GeoFM 选型别只看榜单：把 89 个模型的“可用性”拆成七张验收表
遥感基础模型常以参数量、预训练数据和下游分数进入采购或试点讨论，但真正决定团队能否交付的，往往是权重是否可取得、环境能否复现、输出能否解释、服务能否长期存在。LoRetta 一类模型解决影像匹配问题；而 GeoFM 选型本身也需要一套可审计的“可用性配准”。近期一项针对 89 个 GeoFM 的系统评估提供了可直接落地的检查框架。
可核查事实
- 论文于 2026 年 8 月 4 日提交 arXiv，题为《How Usable Are Geospatial Foundation Models? A Systematic Evaluation of 89 Models》。
- 研究先以生态与保护科学家专家访谈识别需求，再由两名评估者把量表应用到 89 个 GeoFM。
- 量表包含七个维度：接入与部署、交互与定制、信任与透明度、社区与支持、科学持久性与可复现性、多语言支持、离线可用性。
- 89 个模型中 26 个（29.2%）没有公开预训练权重，只给出源代码；另有 19 个（21.3%）提供权重但缺少足够的环境指引。
- 也就是说，50.6% 的样本处于接入等级 0—1：使用者要么重训，要么自行搭建复杂环境。
- 研究汇总显示，只有 6% 的模型达到接入等级 4—5，即提供文档化 API 或 GUI、桌面程序、既有软件插件等可直接使用入口。
- 信任与透明度维度中，0% 提供不确定性信息，97% 只提供基准结果；细调是最常见交互方式，占 65%。
- 两名评估者以 20 个模型校准量表；除社区支持维度外，其余维度与属性的 Gwet AC1 均不低于 0.86。
这些数字不是对某一个模型性能的裁决，而是说明“能下载”与“团队能稳定使用”之间还有多个缺口。
核心机制
该研究将接入与部署划为六级。0 级是只有代码；1 级有权重但几乎没有环境说明；2 级给出环境配置；3 级有带样例数据的完整 notebook 或脚本；4 级为文档化托管 API；5 级则把能力放进 GUI、桌面程序或现有软件插件。这个梯度比“开源/不开源”的二元标签更有操作性。
其余六张表补全上线风险。交互不只看是否能 fine-tune，也看提示探索、按需嵌入、交互式再训练和现场数据接入。信任要分别记录可复现基准、数据说明、不确定性和模型局限；持久性要区分开源、归档 DOI、服务稳定性与数据/产物可迁移性。多语言和离线能力则决定边缘网络、现场调查及非英语团队是否会被排除在工作流外。
GIS 场景
对自然资源、农业、城市绿地和灾害监测团队而言，模型选型应从一个具体的空间产品倒推。例如要生成季度植被异常候选图，就先写清传感器、波段、投影、分辨率、云掩膜和输出空间单元；再要求模型供应方给出环境文件、样例推理、版本化权重、处理日志和失败案例。
如果输出要进入 QGIS、ArcGIS 或 STAC 管线，优先验证是否存在可重复调用的脚本或 API，而非仅演示网页截图。若任务要在野外站点、内网或断网条件下运行，离线可用性应成为发布门槛。模型分数可以是候选依据，不能替代这些交付条件。
技术路径
- 把目标拆为明确的空间产物：范围、时间窗、输入版本、栅格或矢量结构、允许误差和人工审核点。
- 先按接入等级淘汰不能获得权重、环境或最小可运行示例的候选；把许可证、算力、外部服务依赖写入台账。
- 对保留模型运行同一小型独立样本，保存容器或环境锁定文件、随机种子、输入校验和、推理参数和输出日志。
- 分别验收精度、置信或不确定性、跨区域与跨时相表现、失败样本和人工复核负荷。
- 以可迁移格式归档权重版本、特征或预测产物、元数据和回滚方案，再决定是否进入业务服务。
检查清单
- 是否能取得与论文版本对应的权重，以及可复现的环境配置？
- 是否有包含真实样例数据的端到端运行脚本？
- 输入传感器、波段、分辨率、日期、投影和预处理是否被明确约束？
- 是否记录了不确定性、已知失效条件和跨域性能，而不只记录单一榜单分数？
- 服务、数据和输出是否有迁移与归档方案？
- 是否支持团队实际使用的语言、内网和离线条件？
- 输出进入权威 GIS 图层前，是否经过空间位置、属性和时间一致性的人审？
风险边界
89 个模型的评估覆盖的是公开材料与研究设定，不能直接推断某一模型在本地传感器、地类或治理制度下的准确性。接入等级高也不等于生态结论可靠；有 API 也不等于数据可以长期访问。尤其是论文发现几乎没有样本提供不确定性信息时，任何阈值告警、资源配置或执法用途都应保留独立验证与人工签核。
结论
GeoFM 选型应同时验收模型能力和使用条件。把接入、交互、透明度、支持、可复现性、多语言与离线能力写成可检查的交付合同，团队才能把“研究可跑”转成“GIS 可维护”。先验证能否复现、能否解释、能否迁移，再讨论把模型输出写入业务图层。
资料依据
本文依据 Young 等人发表于 arXiv 的《How Usable Are Geospatial Foundation Models? A Systematic Evaluation of 89 Models》v2（2026-08-11 更新）撰写。文中 89 个样本、七维量表、接入等级分布、信任与透明度统计及双评估者校准结果均来自该论文；本文的 GIS 台账、独立样本和人工审核流程是面向部署的编辑建议。