthetic Aperture Radar – SAR). Στόχος είναι να διερευνηθεί εάν η ευθυγράμμιση αυτών των συμπληρωματικών τύπων δεδομένων σε έναν κοινό διανυσματικό χώρο μπορεί να βελτιώσει την αναπαράσταση γεωγραφικών τοποθεσιών και να ενισχύσει την απόδοση σε μεταγενέστερες εργασίες (downstream tasks). Για την επίτευξη αυτού του στόχου, εικόνες από τους δορυφόρους Sentinel-1, Sentinel-2 και τον συνδυασμό τους κωδικοποιούνται αρχικά χρησιμοποιώντας παγωμένα προεκπαιδευμένα μοντέλα ResNet-18. Οι γεωγραφικές συντεταγμένες που αντιστοιχούν στις συγκεκριμένες δορυφορικές εικόνες κωδικοποιούνται μέσω του παγωμένου κωδικοποιητή τοποθεσίας του SatCLIP. Στη συνέχεια, εκπαιδεύονται ελαφριά νευρωνικά δίκτυα (Multilayer Perceptrons – MLPs) ώστε να ευθυγραμμίσουν τις αναπαραστάσεις εικόνας και τοποθεσίας μέσω multimodal contrastive learning, ενθαρρύνοντας τις αναπαραστάσεις που σχετίζονται με την ίδια γεωγραφική περιοχή να γίνουν παρόμοιες, ενώ παράλληλα διαχωρίζονται από εκείνες που αντιστοιχούν σε άσχετες τοποθεσίες. Οι προκύπτουσες ευθυγραμμισμένες αναπαραστάσεις αξιολογούνται μέσω γραμμικής διερεύνησης (linear probing) σε διάφορα προβλήματα ταξινόμησης οικοσυστημάτων από το σύνολο δεδομένων BigEarthNet. Τα πειραματικά αποτελέσματα δείχνουν ότι η ευθυγράμμιση πολλαπλών αναπαραστάσεων δορυφορικών εικόνων με προεκπαιδευμένες αναπαραστάσεις τοποθεσίας από το SatCLIP οδηγεί σε βελτιωμένη απόδοση, επιτυγχάνοντας μέση αύξηση 1,7% στο macro F1-score στα αξιολογούμενα προβλήματα ταξινόμησης.","The need to observe Earth has always contributed to strengthening our understanding of the system we live in by utilizing the observations to monitor or predict certain aspects of the system behavior. In the past years the continuously growing amount of geospatial data availability has equipped us with a great volume of even real time information. However, we are still to fully realize the benefits of such vast amounts of information mostly due to computational limitations coming from their extremely high dimensionality. To alleviate this challenge recent literature has proposed to encode this information to low dimensional geographic location descriptors that capture meaningful spatial patterns while remaining computationally efficient. These representations enable large-scale geospatial data to be processed and compared more effectively across different tasks. However, recent geospatial representation models typically rely on a single source of information, such as satellite optical imagery, which can limit their capacity to capture the full context of a region of interest. This thesis investigates whether geographic location representations can benefit from integrating multiple sources of geospatial information without retraining the underlying foundation models. In particular, we explore a post-hoc multimodal alignment framework that combines pretrained representations from SatCLIP, a state-of-the-art geographic location encoder, with representations extracted from optical and Synthetic Aperture Radar (SAR) satellite imagery. The objective is to determine whether aligning these complementary modalities in a shared embedding space can improve the representation of geographic locations and enhance downstream task performance. To achieve this, satellite image patches from Sentinel-1, Sentinel-2, and their combination are first encoded using frozen pretrained ResNet-18 models. The geographic coordinates corresponding to these image patches are encoded using the frozen SatCLIP location encoder. Lightweight multilayer perceptrons (MLPs) are then trained