VertiCue-Bench：诊断多模态大模型是否利用高度线索解决遥感自然场景中的二维歧义

多模态大模型（MLLMs）在地理空间推理方面进展显著，但现有遥感基准主要关注二维光学外观，忽略了自然环境中因光谱混淆导致的语义歧义。针对生态区域纹理相似但垂直结构不同的情况，本文提出了 VertiCue-Bench，这是首个基于冠层高度模型（CHM）的诊断基准。该基准包含 17 项任务的 1534 个实例，旨在区分底层高度感知与消歧语义推理。评估显示，尽管模型能读取高度线索，却难以将其转化为可靠的语义推理，暴露了从几何感知到语义理解的关键差距。