主要观点总结
本文介绍了张觅副研究员和龚健雅院士在遥感智能解译领域的研究成果。包括在Science Bulletin上发表的关于遥感通用大模型的论文，以及解决遥感智能解译大模型全栈自主可控的卡脖子问题的系统方法。此外，还介绍了与华为公司和百度公司的合作，以及相关成果在广东省国土资源技术中心等单位的落地应用。
关键观点总结
关键观点1: 遥感通用大模型的提出和研究进展
论文系统地分析了遥感大模型在多个领域的进展，包括场景分类/检索、目标检测等，并提出了遥感大模型的统一计算框架。基于该框架，课题组研发了具备28亿参数的多模态-多任务的遥感大模型LuoJia.SmartSensing。
关键观点2: TopoSense视觉智能体矢量提取模型的应用
不同于当前语言模型驱动的智能体方法，TopoSense尝试将遥感影像地物目标的“点-线-面“要素作为视觉智能体基元，实现矢量地物要素的在线更新与鲁棒提取。该成果已在ISPRS Technical Commission III Mid-term Symposium上发布。
关键观点3: 研究团队的合作与成果应用
LuoJiaNet智能遥感解译团队在龚健雅院士、胡翔云教授指导下，系统地解决了遥感智能解译大模型全栈自主可控的卡脖子问题。相关成果获得了多项基金的支持，并在多个单位落地应用。
文章预览
近期，张觅副研究员作为第一作者和龚健雅院士作为通讯作者在Science Bulletin （科学通报，IF=18.8）发表题为“Foundation model for generalist remote sensing intelligence: potentials and prospects”的研究成果。论文系统地分析了近5年国内外遥感大模型在场景分类/检索、目标检测、地物分类（语义分割）、变化检测、视频追踪、地学应用等方面的进展，提出遥感大模型的统一计算框架，即领域专用的深度学习框架与样本库、多模态地学领域知识的融合与微调、双向人机反馈机制、质量与可靠性评估、透明的下游应用模型。基于该框架，课题组研发了具备28亿参数的多模态-多任务的遥感大模型LuoJia.SmartSensing（珞珈.灵感）并在山东海阳东方航天港成功部署原型系统。 图1 遥感通用大模型统一计算框架 另一项研究TopoSense: agent driven topological graph extraction from remote sensing image
………………………………
