结论：这一轮最值得补进雷达的是 2026-06-11 更新到 arXiv v2 的 Scalable Deep Learning Framework for Global High-Resolution Land Use Reconstruction。它提出 AI4Land，用 U-Net 把粗分辨率 LUH2 土地利用情景、地形/土壤等静态地理变量和相邻年份高分辨率先验融合起来，生成 1 km 全球土地利用/土地覆盖重建与未来投影。论文报告平均 mIoU 为 0.805、总体分类准确率 94.67%；2014 年全球推理验证达到 94.88% accuracy 和 0.8569 mIoU；分布式训练在 MareNostrum5 上从 1 到 8 个节点扩展，8 节点 32 张 H100 下弱扩展效率仍约 97.7%。这篇文章的重点不是“又一个遥感分割模型”，而是把遥感 AI 推向气候数字孪生所需要的长时间、全球尺度、可耦合边界条件生产流程。

我按 2026-06-16 05:00 +08 检索公开来源，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 与 SAR-optical fusion 主线工作。本篇选择的是土地利用/土地覆盖重建，输入以 LUH2、HILDA+、地形和土壤变量为主，不依赖 SAR backscatter、coherence、interferometry 或 SAR-optical fusion。同期本地文章已经覆盖 Clay-CNN Hybrids、TTABC、RPC-GS、OSMGraphCLIP、TUE-CD、GeoFM layer probing、MaskWAM、ShearFuse-UNet、LALE、CoastlineVLM、Stateful Visual Encoders、LG-SAM、LPM、CSI-Net、VecLang、TerraBench、OSTB、BCP、UltraVR、ABot-Earth 等方向，因此不重复写这些条目。

结论：这一轮最值得补进雷达的是 2026-06-12 提交到 arXiv 的 Clay-CNN Hybrids: Leveraging Geo-Foundational Models as Auxiliary Context for Landslide Detection。它的结论很克制，但很有用：在 Landslide4Sense 滑坡像素级分割上，Clay v1.5 直接当主干并不比 U-Net 强；真正有效的是把 Clay 的预训练表征作为 U-Net bottleneck 的辅助上下文，再用两阶段 LoRA 微调。最佳 Hybrid U-Net + Clay 在三种随机种子下得到 64.5±1.8% F1，高于 U-Net baseline 的 59.9%，也高于论文引用的 Prithvi-EO-2.0 在同一 benchmark 上的 60.7%。这篇文章提醒遥感基础模型研究：GeoFM 的价值不一定是取代所有任务网络，而是给强空间归纳偏置的模型补上更好的光谱和地理语义先验。

我按 2026-06-16 03:00 +08 检索公开来源，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 与 SAR-optical fusion 主线工作。本篇选择的是 Sentinel-2 多光谱滑坡制图。Landslide4Sense 的输入里包含 DEM 和 slope，其中 DEM/slope 来源与 ALOS PALSAR 产品有关，但论文任务不是 SAR 影像识别，也没有使用 SAR backscatter、coherence、interferometry 或 SAR-optical fusion 作为主线。这里把它视为光学多光谱 + 地形先验的灾害制图工作。

结论：这一轮最值得单独跟踪的是 2026-06-04 提交到 arXiv 的 RPC-GS: Gaussian Splatting with native RPC Rendering for Satellite Imagery。它不是又一个把 3D Gaussian Splatting 套到卫星影像上的工程复现，而是抓住了卫星多视角重建里的一个根问题：现代推扫式卫星通常用 RPC/Rational Polynomial Camera 表达成像几何，过去很多 3DGS 方法为了方便渲染，把 RPC 近似成 pinhole 或 affine camera，这会把相机模型误差直接写进 DSM 和新视角合成结果。RPC-GS 的价值在于把 RPC 原生接入 Gaussian Splatting 渲染链路，让卫星 3D 重建少一点“计算机视觉相机模型”的假设，多一点遥感传感器几何。

我按 2026-06-16 01:00 +08 检索公开来源，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 与 SAR-optical fusion 主线工作。本篇选择的是光学卫星多视角三维重建，实验使用 DFC2019 WorldView-3 RGB 场景和 IARPA2016 多视角卫星 benchmark，不属于雷达方向。同期已在本地文章或用户清单中覆盖的主题包括 TTABC、OSMGraphCLIP、TUE-CD、GeoFM layerwise transfer、MaskWAM、LALE、CoastlineVLM、Stateful Visual Encoders、LG-SAM、LPM、CSI-Net、VecLang、TerraBench、OSTB 等，因此不重复写这些方向。