to align the image and location embeddings through multi-view contrastive learning, encouraging embeddings associated with the same geographic region to become similar while separating unrelated locations. The resulting aligned embeddings are evaluated through linear probing on several land-cover classification tasks from the BigEarthNet dataset. Experimental results demonstrate that aligning multiple satellite modalities with pretrained location representations improves downstream performance, achieving an average increase of 1.7% in macro F1-score across the evaluated classification tasks."]},{"key":"dc:title","label":"Title","values":["Modeling Multispectral and SAR Imagery in Geospatial Location Representations Through Multimodal Contrastive Learning"]}]}],"canonical_facts":{"dc:creator":["ΧΡΙΣΤΟΦΗΣ ΔΗΜΗΤΡΙΟΣ","CHRISTOFIS DIMITRIOS"],"dc:date":["2026"],"dc:description":["Η ανάγκη παρατήρησης της Γης έχει διαχρονικά συμβάλει στην ενίσχυση της κατανόησής μας για το σύστημα στο οποίο ζούμε, αξιοποιώντας παρατηρήσεις για την παρακολούθηση και την πρόβλεψη συγκεκριμένων πτυχών της συμπεριφοράς του. Τα τελευταία χρόνια, η συνεχώς αυξανόμενη διαθεσιμότητα γεωχωρικών δεδομένων μάς έχει εξοπλίσει με τεράστιο όγκο πληροφοριών, ακόμη και σε πραγματικό χρόνο. Ωστόσο, δεν έχουμε ακόμη αξιοποιήσει πλήρως τα οφέλη αυτής της πληθώρας δεδομένων, κυρίως λόγω υπολογιστικών περιορισμών που προκύπτουν από την εξαιρετικά υψηλή διαστατικότητά τους. Για την αντιμετώπιση αυτής της πρόκλησης, πρόσφατη βιβλιογραφία προτείνει την κωδικοποίηση αυτής της πληροφορίας σε χαμηλής διάστασης αναπαραστάσεις γεωγραφικής τοποθεσίας, οι οποίες αποτυπώνουν ουσιαστικά χωρικά πρότυπα, διατηρώντας παράλληλα την υπολογιστική αποδοτικότητα. Οι αναπαραστάσεις αυτές επιτρέπουν την πιο αποτελεσματική επεξεργασία και σύγκριση γεωχωρικών δεδομένων μεγάλης κλίμακας σε διαφορετικά προβλήματα. Ωστόσο, τα σύγχρονα μοντέλα γεωχωρικής αναπαράστασης βασίζονται συνήθως σε μία μόνο πηγή πληροφορίας, όπως η οπτική δορυφορική απεικόνιση, γεγονός που περιορίζει την ικανότητά τους να αποτυπώσουν το πλήρες πλαίσιο μιας περιοχής ενδιαφέροντος. Η παρούσα διπλωματική εργασία διερευνά κατά πόσο οι αναπαραστάσεις γεωγραφικών τοποθεσιών μπορούν να ωφεληθούν από την ενσωμάτωση πολλαπλών πηγών γεωχωρικής πληροφορίας χωρίς την επανεκπαίδευση των θεμελιωδών μοντέλων. Συγκεκριμένα, εξετάζουμε ένα post-hoc multimodal alignment framework, το οποίο συνδυάζει προεκπαιδευμένες αναπαραστάσεις από το SatCLIP, έναν σύγχρονο κωδικοποιητή γεωγραφικών τοποθεσιών, με αναπαραστάσεις που εξάγονται από οπτικές δορυφορικές εικόνες και εικόνες δορυφορικού ραντάρ συνθετικού ανοίγματος (Synthetic Aperture Radar – SAR). Στόχος είναι να διερευνηθεί εάν η ευθυγράμμιση αυτών των συμπληρωματικών τύπων δεδομένων σε έναν κοινό διανυσματικό χώρο μπορεί να βελτιώσει την αναπαράσταση γεωγραφικών τοποθεσιών και να ενισχύσει την απόδοση σε μεταγενέστερες εργασίες (downstream tasks). Για την επίτευξη αυτού του στόχου, εικόνες από τους δορυφόρους Sentinel-1, Sentinel-2 και τον συνδυασμό τους κωδικοποιούνται αρχικά χρησιμοποιώντας παγωμένα προεκπαιδευμένα μοντέλα ResNet-18. Οι γεωγραφικές συντεταγμένες που αντιστοιχούν στις συγκεκριμένες δορυφορικές εικόνες κωδικοποιούνται μέσω του παγωμένου κωδικοποιητή τοποθεσίας του SatCLIP. Στη συνέχεια, εκπαιδεύονται ελαφριά νευρωνικά δίκτυα (Multilayer Perceptrons – MLPs) ώστε να ευθυγραμμίσουν τις αναπαραστάσεις εικόνας και τοποθεσίας μέσω multimodal contrastive learning, ενθαρρύνοντας τις αναπαραστάσεις που σχετίζονται με την ίδια γεωγραφική περιοχή να γίνουν