摘要
遥感研究越来越依赖异构的卫星、无人机、高光谱、多光谱、合成孔径雷达（SAR）及环境监测数据，以支持土地、城市、水文和环境应用。然而，这些数据往往受到传感器差异、时空异质性、观测缺失、不规则采样、噪声以及非平稳环境过程的影响。本系统综述是在罗马尼亚人工智能中心（HRIA）项目的背景下进行的，该项目支持战略人工智能技术的发展。该综述综合了当前关于遥感与地球观测自适应神经网络的研究，特别关注液态神经网络及相关连续时间神经模型。在 IEEE Xplore、Scopus、Web of Science、ScienceDirect、SpringerLink、Wiley Online Library、Google Scholar 及参考文献列表中进行了系统检索。经过去重、筛选和全文评估，纳入了 61 项发表于 2018 年至 2026 年间的研究进行定性综合。研究发现，自适应神经网络在 2022 年之后获得了越来越多的关注，并主要应用于以图像为中心的遥感任务，包括分类、制图、目标检测、分割、增强和变化检测。大多数研究通过多尺度处理、自适应特征融合、注意力机制、图关系或任务特定优化来调整现有的深度学习架构。连续时间模型使用频率较低，但对不规则观测和动态环境过程具有相关性。液态神经网络仍处于新兴阶段，当前证据表明，对于不规则、含噪声、多模态和动态遥感应用，仅具有初步的、任务特定的相关性。