这篇文章的现实意义在于：遥感 AI 正在快速拥抱 3DGS、NeRF、世界模型、VLM 和 Agent，但很多系统仍把“几何可信度”当成后处理问题。对普通透视相机，3DGS 的投影、协方差变换和深度排序都有清楚定义；对卫星 RPC 相机，投影是经纬高到行列号的有理多项式映射，没有天然的 pinhole camera coordinate frame。若在这里偷懒，模型看起来仍能渲染漂亮图像，但高程、建筑边界、遮挡关系和跨视角一致性都会受损。

结论：这一轮最值得补进雷达的是 2026-06-06 提交到 arXiv 的 OSMGraphCLIP: Learning Global Location Representations from OpenStreetMap Graphs。它不是一个新的遥感影像 backbone，也不是 VLM 看图问答，而是把 OpenStreetMap 里的道路、建筑、土地利用、POI 等对象组织成异构图，再用 CLIP 式对比学习训练全球 location encoder。最值得关注的地方是：它在 24 个下游地理预测任务上和 GeoCLIP、SatCLIP、AlphaEarth、Copernicus-FM 等基线比较，证明“结构化地图拓扑”本身可以成为地理基础模型的监督模态，尤其适合社会经济、公共健康、城市功能这类卫星像素只能间接表达的任务。

我按 2026-06-15 21:00 +08 检索公开来源，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 与 SAR-optical fusion 主线工作。本篇选择 OSMGraphCLIP，是因为它和前几轮 VLM、变化检测、GeoFM layer probing 不重复：它不从影像端继续堆模型，而是把 GIS 矢量语义和拓扑关系推到 location representation 的预训练层。

需要先说明边界：OSMGraphCLIP 不是遥感影像解译模型，训练监督也不使用卫星影像。它进入遥感 AI 雷达的理由是 CV-to-RS / GIS-to-RS 的迁移价值很明确：遥感基础模型擅长看地表外观，但很多下游任务真正需要的是“这个地方如何被使用、道路如何连接、设施如何分布、建筑和 POI 如何组织”。这些信息在 OSM 图里是显式的，在卫星像素里通常只是弱代理。

背景

过去一批地理 location encoder 多数依赖坐标和影像对齐。GeoCLIP 用地面图像和 GPS 学位置表征，SatCLIP 用 Sentinel-2 影像和坐标做对比学习，AlphaEarth、Copernicus-FM 这类模型进一步把多源地球观测信号压缩成地理 embedding。这个方向很自然：卫星影像全球覆盖，能看到植被、水体、城市纹理、农田格局和季节变化。

结论：这一轮最值得补进雷达的是 2026-06-01 提交到 arXiv 的 LALE: Lightweight-Transformer Architecture for Land-Cover Estimation。它不是又一个遥感基础模型，也不是 VLM 问答模型，而是把遥感语义分割里常被忽略的效率问题放到台前：高分辨率影像需要局部细节，土地覆盖又需要大范围上下文，但全分辨率 self-attention 太贵。LALE 的价值在于给出一个很朴素也很可复用的设计原则：高分辨率阶段用轻量卷积守住纹理和边界，低分辨率阶段再用 Transformer 建模全局关系。

我按 2026-06-15 11:00 +08 检索公开来源，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 与 SAR-optical fusion 主线工作。本篇选择的是真彩/光学遥感语义分割与土地覆盖估计，不以雷达数据为输入。它也没有出现在前几轮已写过的 CoastlineVLM、BCP、UltraVR、GMBFormer、ABot-Earth、LPM、Stateful Visual Encoder、LG-SAM 等条目里，适合作为本轮单篇深挖。

背景

遥感语义分割这几年有两个方向越走越明显。

一个方向是大模型化。GeoFM、VLM、SAM/开放词表分割、跨传感器预训练都在强调更大的预训练数据、更强的视觉语言对齐和更通用的任务接口。这条线很重要，但它经常默认推理成本不是第一矛盾。

另一个方向是生产化。真实土地覆盖制图、灾害应急、城市更新、农业监测不会只跑几张 benchmark 图，而是要扫很大的区域，常常还要在有限 GPU、边缘设备、云端批处理预算或近实时约束下工作。这个场景里，模型是否多 1 个点 mIoU 固然重要，但参数量、GMACs、吞吐、显存、训练时间和数据管线复杂度同样关键。

