人工智能与遥感科学交叉研究综述：现状与展望
摘要：人工智能的快速发展正推动遥感科学从“观测主导”向“智能认知”的范式转变。面对遥感观测规模快速扩张所带来的多源异构、高维特性等挑战，传统解译方法在效率、精度与可扩展性等方面已难以满足实际需求。以深度学习和大模型为代表的人工智能技术，为复杂地球系统的自动特征提取、跨模态融合与深层知识发现提供了新的理论支持与技术路径。近年来，人工智能遥感数据的融合在多类型观测数据（高分辨率光学、高光谱、SAR、LiDAR 等） 与多类智能任务（分类、检测、分割、变化检测与大模型认知推理） 中不断深化，并在地质、生态、农业、城市与灾害监测等关键应用场景中展现出重塑认知模式并增强决策智能化的潜力。然而，当前研究仍存在观测机理与模型表征耦合不足、跨区域跨模态泛化能力有限，以及智能系统可解释性与可信性仍待加强等问题。基于此，本文从观测技术、智能方法与典型应用3个维度系统梳理人工智能赋能遥感科学的最新进展，总结其发展脉络与共性特征，探讨面向全球尺度与动态复杂地球系统所面临的关键挑战，并对构建可泛化、可解释与可持续的下一代智能遥感理论体系和应用框架进行了展望。
