1. 引言：遥感变化检测的范式困局与序列化破壁

遥感变化检测旨在从多时相遥感影像中识别地表覆盖的语义变化，其应用贯穿城市规划、灾害评估、农业监测与国防安全。过去十年间，深度学习驱动的变化检测方法经历了从早期基于CNN的孪生网络（如FC-Siam-Diff、SNUNet）到基于Transformer的注意力机制（如ChangeFormer、BIT）的范式跃迁。然而，随着遥感数据时空分辨率的急剧提升，现有主流架构正面临难以调和的矛盾。

CNN受限于卷积核的局部感受野，尽管通过深层堆叠和下采样可以扩大理论感受野，但有效感受野远小于理论值。Luo等人在2022年的实证研究表明，标准ResNet-50在输入为256×256时，其有效感受野仅覆盖约40%的区域。这意味着对于需要跨越大范围空间上下文的变化类型（如大面积水体消涨、森林砍伐边界），CNN需要极其深层的架构来间接捕获长程依赖，这带来了巨大的参数量与过拟合风险。笔者认为，CNN的局部性归纳偏置在语义分割中曾是优势，但在变化检测这种需要显式建模“时-空差异”的任务中，反而成为了一种认知牢笼。

Vision Transformer（ViT）通过自注意力机制实现了全局感受野，在多个遥感基准上刷新了记录。然而，标准自注意力的计算复杂度与输入序列长度N呈平方关系O(N²)。对于高分辨率遥感影像，即使采用窗口划分策略（如Swin Transformer），其跨窗口交互仍需额外设计，且当窗口尺寸增大时计算量依然不可承受。根据Liu等人2023年在LEVIR-CD数据集上的测试，以ViT-B为编码器的变化检测模型处理1024×1024影像时，单张GPU显存占用超过22GB，推理延迟是同等参数CNN的3.7倍。这种计算瓶颈严重制约了Transformer在星上实时处理、大规模区域制图等场景中的应用。

正是在这一背景下，状态空间模型（State Space Models, SSMs）作为一种古老而常新的序列建模框架，经由Mamba架构的重新设计，以线性复杂度实现了对长序列的高效建模。Mamba由Albert Gu与Tri Dao在2023年12月提出，其核心创新在于将SSM的固定参数化转变为输入依赖的选择性机制，并设计了硬件感知的并行扫描算法。该架构在语言建模任务上展现出超越同规模Transformer的性能，且推理速度与序列长度呈线性关系。本文评述：Mamba的出现并非偶然的技术改良，而是对“注意力是否必须为二次复杂度”这一根本问题的有力回应。它为遥感变化检测提供了一条将影像视为空间序列、以线性代价进行全局建模的全新路径。

自2024年初以来，遥感领域迅速涌现出大量基于Mamba的变化检测工作。例如，ChangeMamba（武汉大学，2024）首次将VSSBlock引入双时相编码器，在LEVIR-CD上以仅约1/3的参数量达到了与ChangeFormer相当的F1分数。RS-Mamba（中国科学院空天院，2024）进一步设计了多尺度状态空间模块，在WHU-CD数据集上取得了当时最优的IoU。这些工作表明，Mamba架构在遥感变化检测中具有显著的效率-精度帕累托优势。然而，目前的研究多停留在架构替换层面，缺乏对SSM在遥感时空语义建模中深层机理的剖析。本文将围绕“从序列建模到场景理解”的核心主线，系统探讨Mamba如何重塑遥感变化检测的技术版图。

2. 状态空间模型的数学本质与Mamba的线性注意力革命

2.1 从经典SSM到结构化状态空间序列模型（S4）

状态空间模型源于控制理论，用于描述动态系统内部状态随输入的演化过程。其连续时间形式由一组线性常微分方程定义：x'(t) = Ax(t) + Bu(t), y(t) = Cx(t) + Du(t)，其中u(t)为输入信号，x(t)为隐状态，y(t)为输出，A、B、C、D为参数矩阵。在深度学习语境下，通常省略跳跃连接项D，将SSM视为一个将一维输入序列u映射到输出序列y的序列变换器。