LALE 切入的就是第二条线。论文的基本判断是：遥感分割同时需要局部细节和全局上下文。CNN 在局部纹理、边界和小目标上有效，但长距离关系有限；Transformer 能建模全局上下文，但在高分辨率特征图上计算代价太高。很多混合架构把 ImageNet backbone 和重型 decoder 拼起来，准确率可以，但效率不一定适合遥感大图。

因此，LALE 没有把注意力机制铺满全网，而是按空间分辨率分工：前两段高分辨率特征用 ConvMixer 处理局部细节，后两段低分辨率特征用 Transformer 处理全局上下文。这个设计非常“工程”，但正好对准遥感分割的成本结构。

论文/项目

LALE 论文的 arXiv 页面显示提交时间是 2026-06-01，主题分类包括 eess.IV、cs.AI 和 cs.CV。论文使用的核心 benchmark 是 ARAS400k，这是同一作者团队此前提出的遥感合成数据增强数据集与评测框架。

ARAS400k 本身也值得一起看。它来自 Grounding Synthetic Data Generation With Vision and Language Models，arXiv v2 修订于 2026-05-02，并被 CVPR 2026 Synthetic Data for Computer Vision Workshop 接收。这个数据集包含 100k real images 和 300k synthetic images，每张图配有 segmentation map 和 description，目标是把遥感语义分割、caption 和合成数据质量评估连起来。

结论：这一轮最值得单独跟踪的是 A Fast Methane Detection Pipeline on Board Satellites Based on Mag1c-SAS and LinkNet。它不是继续把高光谱甲烷检测做成更重的地面后处理模型，而是把问题倒过来问：如果卫星下行带宽、CPU、内存和功耗都很紧，能不能在星上先把 3D 高光谱立方体压成可用的甲烷候选图，再只下传真正值得看的区域？论文给出 Mag1c-SAS 这个加速版甲烷增强产品，再用轻量 LinkNet 清噪；在 STARCOP 和作者新构建的 EMIT-MSeg 上验证，并发布 PyPI 库、实验代码、模型和数据。对遥感 AI 来说，它的价值不在于“又一个分割网络”，而在于给高光谱星上智能提供了一个可部署、可复现、可替换目标谱的工程模板。

我按 2026-06-14 21:00 +08 检索公开来源，过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 主线工作。本篇选择 2026-06-02 提交 arXiv 的高光谱光学遥感工作。它使用 AVIRIS-NG 和 EMIT 这类 imaging spectroscopy / hyperspectral 数据，不属于雷达方向；同时有 arXiv HTML、PyPI 包、GitHub 项目和 Hugging Face 模型页可核验，适合进入“多源数据融合、效率部署与应用落地”。

这篇也值得和最近一批 VLM / GeoFM 文章区分开。VLM 方向的热点是“让模型看懂遥感图像并会说话”，而这篇关注的是“卫星真的能不能在轨先算出有用结果”。它提醒我们：遥感 AI 不只是在云端跑更大的模型，很多高价值任务最后要落到带宽、功耗、处理器和任务调度上。对于甲烷、火点、船舶、云雪、灾害初筛等任务，星上先做低成本筛选，再把有限下行资源留给异常区域，可能比一味追求地面模型精度更接近系统收益。

背景

甲烷点源检测是高光谱遥感里很典型的“数据量大、信号弱、响应要快”的任务。甲烷在短波红外有明确吸收特征，尤其在约 2100-2500 nm 范围内可被 AVIRIS-NG、EMIT、PRISMA、EnMAP、CHIME 等成像光谱数据利用。但高光谱图像不是 RGB 三通道，而是几十到几百个波段的立方体。把完整数据下传到地面再处理，延迟和带宽成本都高；如果卫星只拍人工指定区域，又容易错过突发泄漏。

结论：这一轮最值得单独跟踪的是 Fusing Satellite Imagery and Planimetric Maps for Cross-View Localization。它做的不是再造一个更大的 backbone，而是把一个很现实的问题摆到台面上：跨视角定位里，为什么总是默认只用卫星影像，明明平面地图和卫星图各有长处。论文给出一个很轻的融合模块，用 cross-modal conditioning 加 patch-level fusion，把 OpenStreetMap 这类平面地图和卫星影像一起喂给现成编码器，结果在 VIGOR 和 KITTI 上都比单模态更稳，KITTI 的 mean localization error 最好降到 3.85 m，较此前单模态最优方法低 30.13%。

