卫星遥感图像解译对于通过多种任务（如农作物生长监测、自然灾害防控等）了解我们的共同家园—地球至关重要。每项任务都可能需要投入大量的精力和资源来建立特定任务的模型。目前，深度学习方法促进了遥感图像判读的快速发展。最广泛使用的训练范式是使用 ImageNet预训练模型来处理遥感数据，以完成指定任务。然而，这些方法存在的问题包括自然场景和卫星遥感场景之间的领域差距以及卫星遥感模型的泛化能力较差。因此，开发具有通用卫星遥感特征表示的基础模型是有意义的。近期，遥感基础模型（Remote Sensing Foundation Model）作为一种预先训练好的通用模型出现了，它在广泛的下游任务中表现出色。本文收集了遥感基础模型相关的论文、数据集、代码和预训练权重集（Weights & Bias）。