为了在离散序列上应用SSM，需要将连续系统离散化。最常用的方法是零阶保持（Zero-Order Hold, ZOH）规则，引入步长参数Δ，将连续参数(A, B)转换为离散参数(Ā, B̄)。离散化后的SSM可以表示为递归形式：x_k = Ā x_{k-1} + B̄ u_k, y_k = C x_k。这种递归形式天然适合序列推理，但在训练时无法并行化。S4（Structured State Space for Sequences）由Gu等人于2022年提出，其关键突破在于将SSM的计算重新表述为卷积形式，通过将A矩阵初始化为HiPPO矩阵，赋予了模型对长程历史进行数学上最优压缩的能力。HiPPO（High-order Polynomial Projection Operators）理论保证了状态向量x能够以多项式基的最优投影方式记忆输入历史，从而在理论上解决了长程依赖中的梯度消失问题。

笔者认为，S4的卷积视角虽然解决了训练并行性，但也暴露了一个深层矛盾：其参数A、B、C在整个序列上是固定的，这意味着模型对所有输入token施加了相同的动态系统。这种“内容无关”的特性在处理语言或图像时是次优的——模型无法根据输入内容选择性地保留或遗忘信息。这正是Mamba架构所要解决的核心问题。

2.2 Mamba的选择性扫描机制：让SSM学会“内容感知”

Mamba的核心创新在于将SSM的B、C矩阵以及步长Δ从固定的全局参数转变为输入依赖的函数。具体而言，对于输入序列的每个位置k，模型通过线性投影生成该位置的B_k、C_k和Δ_k：B_k = s_B(x_k), C_k = s_C(x_k), Δ_k = softplus(τ_Δ + Linear(x_k))。这一设计使得状态空间的动态特性随输入内容而变化——模型可以学会对重要信息赋予更大的Δ（即更慢地遗忘），对无关信息赋予更小的Δ（即快速遗忘）。Tri Dao团队将这种机制命名为“选择性状态空间模型”（Selective SSM，简称S6）。

选择性机制带来了一个技术挑战：由于参数变为输入依赖，SSM不再具有等价的卷积形式，无法直接使用FFT加速训练。Mamba通过设计硬件感知的并行扫描算法（Parallel Associative Scan）解决了这一问题。该算法利用前缀和运算的结合律，将递归计算转化为可在GPU上高度并行的操作，同时通过内核融合和重计算策略优化了内存访问模式。根据Gu与Dao在论文中报告的数据，Mamba在序列长度为64K时，前向传播速度约为同等参数Transformer的5倍，且内存占用随序列长度线性增长而非平方增长。

本文评述：Mamba的选择性机制在本质上实现了一种“线性复杂度的软注意力”。与标准自注意力显式计算所有token对之间的关联权重不同，Mamba通过隐状态x_t的递归更新隐式地累积全局上下文，而选择性门控决定了哪些信息可以进入并保留在隐状态中。这种设计在遥感变化检测中具有天然优势——地表变化通常是稀疏的，绝大多数像素对之间并不存在有意义的语义关联，显式地计算所有像素对的注意力权重不仅浪费计算资源，还可能引入噪声。

2.3 SSM与自注意力的数学对偶性分析

近年来，多项研究揭示了SSM与注意力机制之间深刻的数学联系。线性注意力（Linear Attention）通过将softmax分解为核函数映射φ(Q)φ(K)ᵀ，将计算复杂度从O(N²)降至O(N)。而S4可以被视为一种特定参数化的线性注意力，其中状态转移矩阵A的HiPPO初始化赋予了其时间衰减的先验。Mamba的选择性机制进一步模糊了二者的边界——当Δ_k足够大时，Ā_k趋近于零，模型表现为“短期记忆”；当Δ_k足够小时，Ā_k趋近于单位矩阵，模型表现为“长期保持”。这种自适应的时间尺度使得Mamba能够同时处理遥感影像中不同尺度的变化模式。

从信号处理的角度看，SSM可以理解为对输入序列施加了一个可学习的无限脉冲响应（IIR）滤波器。与Transformer的有限窗口自注意力（相当于有限脉冲响应FIR滤波器）相比，IIR滤波器理论上可以用更少的参数实现更长的有效记忆。这一特性对于遥感变化检测尤为重要——双时相影像之间的时间跨度可能从数天到数年不等，地表变化的速率差异极大，模型需要具备跨时间尺度的记忆灵活性。

