研究成果

近日，我校环境与测绘学院薛勇教授课题组在中科院一区TOP期刊《International Journal of Geographical Information Science》（IJGIS）发表关于灾害场景下跨视角地理定位方法的论文，题为“LLM-enhanced disaster geolocalization using implicit geoinformation from multimodal data: A case study of Hurricane Harvey”。我校博士生尹文萍为该论文第一作者，来自慕尼黑工业大学（TUM）、新加坡国立大学（NUS）和伦敦大学学院（UCL）等机构的学者参与合作。

志愿地理信息（VGI）通常包含丰富的空间位置数据，这对灾害响应与灾后评估具有重要意义。然而，现有的VGI地理定位研究尚未充分挖掘多源多模态数据的潜力。文章提出了多模态灾害数据集Multilan，并提出了两种创新方法（StaGeo与TriGeo），以提高灾害VGI的跨视角地理定位精度。Multilan数据集整合了VGI文本与图像、街景影像（SVI）和遥感影像（RSI），并利用大语言模型（LLMs）从VGI文本中提取隐含的地理信息进行标注。StaGeo方法通过ConvNeXt与视觉变换器（ViT）的分阶段训练来优化模型，而TriGeo方法基于DINOv2框架，通过VGI↔SVI↔RSI三目标联合训练ViT模型。在SVI桥接VGI与RSI的过程中，文章方法在Multilan数据集的不同训练-测试划分下，显著提升了地理定位精度。在8:2标准数据划分下，StaGeo方法的Recall@1、Recall@5、Recall@10和Recall@1%分别达到了54.93%、71.27%、77.93%和80.33%；而TriGeo方法则进一步将这些指标提升至62.87%、85.55%、90.54%和90.89%。这些成果标志着团队在跨视角地理定位方面取得了突破，不仅能够为应急响应中的快速决策提供实时的地理位置支持，也推动了地理人工智能（GeoAI）在空间分析中的广泛应用。

IJGIS是地理信息系统领域极具影响力的国际顶级期刊，近年来平均年发文量约为一百篇。此次成果的发表标志着该研究在方法创新和应用价值方面获得的国际同行认可。

论文链接：https://www.sciencedirect.com/science/article/pii/S1569843225000706。