παρόμοιες, ενώ παράλληλα διαχωρίζονται από εκείνες που αντιστοιχούν σε άσχετες τοποθεσίες. Οι προκύπτουσες ευθυγραμμισμένες αναπαραστάσεις αξιολογούνται μέσω γραμμικής διερεύνησης (linear probing) σε διάφορα προβλήματα ταξινόμησης οικοσυστημάτων από το σύνολο δεδομένων BigEarthNet. Τα πειραματικά αποτελέσματα δείχνουν ότι η ευθυγράμμιση πολλαπλών αναπαραστάσεων δορυφορικών εικόνων με προεκπαιδευμένες αναπαραστάσεις τοποθεσίας από το SatCLIP οδηγεί σε βελτιωμένη απόδοση, επιτυγχάνοντας μέση αύξηση 1,7% στο macro F1-score στα αξιολογούμενα προβλήματα ταξινόμησης.","The need to observe Earth has always contributed to strengthening our understanding of the system we live in by utilizing the observations to monitor or predict certain aspects of the system behavior. In the past years the continuously growing amount of geospatial data availability has equipped us with a great volume of even real time information. However, we are still to fully realize the benefits of such vast amounts of information mostly due to computational limitations coming from their extremely high dimensionality. To alleviate this challenge recent literature has proposed to encode this information to low dimensional geographic location descriptors that capture meaningful spatial patterns while remaining computationally efficient. These representations enable large-scale geospatial data to be processed and compared more effectively across different tasks. However, recent geospatial representation models typically rely on a single source of information, such as satellite optical imagery, which can limit their capacity to capture the full context of a region of interest. This thesis investigates whether geographic location representations can benefit from integrating multiple sources of geospatial information without retraining the underlying foundation models. In particular, we explore a post-hoc multimodal alignment framework that combines pretrained representations from SatCLIP, a state-of-the-art geographic location encoder, with representations extracted from optical and Synthetic Aperture Radar (SAR) satellite imagery. The objective is to determine whether aligning these complementary modalities in a shared embedding space can improve the representation of geographic locations and enhance downstream task performance. To achieve this, satellite image patches from Sentinel-1, Sentinel-2, and their combination are first encoded using frozen pretrained ResNet-18 models. The geographic coordinates corresponding to these image patches are encoded using the frozen SatCLIP location encoder. Lightweight multilayer perceptrons (MLPs) are then trained to align the image and location embeddings through multi-view contrastive learning, encouraging embeddings associated with the same geographic region to become similar while separating unrelated locations. The resulting aligned embeddings are evaluated through linear probing on several land-cover classification tasks from the BigEarthNet dataset. Experimental results demonstrate that aligning multiple satellite modalities with pretrained location representations improves downstream performance, achieving an average increase of 1.7% in macro F1-score across the evaluated classification tasks."],"dc:identifier":["uoadl:5416070","https://pergamos.lib.uoa.gr/uoa/dl/object/5416070"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Modeling Multispectral and SAR Imagery in Geospatial Location Representations Through Multimodal Contrastive Learning"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:19:59Z"}