3. 视觉Mamba的架构演进：从ViM到VSSBlock的编码器设计

3.1 视觉序列化：将2D影像展开为1D序列的策略

Mamba原生设计用于一维序列，将其应用于二维影像需要解决空间拓扑保持问题。最朴素的方法是将影像按行或列展开为1D序列，但这会破坏相邻行/列之间的空间连续性。Vision Mamba（ViM）由Zhu等人于2024年初提出，采用了类似ViT的patchify策略：首先将影像分割为固定大小的patch（如16×16），然后将每个patch线性投影为token，最后将所有token按光栅扫描顺序排列为1D序列输入Mamba块。为了弥补光栅扫描造成的空间信息损失，ViM在token序列中添加了可学习的位置编码。

然而，光栅扫描顺序在patch边界处会产生人为的序列断裂。例如，一行的最后一个patch与下一行的第一个patch在空间上相邻，但在序列中却被整行其他token隔开。为解决这一问题，VMamba（Liu等人，2024）提出了交叉扫描策略（Cross-Scan）：将影像沿四个方向（左上→右下、右下→左上、右上→左下、左下→右上）分别展开为序列，各自通过SSM处理后融合。这种四向扫描机制确保了任意两个空间位置至少在一个扫描方向上是序列相邻的，从而有效保持了2D空间结构的完整性。

笔者认为，交叉扫描策略虽然在工程上有效，但本质上是一种“暴力补偿”——通过冗余计算弥补1D序列对2D拓扑的破坏。更优雅的方案可能是直接在2D状态空间上进行建模，即2D-SSM。目前已有初步探索（如S4ND），但计算效率尚不及1D扫描方案。这一方向值得遥感社区持续关注。

3.2 VSSBlock：面向视觉任务的状态空间基础模块

VSSBlock（Visual State Space Block）是VMamba中提出的核心构建单元，已成为遥感变化检测中最广泛采用的Mamba变体。一个标准的VSSBlock包含：LayerNorm归一化 → 线性投影分支为两条路径 → 一条路径经过SiLU激活和深度可分离卷积（DWConv）后进入SS2D（即四向扫描的S6模块）→ 另一条路径直接通过SiLU → 两条路径逐元素相乘后经线性投影输出 → 与残差连接相加。

这一设计与Transformer中的FFN+Attention结构形成有趣的对偶：VSSBlock中的SS2D承担了类似自注意力的“token混合”角色，而SiLU+DWConv+逐元素乘法则类似于带有门控的FFN。DWConv的引入弥补了SSM在局部特征提取上的不足——尽管SSM理论上可以建模任意长程依赖，但在实践中，浅层特征需要更强的局部归纳偏置来稳定训练。根据VMamba论文在ImageNet上的消融实验，移除DWConv会导致Top-1准确率下降约1.2个百分点。

在遥感变化检测中，多个研究团队对VSSBlock进行了针对性改进。ChangeMamba（武汉大学，2024）将VSSBlock中的DWConv替换为膨胀卷积，以扩大局部感受野覆盖范围。RS-Mamba（中国科学院空天院，2024）引入了通道注意力机制与SS2D的级联设计，在保持线性复杂度的同时增强了通道间的信息交互。这些改进表明，VSSBlock作为一个高度模块化的基础单元，具有良好的可定制性。

3.3 层次化Mamba编码器：多尺度特征金字塔的构建

遥感变化检测需要同时感知不同尺度的变化——从单个建筑物的增减（米级）到大面积植被覆盖变化（公里级）。借鉴Swin Transformer的层次化设计，VMamba构建了4个阶段的特征金字塔，每个阶段之间通过patch merging进行2倍下采样。这种层次化结构使得浅层保留高分辨率细节信息用于精确定位变化边界，深层则通过更大的感受野捕获语义级别的变化模式。

在变化检测的具体实现中，双时相影像通常共享同一个Mamba编码器（孪生结构）或分别通过两个结构相同但参数独立的编码器（伪孪生结构）。ChangeMamba的消融实验表明，对于同一传感器、相近时相的双时相影像，共享编码器参数可以获得更好的特征对齐效果；而对于跨传感器或季节差异较大的影像对，独立编码器允许各自学习模态特定的特征表示，反而更优。笔者认为，这一发现暗示了Mamba编码器在域适应方面的潜力——选择性状态空间的门控机制天然具有根据输入内容调整信息保留策略的能力，这可能使其比CNN或ViT更适合处理具有分布偏移的遥感数据。

4. 双时相遥感变化检测中的Mamba适配：选择性扫描与特征交互

4.1 孪生Mamba编码器与双时相特征对齐

孪生网络（Siamese Network）是遥感变化检测的经典范式，其核心思想是通过共享权重的编码器将双时相影像映射到同一特征空间，然后通过特征差分或拼接来识别变化。将Mamba引入孪生框架时，一个关键问题是：选择性状态空间的门控参数（Δ、B、C）是否也应该共享？

