智能滑坡检测是防灾减灾的关键。现有模型多聚焦单一视觉任务，依赖大量标注数据，缺乏深层分析和场景理解能力。为克服这些瓶颈，我们提出 LandslideFM——首个将视觉感知与滑坡情境解释统一的基础模型。模型通过 Source‑Agreement Graduated Trust 半监督学习框架，在少量标注数据和海量未标注数据之间建立信任梯度，实现对多种视觉任务的自适应。预测得到的滑坡区域被用作显式空间提示，输入到经参数高效微调的 Vision‑Language Model 中，从而支持完整的滑坡推理。为促进训练与评估，我们同时构建 LandslideVL 基准，首次将遥感影像与新设计的文本提示相结合。大量公共数据集和 LandslideVL 实验表明，LandslideFM 在定量指标和定性展示上均优于现有方法，且在专门的滑坡推理和场景分析上超越通用 VLM。代码已开源：https://github.com/wangshanwen001/LandslideFM。
点评