MMUEChange：用于智能多模态城市环境变化分析的通用LLM Agent框架

理解城市环境变化对可持续发展至关重要。然而，现有方法（尤其是遥感变化检测）往往依赖僵化的单模态分析。为克服这些局限，我们提出MMUEChange，一个多模态Agent框架，通过模块化工具包和核心模块“模态控制器”（Modality Controller）实现跨模态与模态内对齐，灵活整合异构城市数据，从而对复杂的城市变化场景进行稳健分析。案例研究包括：纽约转向小型、社区导向的公园，反映了当地的绿地建设努力；香港集中性水污染跨区扩散，提示需要协同的水管理；深圳露天垃圾场显著减少，且夜间经济活动与垃圾类型之间存在对比明显的关联，表明生活垃圾与建筑垃圾背后有不同的城市压力。与表现最佳的基线相比，MMUEChange Agent的任务成功率提升了46.7%，并有效缓解幻觉，展示了其支持具有现实政策意义的复杂城市变化分析任务的能力。