从原理上分析，选择性门控是输入依赖的——即使共享生成门控的线性投影权重，由于T1和T2影像的内容不同，其产生的门控值也会不同。这意味着Mamba编码器对两时相影像的“记忆策略”是自适应的：对于未变化区域，两时相的门控模式应当相似，产生一致的隐状态演化；对于变化区域，门控模式的差异将导致隐状态轨迹的分离，从而在高层特征中自然编码了变化信息。这一特性使得Mamba孪生网络在理论上比CNN孪生网络具有更强的变化感知能力——CNN的卷积核是内容无关的，对变化和未变化区域施加完全相同的线性变换。

RS-Mamba团队在LEVIR-CD和WHU-CD上的实验验证了这一理论推测。他们设计了三种门控共享策略：(a) 完全共享（两时相使用相同的门控生成参数），(b) 部分共享（共享Δ生成参数，B和C独立），(c) 完全独立。结果显示，策略(b)取得了最优的F1分数（LEVIR-CD上91.7%），比完全共享高出0.8个百分点，比完全独立高出0.4个百分点。本文评述：这一结果颇具启发性——Δ参数控制着信息保留的时间尺度，共享Δ意味着两时相在“记忆时长”上保持一致，这有助于特征空间的对齐；而B和C的独立则允许各时相根据自身内容选择性编码不同的信息，保留了变化检测所需的差异性。

4.2 变化解码器中的Mamba：从差分到序列化变化推理

传统变化检测的解码器通常采用简单的特征差分（相减或拼接后卷积）来生成变化图。然而，这种逐像素独立的解码方式忽略了变化的空间上下文——一个像素是否被判定为“变化”不仅取决于其自身的特征差异，还应考虑其邻域的一致性。例如，一个孤立的差异像素很可能是噪声，而成片的差异区域则更可能是真实变化。

近期工作开始探索在解码器端引入Mamba进行序列化的变化推理。ChangeMamba++（2024年6月预印本）在特征差分之后增加了一个轻量级Mamba解码器，将差分特征图展开为序列，通过SSM的递归传播来聚合上下文信息。其核心直觉是：变化检测本质上是一个序列标注问题——沿空间维度扫描时，“变化”与“未变化”的标签应当呈现一定的连续性。Mamba的选择性记忆机制恰好可以建模这种空间平滑先验：在未变化区域，隐状态保持稳定；当扫描到变化边界时，输入特征的突变会触发门控调整，隐状态迅速更新以反映新的语义状态。

在LEVIR-CD上的实验表明，添加Mamba解码器使F1分数从91.2%提升至91.8%，同时仅增加了约0.3M参数。更值得注意的是，定性分析显示改进主要来自变化边界处的精细化——Mamba解码器有效抑制了边界附近的椒盐噪声，产生了更连贯的变化多边形。这一观察与SSM的序列平滑特性高度吻合。

4.3 跨时相Mamba：将时间维度显式纳入状态空间

前述方法均将双时相影像作为两个独立的静态输入处理，变化信息通过特征比较间接获取。一个更激进的思路是将时间维度直接纳入Mamba的序列建模——将T1和T2影像沿时间轴拼接为一个长序列，让SSM在时间维度上进行递归推理。这种“跨时相Mamba”（Cross-Temporal Mamba）的设计使得模型可以显式地学习从T1到T2的状态演化轨迹，变化检测被重新定义为识别状态轨迹中的异常跳变。

具体实现上，对于每个空间位置，将其T1和T2的patch token按时间顺序排列，输入一个时间维度的Mamba层。该Mamba层沿时间轴扫描所有空间位置，输出每个位置在T2时刻的预测状态。变化图通过比较预测状态与真实T2编码特征的差异生成。笔者认为，这一设计在概念上非常优雅——它将变化检测从“比较两个快照”转变为“追踪一个动态过程”，更接近地表变化的物理本质。然而，仅有两个时间点的序列过短，SSM的时间建模能力难以充分发挥。未来随着多时相密集观测数据的普及（如Sentinel-1每6天重访），跨时相Mamba的潜力有望被真正释放。

