标签
本文使用1,744张Robert Smithson的Spiral Jetty的Landsat和Sentinel-2卫星图像，计算多特征复杂性特征，揭示图像复杂性作为湖泊水位和气候指标在40年间的领先指标。
本研究论文探讨了跨境喜马拉雅流域冰湖溃决洪水的最坏情况情景，通过综合方法和多项科学研究评估当前和未来的危害。
KnowChange利用视觉语言模型来指导灵活多样的变化数据合成，通过生成成本效益高的合成数据来改进遥感变化检测训练。
本文介绍了一个可扩展的、模块化的地理空间机器学习框架，用于基于遥感数据的电力线路资产级风险建模，涵盖闪电和植被危害，以增强公用事业资产管理和气候韧性。
本文评估了使用免费卫星数据（雷达干涉测量和天气）的机器学习模型，以预测哪些喜马拉雅冰川湖面临溃决洪水风险以及触发何时发生，在尼泊尔实现了高达0.89的ROC分数，并提供了排名观察清单。
提出了一个使用多传感器卫星数据进行森林地上生物量估算的全局训练CNN，并通过稀疏样地校准流程实现局部预测适应。与未校准的全局模型和ESA CCI产品相比，精度有所提高。
本文提出了一种无监督的火区划分方法，将分水岭检测与K-means聚类相结合，以改进短期野火预测，并在法国多个省和多种预测模型上表现出相较于基于网格的方法的一致性能提升。
GeoArbiter 提出了一种免训练流程，选择性地将图像无法验证的地理事实注入遥感多模态大语言模型，以减少知识幻觉，同时保留检索准确率的提升。
介绍了Obshazard-bench，这是一个实时、观测驱动的基准，用于评估多模态基础模型从原始地球观测流中获取灾害智能的能力，涵盖60多个国家的8个灾害类别。
RRS-10K是一个用于评估视觉-语言模型在罕见遥感图像解读方面的基准数据集，包含超过10,000张军事相关图像和多种任务格式。对52个模型的评估显示其零样本性能中等，且在视觉定位和复杂推理方面存在明显不足。
提出RSMeM，一种用于遥感智能体的知识增强记忆演化机制，它利用领域知识引导大语言模型，并通过迭代整合失败经验来改进多步骤工具执行，使DeepSeek-V3.2的准确率提升6%，且仅增加极少的额外token。
介绍了OVEarth-Bench，一个用于开放词汇地球观测的基准，扩展了类别覆盖和查询多样性，揭示了现有方法仍有限，而基于MLLM的方法表现最佳。
本文提出了一种用于无人机高光谱影像中PFM-1地雷探测的人在回路自举方法，结果表明，使用自举的ACE可以在两轮检查中找出所有目标，而整体ROC-AUC分数掩盖了检测器之间巨大的操作差异。
本文提出了FUSAR-R1，一种用于SAR图像解译的大规模推理模型，它利用思维链推理和强化学习，实现了优于现有模型的性能。
Delineate Anything v2 是一个全球可扩展的农田地块边界映射基础模型，在 [email protected] 上相对提升 103.3%，超越现有最佳水平。该模型使用了涵盖 61 个国家、7300 万实例的多分辨率数据集，并建立了一个手工筛选的 100 国评估基准。
本文综述了地理空间基础模型（GeoFMs）的新兴范式，这些模型在海量地理空间数据集上进行预训练，以实现对卫星和航空影像的快速微调和零样本分析。内容涵盖范式转变、模型适配策略，以及以大语言模型（LLMs）为编排器的智能体地理空间推理的前瞻性愿景。
本章回顾了地球观测基础模型的设计原则和当前格局，强调了领域特定适应、物理上合理的表示以及一致评估基准的必要性。包含关于有害藻华预测和自适应监测站点选择的案例研究。
本文提出Geo-Anchored Cloud Removal (GACR)框架，利用观测锚定残差流和地理上下文先验对齐，从光学遥感图像中去除云层，同时保留语义结构以支持下游任务。
来自欧空局哨兵一号的卫星干涉测量显示，委内瑞拉双震后地表位移达30厘米，揭示了沿圣塞巴斯蒂安断层系统的变形。