GeoPhysAdapter：基于视觉基础模型的尺度匹配地球物理适配跨域滑坡制图

新近触发的滑坡很少带有即时标注，因此跨域可迁移性决定了滑坡制图对应急响应和区域风险评估的价值。视觉基础模型增强了表征迁移能力，但在未见过的区域、事件和数据源上，它们仍会产生高置信度的误报。地形、物质和降雨触发因素可以约束此类误差，但它们的支撑范围分别为局部、区域和事件尺度，将其重采样到10米网格会使其与分割决策单元错位，并加剧不确定地理背景问题（UGCoP）。我们提出GeoPhysAdapter，它以冻结的视觉基础模型为锚点，将地形、物质和触发因素分别限定为密集空间引导、区域调制和事件时序强制，并在像素和候选滑坡体两个决策单元上施加有界适配，在支撑不足处精确回退到视觉预测。在一个由四个公开数据源、55个全球滑坡事件和7,890个测试样本构成的事件隔离PILD数据集上，70.3%的跨域误报质量位于中位等效直径207米的近纯虚假滑坡体内，对应的是粗先验支撑而非像素本身。像素级适配净移除507,817个错误像素并将误差降低7.76%；而在相同样本、锚点和基线条件下，将决策单元提升到候选滑坡体可使误差降幅提高到23.99%，约为像素级效果的3.1倍，IoU提升0.031（相对提升14.2%），且每损害1个像素可纠正9.92个像素。数据和代码已在 https://github.com/Liu-Zhihang/geophysadapter 公开。