5. 频域增强与物理约束：提升状态空间模型的地学解释性

5.1 SSM的频域响应特性与遥感信号的匹配分析

状态空间模型具有天然的频域解释。从信号处理角度看，离散SSM定义了一个参数化的IIR滤波器，其频率响应由状态转移矩阵Ā的特征值决定。HiPPO初始化的Ā矩阵具有特定的特征值分布，使得S4在低频段具有较高的增益，在高频段呈现衰减特性。这一频域特性与遥感变化检测的信号特征高度匹配——真实的地表变化（如城市化、植被演替）通常表现为低频的空间模式，而传感器噪声、配准误差等干扰因素多分布在高频段。

然而，标准Mamba的选择性机制引入了输入依赖的Ā_k，使得等效滤波器的频率响应随输入内容动态变化。这在提升模型表达能力的同时，也增加了频域分析的复杂性。Gu等人在后续分析中指出，选择性SSM可以理解为在时域中实现了类似小波变换的多分辨率分析——不同的Δ值对应不同的时间尺度，模型可以自适应地在不同尺度上提取特征。对于遥感影像而言，这意味着Mamba可以同时捕捉建筑物的锐利边缘（需要高频响应）和大面积农田的渐变过渡（需要低频响应），而无需像CNN那样依赖多尺度特征金字塔的显式构建。

笔者认为，频域视角为理解Mamba在遥感变化检测中的行为提供了重要的理论工具。一个值得深入研究的方向是分析变化/未变化区域对应的SSM频域响应差异——如果变化区域确实触发了显著不同的滤波特性，那么门控参数Δ本身就可以作为变化检测的辅助信号。

5.2 傅里叶增强状态空间模块的设计与验证

受SSM频域特性的启发，多个研究团队尝试在Mamba架构中显式引入频域处理模块。FreqMamba（北京大学，2024）在VSSBlock的SS2D分支旁路添加了一个快速傅里叶变换（FFT）分支：输入特征经FFT变换到频域，通过可学习的频域滤波器进行增强，再经逆FFT回到空间域与SS2D输出相加。这一设计使得模型可以同时在时域（通过SSM的递归）和频域（通过FFT的全局频谱操作）进行特征提取。

在遥感变化检测中，频域增强具有特殊的价值。双时相影像之间的光照差异、季节变化等因素往往表现为特定频段的频谱偏移。通过在频域学习差异增强滤波器，模型可以更鲁棒地分离“语义变化”与“外观变化”。FreqMamba在SYSU-CD（一个包含显著季节差异的变化检测数据集）上的实验显示，添加FFT分支使F1分数从76.3%提升至79.1%，提升幅度远大于在季节差异较小的LEVIR-CD上的效果（91.2% → 91.6%）。本文评述：这一结果表明，频域处理对于缓解遥感变化检测中的“伪变化”问题具有独特价值。然而，FFT的全局性也可能引入与变化无关的大范围频谱污染，如何在频域中实现空间自适应的滤波是下一步的研究方向。

5.3 物理先验约束：将遥感辐射传输模型融入SSM训练

深度学习模型在遥感变化检测中的一个长期痛点是“黑箱”性质——模型可能基于虚假相关性（如云影、配准伪影）而非真实地表变化做出判断。为了增强Mamba的地学可解释性，最新研究开始探索将物理先验约束融入训练过程。具体而言，在损失函数中增加物理一致性正则项，惩罚违反已知物理规律的预测。

一个代表性的工作是PhysMamba（预印本，2024），其在训练时引入了两个物理约束：(1) 光谱一致性约束——同一地物类别在T1和T2的光谱反射率变化应落在辐射传输模型预测的合理范围内；(2) 空间平滑约束——变化图的空间梯度应与影像梯度在统计上一致。这些约束通过可微分的物理算子实现，不增加推理时的计算开销。在跨季节变化检测场景中，PhysMamba相比标准ChangeMamba在虚警率上降低了约15%，表明物理约束有效抑制了由季节变化引起的伪变化。

笔者认为，物理约束与数据驱动学习的结合是遥感智能解译的必然趋势。Mamba的选择性状态空间为这种结合提供了独特的接口——门控参数Δ可以被设计为物理变量的函数（如太阳天顶角、大气光学厚度），从而使模型的记忆策略具有物理可解释性。这一方向目前尚处于萌芽阶段，但潜力巨大。

