#remote sensing

做遥感智能体的团队可以看看这篇：它把工具调用经验存成可复用的技能文件，换了底层模型也不用重训，靠真实工具链执行加双裁判反馈来打磨。和现有靠结果反思改技能的方法比，修正粒度细到组件级。用 LLM 搭遥感工作流的开发者值得关注。

一个人带着 48 个 AI 代理 72 小时扫完 1200 平方公里激光雷达数据报给 INAH，结果发现 2025 年论文早画过这个点。流程写得挺细，怎么让 Gemini、Claude 这些模型分工看地形图都有，想跑类似排查项目的可以看看翻车部分。

遥感图像上数目标这件事，所有开源 VLM 一屏超过约 5 个物体就开始数不准。这篇 arXiv 论文让 LLM 先把问题拆成空间程序，VLM 只在能力范围内数数，不用训练就在 XLRS-Bench 区域计数上提高 16.3 分，超过已训练方法。做遥感分析或多模态评测的人值得看这套实测上限再切视图的思路。

Google 的 AlphaEarth 卫星 embedding 到底好不好用？这篇研究拿美国和印度的田间数据测了，发现分类强但跨洲迁移弱，做遥感的朋友可以看看选特征的思路。

卫星影像压缩成的向量到底装了什么？这篇论文拆开看了，能从中恢复火灾和作物信息，做遥感或生态监测的可以看看。

用卫星数据重建 1955 到 2019 年每年 1 公分辨率的土地利用地图，这篇论文把评估方法拆得挺细，做地球系统建模的可以看看。

有人拿架构搜索重新跑了一遍已发表的湖泊藻华分类模型，参数少了26倍，AUC还从0.790提到0.820，配方和小代码都开源了。

AGSA-Net将光谱解混与自注意力结合，在高光谱图像分类上表现优异，尤其适合城市场景分析。

卫星联邦学习老被轨道数据不均衡坑，FedOrbit 用分层聚合和自适应分解，在遥感基准上最高提了 16 个点，做边缘 AI 的可以看看。

遥感领域缺精细的篡改定位数据集，这个原型集合了拼接和扩散修复两类篡改，还带掩码和元数据，做取证研究可以直接拿来测。

LunarFM把三个月球任务的六种仪器数据整合成一个模型，能直接做资源识别和地质分类，开源数据集和代码。

法国NFI用LiDAR HD数据训练的FLORA模型，单模型跨季节预测森林属性，精度超过季节专用模型。

想测试遥感模型对细节的抓取能力？这个基准用了法国全国树篱数据，10米分辨率，还能跨气候区泛化。