结论：今天最值得跟踪的不是又一个泛化的遥感大模型，而是一个很窄的应用信号：把 Prithvi-EO-2.0 改造成“休耕地目标检测器”。 新提交论文 Adapting Prithvi-EO for Fallow Detection for Food-Water Nexus 把问题限定在 6 波段 HLS Sentinel-2 输入、USDA Cropland Data Layer 生成的休耕地 bounding box、Colorado 单个 HLS tile。这个设定很小，但它击中了一个真实痛点：休耕地不是稳定作物类别，光谱签名随管理方式、季节和地块状态变化，CDL 中该类本来就容易低精度。

来源事实： 论文于 2026-06-10 15:31:37 UTC 以 arXiv:2606.12218v1 提交。作者使用 Prithvi-EO-2.0 作为 backbone，输入为 HLS 的 B02、B03、B04、B8A、B11、B12 六个波段；标签来自 USDA CDL 的 fallow/idle cropland 类，经形态学处理和连通域转换为检测框。实验比较了 LoRA-only 与 Hybrid PEFT，两类检测头 Faster R-CNN / FCOS，以及 pseudo multi-scale、Lite ViT-Adapter、Full ViT-Adapter 三种 neck。最佳配置是 Lite ViT-Adapter + one-stage head + DIoU loss，报告 mAP@50 为 0.9479，相比 adapter-free anchor-based baseline 提升 25.70%。