我按 2026-06-14 19:00 +08 检索公开来源，过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 主线工作。这里选的是 2026-06-08 提交 arXiv 的 CV 论文，但它和遥感的关系很直接：输入一端是卫星影像，另一端是 OSM 平面地图，目标是地理定位。这类方法对遥感系统的价值，不在于它本身是“遥感专用网络”，而在于它给出了一个可迁移的多源融合模板。

背景

跨视角定位一直有个老问题：地面视角和俯视视角差异太大。单靠卫星图，模型能看到建筑轮廓、道路纹理和街区形状，但在树冠遮挡、细粒度街景结构不清、或者局部语义歧义时，信息会不够。平面地图相反，它不一定像影像那样“真实”，但它有明确的对象标注，尤其在道路、街灯、建筑和路网结构上很强，遮挡区域也更稳。

之前很多工作默认“卫星图够用了”，或者把 OSM 当成辅助分支粗暴拼接。问题是，这样做常常只能看到形式上的融合，没有真正把两种模态的互补性吃进去。更糟的是，卫星图和地图在不同区域的可用性并不一样：有些地方 OSM 覆盖好，路网和 POI 丰富；有些地方地图稀疏，卫星图反而更可靠。于是，真正有价值的不是再加一条分支，而是让模型学会按区域、按 patch 动态决定该信谁。

这篇文章的定位很清楚：它要解决的不是遥感分类，而是“地理定位里的模态选择问题”。这对遥感侧的启发是直接的。很多 RS 系统也在走同样的路：卫星影像、栅格地图、矢量图、POI、建筑轮廓、道路拓扑，最后都要汇到一个定位或检索模型里。问题从来不是有没有数据，而是这些数据怎么协同。

结论：这一轮最值得单独跟踪的是 Plan2Map: A Multimodal Benchmark for Document-Grounded Geospatial Boundary Reconstruction from Planning Records。它不是传统遥感影像分类或分割论文，而是把一个很真实的地理智能问题做成 benchmark：给系统一份规划 PDF，里面有通知文本、法律描述、扫描地图、标签和边界标注，要求系统还原可评分的 GeoJSON 边界。最有价值的结论很直接：端到端让 VLM 直接生成 GeoJSON 几乎不可靠；更稳的路线是让 VLM 读证据、让 GIS 工具定位和配准、让分割模型提边界，再把 mask 投影回 WGS84。

我按 2026-06-14 11:00 +08 检索公开来源，过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 主线工作。本篇选择 2026-06-01 提交 arXiv 的 Plan2Map。arXiv 和项目页均已公开；项目页标注 Code 和 Dataset 为 coming soon，因此本文把它视为“论文与项目页公开、代码和数据集尚未释放”的条目。

这篇适合放进“多源数据融合、效率部署与应用落地”。原因是它的核心不是单个视觉 encoder，而是把文档解析、地名检索、地图瓦片匹配、边界分割、坐标投影和结果校验串成一个可执行地理工作流。对遥感 VLM、GeoAgent 和地图自动化来说，它比单图 VQA 更接近真实业务。

背景

很多地理空间信息并不是一开始就以 GeoJSON、Shapefile 或标准数据库形式存在。城市规划、历史保护区、建设限制、土地使用规则、环境红线和基础设施管控范围，常常只存在于 PDF、扫描件、公告文本、附图和地方政府网页里。人能读懂“某条路以东、某条边界线内、图中黄色区域”，但机器要把它变成可查询的边界并不容易。

Plan2Map 关注的是英国 Article 4 Direction 规划记录。它们定义了某些区域上的规划限制，但源文件往往只给法律通知和附图，不直接给机器可读的边界。数字规划系统真正需要的是几何对象：一个地点是否落在限制区内，某个限制是否和其他规则重叠，历史记录是否能被审计，这些都需要可计算边界。

这类任务和遥感 AI 的关系很近。遥感模型经常输出 mask、检测框或变化区域，但落地时必须和地籍、道路、行政边界、规划文档、地名库和地图瓦片对齐。也就是说，问题不只是“图里有什么”，而是“来自不同来源的证据能不能被合成一个合法、可验证、可投影的空间对象”。

结论：这一轮最值得单独跟踪的是 CAFOSat。它不是又一个泛泛的遥感分类数据集，而是把一个真实应用里最难的几件事放到同一个 benchmark 中：公开清单里的点位不准、农业设施形态差异大、负样本很像正样本、跨州泛化困难、还要解释模型到底看到了 barn、manure pond 还是 grazing area。对遥感 AI 来说，这比单纯刷分类精度更有价值，因为它直接暴露了 VLM 和通用视觉基础模型进入高分辨率地理应用时的短板。

