遥感大模型：综述与未来设想.pdf

第40卷第1期遥感技术与应用Vol.40No.1

2025年2月REMOTESENSINGTECHNOLOGYANDAPPLICATIONFeb.2025

引用格式：ZHANGShuaihao，PANZhigang.Remotesensinglargemodels：Reviewandfutureprospects［J］.Re⁃

moteSensingTechnologyandApplication，2025，40（1）：1-13.［张帅豪，潘志刚.遥感大模型：综述与未来设想［J］.遥

感技术与应用，2025，40（1）：1-13.］

DOI：10.11873/j.issn.1004⁃0323.2025.1.0001

遥感大模型：综述与未来设想

1，21

张帅豪，潘志刚

（1.中国科学院空天信息创新研究院，北京100190；

2.中国科学院大学，北京100049）

摘要：深度学习极大地推动了遥感图像处理技术的发展，在精度和速度方面展现了显著优势。然

而，深度学习模型在实际应用中通常需要大量人工标注的训练样本，且其泛化性能相对较弱。近

年来，视觉基础模型和大语言模型的发展为遥感图像处理的大模型研究引入了新的范式。遥感大

模型也称为遥感基础模型，基础模型因其在下游任务中的卓越迁移性能而备受瞩目，这些模型首

先在大型数据集上进行与具体任务无关的预训练，然后通过微调适应各种下游应用。基础模型在

语言和视觉及其他领域已经得到了广泛应用，其在遥感领域的潜力也正逐渐引起学术界的重视。

然而，目前针对这些模型在遥感任务中的全面调查和性能比较仍然缺乏。由于自然图像与遥感图

像之间存在固有差异，这些差异限制了基础模型的直接应用。在此背景下，本文从多个角度对常

见的基础模型以及专门针对遥感领域的大模型进行了全面回顾，概述了最新进展，突出了面临的

挑战，并探讨了未来发展的潜在方向。

关键词：遥感基础模型；微调；下游任务；预训练

中图分类号：TP75文献标志码：A文章编号：1004⁃0323（2025）01-0001-13

1引言感器影像的标注数据非常稀缺。近年来，基础模型

（FoundationModels，FMs）在视觉和语言理解任务

随着遥感对地观测和人工智能技术的迅猛发

中展现出卓越的通用性，代表性实例包括ChatG⁃

展，我们正进入一个遥感大数据与人工智能相互融

［3］［4］［5］

PT、Gemini和CLIP。FMs在视觉任务中展现

合的时代。高分辨率遥感图像在资源勘探、环境监

出巨大潜力的原因主要包括以下3个方面：数据和

测、精准农业和军事侦察等领域的应用已变得越来

［1，2］模型规模、学习策略和适应性。具体而言，大规模

越广泛。在这些应用中，目标检测、语义分割、场

数据和模型使FMs能够捕捉数据中的复杂信息，从

景分类和变化检测等遥感视觉任务构成了这些研

究任务的基本前提和核心支撑。深度神经网络