AI极大地推动了地球科学的发展，但其在全面模拟地球复杂动力学方面的全部潜力仍未实现。地球科学基础模型（GFM）作为一种范式转换的解决方案应运而生，整合了广泛的跨学科数据，增强了对地球系统动力学的模拟和认识。这些以数据为中心的AI模型从数百亿字节的结构化和非结构化数据中提取见解，有效地解决了传统模型难以捕捉的地球系统复杂性问题。GFM的独特优势包括灵活的任务规范、多样化的输入输出能力和多模态知识表示，从而使分析超越了单个数据源或传统AI方法。

　　研究不仅强调了GFM的主要优势，而且介绍了其构建的关键技术，重点是变换器、预训练和适应策略。研究检视了GFM的最新进展，包括大型语言模型、视觉模型、视觉－语言模型和基于基础模型的代理，特别强调了这些模型在遥感中的潜在应用。此外，文章还全面分析了GFM面临的挑战和未来趋势，涉及数据整合、模型复杂性、不确定性量化、跨学科合作以及与隐私、信任和安全相关的问题。

　　研究论文全面概述了新兴的地球科学研究范式，强调了先进AI技术与地球科学交叉领域尚未开发的机会。它探讨了主要的方法论，展示了大模型的进展，并讨论了将塑造未来GFM格局的挑战和前景。论文强调了这一充满活力和可能性的领域，有望开启对地球复杂性的新见解，并进一步推进地球科学探索。

　　相关成果以When Geoscience Meets Foundation Models: Toward a general geoscience artificial intelligence system为题发表在IEEE Geoscience and Remote Sensing Magazine上。