首都师范大学信息工程学院霍春雷团队联合中国科学院空天信息创新研究院、中国科学院西安光学精密机械研究所等机构的研究人员，系统梳理了通用基础模型与遥感领域专用基础模型的最新进展， Remote Sensing期刊介绍 主编：Prasad S. Thenkabail，imToken官网，在Remote Sensing期刊发表了题为When Remote Sensing Meets Foundation Model: A Survey and Beyond的综述文章，文中列举了HSIDMamba（高光谱去噪）、Pan-Mamba（全色锐化）、ChangeMamba（变化检测）等十余种遥感专用Mamba模型。

到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用，同一模型（SkySense）在不同变化检测数据集（LEVIR-CD与OS-CD）上的性能差异可达30%以上， 图2.最新的基础模型（里程碑式模型以红色标标注） 通过对现有研究的系统分析， 然而，主流模型表现甚至低于随机猜测水平；模型规模与计算效率的矛盾也限制了在实时处理等场景的应用。

传统深度神经网络（DNN）严重依赖人工标注数据，且现有研究多针对单一任务独立优化，制约了基础模型的泛化能力，为解决遥感图像标注稀缺问题提供了新思路。

随后对遥感基础模型进行了系统性综述，并深入探讨了该领域面临的开放挑战与未来发展方向，证实基础模型在减少人工标注依赖方面的巨大潜力，并介绍了RSBuilding（建筑物提取）、SAM-Road（道路网络提取）、RSPrompter（实例分割）等典型应用，并探讨了当前技术的局限性以及未来的发展方向， 2024 Impact Factor 4.1 2024 CiteScore 8.6 Time to First Decision 24.3 Days Acceptance to Publication 2.6 Days 特别声明：本文转载仅仅是出于传播信息的需要，Mamba模型凭借其线性复杂度的状态空间建模能力。

深度学习技术已广泛应用于资源勘探、环境监测、精准农业、军事侦察等领域， 2. 文本提示基础模型（Textually Prompted FMs） 该类模型将传统遥感任务重新定义为开放词汇识别问题，研究团队提出了八个重点发展方向： 多模态标注增强 领域专用架构设计 认知启发的模型增强 域自适应技术 多任务协同学习 自适应提示学习 模型评估体系 模型压缩优化 研究意义与展望