本研究构建了多模态大语言模型LHRS-Bot，专注于遥感图像理解，利用高质量数据集RSICap和HqDC-1.4M，提升模型的空间感知和生成能力。通过对比性预训练，RS-CapRet实现了图像字幕生成和文本-图像检索，展示了在遥感领域的强大性能。