视觉语言地理基础模型 VLGFM 是什么？能看懂卫星图又能对话的 AI

视觉语言地理基础模型（Vision-Language Geo-Foundation Models，VLGFM）是专门为处理和分析地球观测数据而设计的多模态 AI 模型。它结合了视觉和语言两种信息，用来提高对地理空间数据的理解和分析能力。这一概念在 2024 年的相关综述中得到了系统的梳理。

为什么需要专门的模型

卫星、航空飞机和无人机每天都在拍摄海量的地球观测影像，它们记录着城市的扩张、农田的变化、森林的砍伐、灾害的发生。但这些遥感影像和我们日常拍的照片很不一样：它们从高空俯视拍摄，视角独特；一张图往往覆盖很大的范围，包含大量细小的目标，比如车辆、船只、房屋；还常常有人眼看不见的红外、多光谱、雷达等波段。通用的视觉语言模型，比如在日常照片上训练的模型，往往难以准确理解遥感影像。另一方面，过去分析遥感影像需要专业人员和专门的算法，每种任务都要单独开发模型，普通用户难以使用。

它能做什么

视觉语言地理基础模型能够执行多种任务：遥感图像描述，用文字描述一张卫星图里有什么，比如“图中是一个港口，有十几艘货船停靠，岸边堆放着大量集装箱”；视觉问答，回答关于影像的问题，比如“这个区域有几座桥”“这片农田种的是什么作物”；视觉定位，根据文字描述在图中找到对应的目标，比如“标出图中所有的飞机”；图文检索，用文字搜索符合描述的遥感影像；变化检测和分析，比较不同时间的影像，描述发生了哪些变化。它让用户可以直接用自然语言和地理空间数据交互，大大降低了使用遥感数据的门槛。

怎么构建

这类模型通常在通用视觉语言模型的基础上，用大量遥感图文数据进行训练或微调，比如为卫星图配上详细的文字描述、构建遥感领域的问答数据集；也有从对比学习的角度训练的遥感版 CLIP 模型，以及能处理多种遥感任务的对话式模型，如 GeoChat 等。

应用

它可以用于城市规划和土地利用调查、农业和作物监测、环境保护和生态评估、灾害应急响应（快速评估受灾范围和程度）、海洋和港口监测等。遥感数据涉及地理信息安全，使用和发布需要遵守相关的法律法规。