近日，团队博士生尹文萍以第一作者在中科院一区期刊International Journal of Applied Earth Observation and Geoinformation上发表了一篇关于灾害地理定位方法的研究论文。该研究在其导师，国际欧亚科学院院士、国际宇航科学院院士薛勇教授的指导下，与团队硕士生刘子琦及慕尼黑工业大学学者合作完成。

及时准确的灾害地理定位对于高效的应急响应至关重要，是灾害风险防控与韧性发展的关键。然而，尽管社交媒体文本已被广泛用于识别和救援灾害地理位置，社交媒体图像中隐含的地理信息尚未得到充分挖掘和利用。针对这一问题，本文提出了一种大语言模型（LLM）增强的灾害地理定位方法，融合了多模态数据中的显式与隐式地理信息。该方法利用LLM识别灾害相关图像和文本中的地理位置，并结合地图服务进行精准定位。地理定位策略的选择取决于可用的地理信息模态以及空间关系是否存在。为了评估该方法的地理定位精度，我们以飓风哈维为例，构建了一个包含1000张Twitter图像和1000条Twitter文本的多模态数据集，并通过误差距离进行评价。实验结果表明，与传统的地理编码和地名检索方法相比，该方法在地理定位精度上取得了显著提升，在161、100、50、10和1公里范围内的准确率分别达到81.45%、78.40%、74.60%、65.20%和44.95%。结果证明了LLM在灾害地理定位任务中的潜力，表明该方法能够充分挖掘多模态数据中的隐含地理信息，为未来的灾害应急响应及GeoAI应用提供更加精准的技术支持。。

本研究得到了团队承担的国家自然科学基金委员会面上项目（42275147）的支持。

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