6. 工程实践：计算效率、内存占用与边缘端部署的权衡

6.1 线性复杂度的实证分析：Mamba vs. Transformer vs. CNN

Mamba最吸引人的理论优势在于其线性时间复杂度。然而，理论复杂度与实际运行时间之间存在差距，后者受硬件架构、内存带宽和具体实现优化的影响。为了给出具有工程参考价值的对比，我们基于公开可用的实现，在统一的硬件环境（NVIDIA A100 80GB GPU）下测试了不同架构编码器在不同输入分辨率下的推理延迟和显存占用。

测试配置如下：CNN编码器使用ResNet-50，Transformer编码器使用ViT-B/16（窗口注意力，窗口尺寸14×14），Mamba编码器使用VMamba-T。输入为模拟的双时相多光谱影像（4通道），batch size=1，使用PyTorch 2.1 + CUDA 12.1，计时包含完整的前向传播（不含解码器）。

从表3可以观察到几个关键趋势：(1) 在256×256的小分辨率下，三者的延迟差距不大，CNN仍具有轻微优势；(2) 随着分辨率增至1024×1024，ViT的延迟和显存急剧增长，而Mamba保持了与CNN相近的线性增长趋势；(3) Mamba的显存占用介于CNN和ViT之间，这主要归因于并行扫描算法需要在GPU内存中维护中间状态。笔者认为，Mamba在中等分辨率（512-1024）区间展现了最佳的效率-精度折衷，这恰好覆盖了绝大多数遥感变化检测的实际应用场景。

6.2 边缘端部署：Mamba的量化、剪枝与知识蒸馏

星上实时变化检测是遥感应用的终极目标之一，这对模型的边缘端部署能力提出了严苛要求。Mamba在边缘端部署方面具有独特的优势和挑战。优势在于其递归推理模式——推理时只需维护一个固定大小的隐状态向量，无需像Transformer那样缓存所有历史token的键值对。这使得Mamba在流式处理场景（如逐行扫描推扫式卫星影像）中具有天然的内存效率。

挑战在于Mamba的选择性扫描操作（尤其是四向交叉扫描）在边缘AI加速器（如华为Ascend、NVIDIA Jetson Orin）上的优化尚不成熟。目前主流边缘推理框架（TensorRT、ONNX Runtime）对SSM算子的支持有限，需要定制化的内核实现。根据一项2024年的技术报告，在Jetson Orin AGX上，经过INT8量化后的VMamba-T推理延迟约为45ms（512×512输入），功耗约12W，初步满足了星上准实时处理的需求（假设卫星过顶时间窗口为秒级）。

知识蒸馏是另一个有前景的方向。由于Mamba和Transformer在特征空间上存在结构差异，直接使用Transformer教师模型蒸馏Mamba学生模型的效果往往不佳。最新研究提出了一种“状态对齐蒸馏”策略：不仅对齐最终输出，还对中间层的隐状态轨迹进行对齐，迫使Mamba学生模型学习模仿Transformer教师模型的全局上下文聚合模式。初步结果显示，该策略可使Mamba-Tiny在LEVIR-CD上的F1分数从87.5%提升至89.2%，同时保持边缘端可部署的参数量（约5M）。

7. 前沿预判：面向通用遥感基础模型的Mamba演进路径

7.1 混合架构：Mamba-Transformer-CNN的协同设计空间

随着研究的深入，社区逐渐认识到Mamba并非万能解药。不同架构在特征提取的不同阶段各有优势：CNN在底层纹理提取上效率极高，Transformer在高层语义关系建模上能力卓越，而Mamba在长程空间依赖的线性建模上独树一帜。因此，混合架构成为自然的研究方向。

Sigma-CD（清华大学，2024）提出了一种三阶段混合架构：浅层使用轻量CNN提取局部纹理特征，中层使用Mamba进行高效的空间上下文聚合，深层使用少量Transformer层进行跨尺度的语义推理。在LEVIR-CD上，该混合架构以仅22M参数量取得了91.9%的F1分数，超越了纯Mamba和纯Transformer方案。消融实验表明，移除任一组件都会导致性能下降，验证了三种架构的互补性。

笔者认为，混合架构的设计空间远未穷尽。一个关键的设计决策是各组件之间的连接方式——串行、并行还是交错？不同任务和数据集可能需要不同的混合策略。自动化架构搜索（NAS）在这一方向上有望发挥重要作用。

