Multi-modal large language models (MLLMs) have demonstrated remarkable success in vision and visual-language tasks within the natural image domain. Owing to the significant domain gap between natural and remote sensing (RS) images, the development of MLLMs in the RS domain is still in the infant stage. To fill the gap, a pioneer MLLM named EarthGPT integrating various multi-sensor RS interpretation tasks uniformly is proposed in this paper for universal RS image comprehension. Firstly, a visual-enhanced perception mechanism is constructed to refine and incorporate coarse-scale semantic perception information and fine-scale detailed perception information. Secondly, a cross-modal mutual comprehension approach is proposed, aiming at enhancing the interplay between visual perception and language comprehension and deepening the comprehension of both visual and language content. Finally, a unified instruction tuning method for multi-sensor multi-task in the RS domain is proposed to unify a wide range of tasks including scene classification, image captioning, region-level captioning, visual question answering (VQA), visual grounding, object detection, etc. More importantly, a dataset named MMRS-1M featuring large-scale multi-sensor multi-modal RS instruction-following is constructed, comprising over 1M image-text pairs based on 34 existing diverse RS datasets and including multi-sensor images such as optical, synthetic aperture radar (SAR), and infrared. The MMRS-1M dataset addresses the drawback of MLLMs on RS expert knowledge and stimulates the development of MLLMs in the RS domain. Extensive experiments are conducted, demonstrating the EarthGPT's superior performance in various RS visual interpretation tasks compared with the other specialist models and MLLMs, proving the effectiveness of the proposed EarthGPT and offering a versatile paradigm for open-set reasoning tasks. Our code and dataset are available at https://github.com/wivizhang/EarthGPT.

Flying fish have been observed jumping out of warm ocean waters worldwide. Before take-off, the flying fish are seen to taxi on the water surface by rapidly beating their semi-submerged tail fins, which process may help them airborne with enough speed to glide over a long distance. To understand the underlying physical mechanisms, here, we study a flying fish, 0.25m in length and 0.191kg in weight, considering both its underwater swimming and surface taxiing locomotion. Its hydrodynamic characteristics are numerically studied by computational fluid dynamics (CFD). Underwater, the fish is assumed to swim at a constant speed of 10 m/s. Different critical frequencies are identified for various maximum deflected angles, ranging from θ=10o to 30o, at which the fish reaches cruising states, when the horizontal forces are balanced. The corresponding minimum power required for cruising swimming is 350 W, obtained at a deflected angle of 10o and a critical frequency of 145 Hz. In contrast, in the taxiing stage, the minimum power required for a stead-state locomotion at 10 m/s is 36 W, occurring at a deflected angle of 15o and a frequency of 50 Hz. We note that the power is significantly smaller than the swimming locomotion. Further, by increasing the flapping power, we report that larger speeds can be achieved. In specific, when the power is brought up to 350 W, it can reach a speed of 16.5 m/s. Clearly, from the direct comparison between the two locomotive modes, it is apparently evidenced that the flying fish can be further accelerated by taxiing along the water surface.

The operation of the anti-icing system of an airplane can modulate its aerodynamics, whilst an aerodynamic control can alter the icing condition. Therefore, one well-designed control strategy can be expected to yield two benefits, which, however, has not been actively investigated. In this work, the constant leading-edge blowing technique is deployed to achieve joint effects on anti-icing and drag reduction, first on an airfoil and then on a half-airplane model. The results indicate that dual virtual surfaces (an inner one and an outer one) wrapping the leading edge are generated by the blowing control. The inner one prevents water droplets from impacting and accumulating on the airfoil by changing their trajectories. The outer one redirects the shear generated by the blowing and promotes its rolling up and vortex shedding, generating low-pressure zones around the upper leading edge and subsequently reducing drag significantly.

Electrothermal de-icing systems are highly reliable and controllable, offering significant potential for aircraft light-weighting and low-energy flight. In order to achieve rapid de-icing, it is important to design the energy distribution system of the aircraft rationally. In this paper, an energy distribution optimization method for aircraft electrothermal de-icing is established based on genetic algorithms. Heating elements are placed at the leading edge of the aircraft, with the total power and power density range of each heating element as constraints. The shortest time to phase transition of a 0.2 mm ice layer into a water layer is set as the optimization objective. The optimization results show that the power distribution of the heating elements changes with the thickness of ice layer, and the corresponding phase transition of the optimal distribution scheme is more pronounced in the area in contact with the air compared to the internal area.