利用遥感影像进行城市环境智能变化分析的LLM Agent框架

现有变化检测方法往往缺乏处理多样真实查询的通用性，也缺乏进行全面分析的智能。本文提出一个通用Agent框架，将大语言模型（LLM）与视觉基础模型相结合，构成ChangeGPT。采用分层结构以缓解幻觉。该Agent在一个由140个问题组成、按真实世界场景分类的精选数据集上评估，涵盖多种问题类型（如Size、Class、Number）和复杂度。评估考察了Agent的工具选择能力（Precision/Recall）和整体查询准确率（Match）。ChangeGPT（尤其是采用GPT-4-turbo后端时）表现出卓越性能，取得90.71%的Match率。其优势尤其体现在处理需要多步推理和稳健工具选择的变化相关查询上。通过深圳前海湾的真实城市变化监测案例研究，进一步验证了其实用有效性。通过提供智能、适应性和多类型变化分析，ChangeGPT为遥感应用中的决策提供了强有力的解决方案。