灾后报告不再只给掩膜：DisasterAgent把每条结论挂回影像证据，报告生成均分提高13.5%
核心概要
遥感灾情评估长期停留在分割掩膜、边界框和类别标签这类低层输出，而应急人员需要的是可核查的文字报告。DisasterAgent把双时相影像交给视觉专家工具链，将工具输出组织成时空感知图，再从图中抽取带内联引用的证据，驱动一个未经灾害微调的视觉语言模型生成报告。在DisasterM3上，其灾害报告生成平均分比作为中枢的Qwen3.5-27B提高13.5%；在RSCC上，ST5-SCS比同一基座模型提高15.34%。
深度剖析
灾后遥感评估的输出从像素级掩膜和类别标签，推进到带引用、可逐条回溯到影像证据的文字报告。 此前的视觉语言模型走端到端生成，不显式暴露支撑结论的视觉证据，难以核查某句话是否真由影像支持；已有的遥感智能体又多局限于单图建筑计数或损伤分类，工具输出是彼此孤立的中间结果。 在RSCC上，DisasterAgent的ST5-SCS为67.18%，高于经RSCC微调的RSCCM-7B的58.52%；与使用同一套专家工具包的EarthAgent和OpenEarthAgent相比，它的ST5-SCS也最高。
系统把双时相影像和自由文本查询交给一个预训练视觉语言模型，由它先选技能、再规划工具调用，最后融合证据写出报告。 时空感知图充当结构化记忆，把灾前、灾后的区域节点和跨时相演化边组织在一起，而不是让工具结果散落成互不相连的片段。 实验在DisasterM3的纯光学Bench集和RSCC测试集上进行，中枢模型为Qwen3.5-27B，未做灾害相关微调，解码采用贪心策略。
报告中的每条关键陈述都附内联引用，引用可映射回时空感知图中的具体节点、演化边和置信度分数。 语义变化证据先由模型从感知摘要中生成原子化断言，再由一次独立的视觉核查调用打分，低于阈值的断言被过滤掉，不进入最终生成。 在DisasterM3的2004个样本中，94.86%带有语义变化证据引用；在RSCC的988个样本中该比例为85.32%，每条引用平均关联5.23和8.02个时空感知图实体。
启示与展望
演示范围限于双时相光学影像：DisasterM3的纯光学Bench集与RSCC测试集，任务覆盖变化描述与灾害报告生成。系统面向需要逐条核查结论来源的应急分析人员，报告附带引用列表以便人工回溯。作者提出后续将扩展到合成孔径雷达等多模态数据源和多时相灾害影像。
报告质量采用LLM作为评判者的五点量表打分，而非人工逐条核验。消融显示，单独引入时空感知图时，恢复建议分数从3.15降到2.96，加入完整证据增强后才回升到3.22。定性案例中基座模型把爆炸误判为海啸，说明上游感知错误仍是风险来源。