以语言为中心的遥感图像智能解译：原理、方法与挑战

遥感图像解译的主流范式长期由以视觉为中心的模型主导，这些模型依赖视觉特征进行语义理解。然而，这些模型在处理多模态推理、语义抽象和交互式决策方面面临固有的局限性。尽管近期进展已将大语言模型（LLMs）引入遥感工作流程，但现有研究主要集中在下游应用，缺乏一个统一的、能解释语言认知作用的理论框架。本综述倡导从以视觉为中心向以语言为中心的遥感解译范式转变。受人类认知的全局工作空间理论（GWT）启发，我们提出一个以语言为中心的遥感解译框架，将大语言模型视为认知中枢，整合感知空间、任务空间、知识空间和行动空间，以实现统一的理解、推理和决策。我们首先探讨了大语言模型作为遥感解译中核心认知组件的潜力，然后总结了核心技术挑战，包括统一多模态表示、知识关联以及推理与决策。此外，我们构建了一个全局工作空间驱动的解译机制，并回顾了以语言为中心的解决方案如何应对各项挑战。最后，我们从多模态数据自适应对齐、动态知识约束下的任务理解、可信推理和自主交互四个角度，概述了未来的研究方向。本工作旨在为下一代遥感解译系统提供概念基础，并建立一条通往认知驱动的智能地理空间分析的发展路线图。