我按 2026-06-13 05:00 +08 检索公开来源，过滤了 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 方向。本篇选择 CVPR 2026 EarthVision Workshop 论文 CAFOSat: A Strongly Annotated Dataset for Infrastructure-Aware CAFO Mapping Using High-Resolution Imagery。论文有 arXiv、CVF Open Access 页面、GitHub 仓库和 Hugging Face 数据集；数据基于 NAIP 高分辨率航空影像，不是雷达方向。

这篇适合放进“多源数据融合、效率部署与应用落地”。原因是它关心的不是单张遥感图像语义理解，而是把多州 CAFO 公开记录、NAIP 影像、土地覆盖约束、人工核验、弱监督定位、基础设施标注、合成增强和可复现实验拆分整合成一个可用 benchmark。它提醒我们：遥感大模型真正落地时，数据质量、空间对齐和 hard negative 往往比换一个更大的 backbone 更关键。

背景

CAFO 是 Concentrated Animal Feeding Operations，即集中式动物饲养设施。它们和农业生产、环境监管、公共健康、疾病监测和气候韧性规划都有关系。问题在于，CAFO 的空间清单往往并不干净：不同州的数据来源不一致，许可记录和实际设施位置可能偏移，点位可能只落在农场入口或行政记录中心，而不是影像里真正可见的 barn、manure lagoon 或放牧区域。

结论：这一轮最值得单独跟踪的是 TerraBench。它的价值不在于又给 LLM Agent 做了一个排行榜，而是把地球科学任务里的真实困难放进了评测：卫星影像、格网物理量、GIS 上下文、仿真器、外部文档和数值容差必须在同一个可执行流程里协同。结果也很直接：强模型并不是不会选工具，而是经常把参数、单位、空间范围、时间窗口和数值证据链做错。

我按 2026-06-13 03:00 +08 检索公开来源，过滤了 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 方向。本篇选择 2026-06-11 提交的 TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data?。论文有 arXiv、HTML 版本和 GitHub 仓库；它的主线是 Earth-system / geospatial agent benchmark，不是单一遥感视觉模型。

这篇适合放进“多源数据融合、效率部署与应用落地”。原因是它把遥感 AI 从“看懂一张图”推进到“能不能把图像、GIS、环境变量、仿真和文档组织成可审计计算”。对遥感大数据来说，这个方向比普通 VQA 更接近生产系统：用户真正需要的不是模型说一句“这里可能有洪水风险”，而是它能否调用正确数据、设定正确区域、运行正确工具、保留中间产物，并给出容差内的数值答案。

背景

过去一年地理智能体和遥感 VLM 的热度很高，但很多评测仍然偏窄。常见任务是图像问答、caption、单图 grounding、地图工具问答或简单 GIS 操作。它们能测模型是否会读图、会不会调用地图 API，却很难测真实地球科学工作流里最麻烦的部分：数据异构、单位不一致、空间投影、时间窗口、仿真参数、文档约束和结果可追溯性。

TerraBench 的问题意识很明确。天气和气候基础模型擅长预测物理场，但不擅长用自然语言交互式推理；LLM 擅长语言规划，但不能直接处理高维地球系统数据。真实分析往往处在两者之间：研究者要从遥感影像、栅格变量、矢量边界、模拟器输出和论文表格中重建一个可信结论。

这类任务对遥感 AI 很重要，因为遥感应用的终点通常不是单个 mask 或类别标签，而是一个带行动含义的决策：某个县未来几天水资源压力如何，某片作物在指定气候情景下是否减产，某段道路中断会造成多大通勤延误，某个城市热风险是否超过阈值。模型要回答这些问题，必须把视觉、地理和科学计算接起来。

从 CV/ML 到遥感的迁移路径也很清楚。通用 Agent 研究里的 ReAct、工具调用、代码执行、artifact 管理和过程评测，可以迁移到遥感大数据系统；但遥感场景必须额外处理坐标、尺度、时序、空间自相关、物理单位、数据来源和科学容差。TerraBench 正是在这些地方把普通 agent benchmark 拉回地球科学现实。

方法/框架

TerraBench 建在 TerraAgent 之上。TerraAgent 是一个 ReAct-style executable framework，也就是让 LLM 在推理过程中交替进行思考、工具调用和观测，再把环境检索、地理处理、仿真和 artifact-backed computation 连接起来。这里的关键不是“给模型更多工具”，而是把工具调用变成可检查的执行轨迹。