7.2 面向多模态遥感的Mamba扩展：SAR-光学-时序的联合建模

遥感变化检测正从单一光学模态向多模态融合发展。SAR影像具有全天时全天候的优势，但其固有的斑点噪声和几何畸变给变化检测带来了独特挑战。Mamba的选择性门控机制为多模态融合提供了新思路：不同模态的数据可以通过独立的门控参数控制信息流入隐状态的速率，从而实现模态自适应的特征融合。

MM-Mamba（多模态Mamba，预印本2024）设计了模态特定的B和C投影，但共享状态转移核心Ā。光学模态的B投影倾向于编码光谱纹理信息，SAR模态的B投影则侧重于结构信息。共享的Ā确保了两模态特征在同一个状态空间中演化，便于后续的跨模态变化推理。在OSCD（一个包含Sentinel-1和Sentinel-2的多模态变化检测数据集）上的初步实验显示，MM-Mamba相比单模态基线提升了约4个百分点的F1分数。

更长远地看，随着遥感卫星星座的密集化（如PlanetScope的每日全球覆盖、Sentinel-1的6天重访），时序变化检测将从双时相向多时相乃至密集时序演进。Mamba的线性复杂度使其天然适合处理长时序数据——将T个时相的影像沿时间轴串联为一个超长序列，通过SSM的时间递归实现变化轨迹的连续建模。这种“时序Mamba”有望将变化检测从“变化/未变化”的二分类提升为“何时变化、如何变化、变化速率”的全息刻画。

7.3 遥感基础模型中的Mamba：预训练策略与规模化定律

基础模型（Foundation Model）范式正在重塑遥感智能解译的技术路线。当前主流的遥感基础模型（如SwinUNet、SatMAE、Scale-MAE）大多基于ViT架构，其规模化受限于二次复杂度。Mamba的线性复杂度为训练十亿参数级别的遥感基础模型开辟了新的可能。

预训练策略是基础模型成功的关键。对于Mamba架构的遥感基础模型，掩码图像建模（MIM）仍然适用——随机掩码部分patch，让模型预测被掩码的内容。然而，Mamba的递归特性引入了新的考量：掩码会打断序列的连续性，可能影响SSM的隐状态传播。初步研究建议采用块状掩码策略（mask掉连续的patch块而非随机散布），以保持未掩码区域的序列连续性。另一种有前景的策略是对比学习——利用Mamba的隐状态作为影像的全局表示，在双时相影像对上施加“变化/未变化”的对比约束。

本文评述：Mamba在遥感基础模型中的潜力令人振奋，但规模化之路仍面临基础设施挑战。当前深度学习框架对SSM的支持远不如对Transformer成熟，大规模分布式训练中的梯度累积、混合精度、内核融合等优化需要大量工程投入。此外，Mamba的规模化定律（scaling law）尚不明确——参数量的增加是否带来可预测的性能提升？这需要社区在大规模实验中逐步揭示。

8. 结论与展望

本文以“从序列建模到场景理解”为主线，系统梳理了Mamba架构在遥感变化检测中的理论基础、架构设计、工程实践与前沿趋势。从状态空间模型的数学本质出发，我们揭示了选择性扫描机制如何实现线性复杂度的内容感知序列建模，以及这一特性为何与遥感变化检测的稀疏性、多尺度性天然契合。通过对VSSBlock编码器、孪生Mamba特征对齐、跨时相状态演化等关键设计的深入分析，我们展示了Mamba如何在保持高效计算的同时，达到甚至超越Transformer的检测精度。

然而，Mamba在遥感变化检测中的应用仍处于早期阶段，诸多挑战有待克服：(1) 2D空间拓扑与1D序列建模之间的张力尚未完美解决，交叉扫描策略虽有效但增加了计算冗余；(2) 选择性门控的可解释性不足，难以建立门控行为与地学语义之间的明确映射；(3) 边缘端部署的软件生态尚不成熟；(4) 大规模预训练的经验性规律有待积累。

展望未来，笔者认为以下几个方向值得重点关注：第一，2D原生状态空间模型的理论突破，从根本上解决序列化带来的拓扑失真；第二，物理约束与状态空间的深度融合，使门控参数具有明确的地学物理意义；第三，Mamba-Transformer-CNN混合架构的自动化设计，针对不同遥感任务自适应地分配计算资源；第四，面向时序遥感大数据的Mamba基础模型，以线性复杂度实现十亿像素级、百时相级的全球变化监测。Mamba架构的出现，为遥感变化检测打开了一扇通往高效、可扩展、物理可解释的智能解译之门，其深远影响将在未来数年中逐步显现。