遥感基础模型常被视为减少标注、快速迁移到新任务的捷径。但业务团队真正面对的是不同传感器、不同季节、不同地区和不同决策后果。一个公开榜单的高分，不能自动证明模型能用于本地洪涝、作物、林火或水质工作流。
《Scalable and Trustworthy Earth Observation Foundation Models》是一篇在审预印本综述，论文于 2026 年 7 月 8 日提交到 arXiv。它把焦点放在一个实际问题上：遥感基础模型必须适应测量物理和业务决策约束，不能直接照搬自然图像模型的假设。
可核查事实
- 论文于 2026 年 7 月 8 日提交到 arXiv，目前标注为 in review 的书章预印本。
- 论文指出，卫星和机载档案规模大、重访频率高且日益多模态，但可靠的实地标签常常稀缺。
- 论文认为，遥感基础模型不能在缺少领域适配时可靠地迁移到新任务。
- 论文汇总的基准证据指出，没有单一地理基础模型在所有任务中都最好，且评测不一致会妨碍公平比较。
- 论文将传感器模态、光谱波段、空间分辨率、重访时间、几何定位和物理过程列为模型设计与验收条件。
- 文中以有害藻华的物理知情光谱掩蔽和自适应监测站选择作为环境监测案例。
核心机制
遥感观测不是普通照片。光学、SAR、热红外、激光雷达和高光谱传感器测量的物理量不同，像元支持范围、噪声、观测几何和时间采样也不同。把波长、传感器身份、尺度、时间和位置当成模型输入，而不是事后备注，才有机会在跨传感器和跨区域任务中解释迁移边界。
论文还提醒，随机抽样的验证集可能高估表现：空间自相关会让训练与测试样本过于相似。农业模型更需要跨年、跨区域的验证；洪涝或水质模型则要看阈值附近的错误是否会改变业务行动。
GIS 场景与实施路径
先将模型输出发布为候选图层，并保留输入数据版本、传感器、波段、分辨率、时间范围、区域范围、模型版本和人工复核字段。再按真正的业务单元建立验证集，例如按行政区、流域、年份或传感器拆分，而不是随机抽取像元。
对分类任务，检查边界、漏检和误报；对连续环境变量，检查阈值附近的偏差；对变化检测，检查模型是否把传感器差异误判为地表变化。每次试点都把模型结果与现场调查、正式产品或人工判读对照。
可执行建议
- 选择一个决策后果清楚的任务，并写明模型输出只用作候选还是可直接触发流程。
- 固定传感器、版本、时段和区域，建立跨区域或跨年度留出集。
- 在 GIS 图层中记录数据口径、坐标系、模型版本和人工复核结果。
- 分别报告总体准确率、阈值附近错误和不同传感器或地区的失败案例。
- 当输入超出训练时段、区域或传感器范围时，标记不确定性并转人工处理。
风险边界
该文是综述性预印本，不是某个模型的部署承诺。基准分数、数据许可、传感器重处理和本地现场条件都可能变化。模型输出应保留为可审计的候选信息，不能替代专业人员对风险阈值和业务责任的判断。
结论
可信的 EO 基础模型不是“通用模型直接上图”，而是把模型、传感器、时间、空间和决策条件一起验收。用跨区域、跨年度、跨传感器的 GIS 验证取代单一榜单，才能知道它在哪里有用、又在哪里必须停下。