ChangeQuery：从视觉检测到语义理解推进自然灾害和人为灾害的遥感变化分析

快速态势感知对于灾后响应至关重要。虽然遥感损伤评估正在从像素级变化检测发展到高级语义分析，但现有的视觉语言方法仍然难以为复杂的战略查询提供可操作的情报。它们仍然受到单一光学模态依赖、对自然灾害的普遍偏见以及根本缺乏基于图像证据的交互能力的严重限制。为了解决这些限制，我们推出了 ChangeQuery，这是一个统一的多模式框架，旨在实现全面、全天候的灾难态势感知。为了克服模态限制和场景偏差，我们构建了灾难引起的变化查询（DICQ）数据集，这是一个大规模基准，将事件前光学语义与事件后 SAR 结构特征耦合在一起，涵盖自然灾害和武装冲突的平衡分布。此外，为了提供交互式推理所需的高质量监督，我们提出了一种新颖的自动语义注释管道。该引擎遵循“统计先行，生成后”的范式，自动将原始分割掩模转换为基础的分层指令集，有效地为模型配备了细粒度的空间和定量意识。 ChangeQuery 架构经过此结构化数据的培训，可作为交互式灾难分析师运行。它支持由不同用户查询驱动的多任务推理，提供精确的损害量化、特定区域的描述和整体灾后摘要。大量实验表明，ChangeQuery 建立了一种新的最先进技术，为复杂的灾难监控提供了强大且可解释的解决方案。代码可在 \href{https://sundongwei.github.io/changequery/}{https://sundongwei.github.io/changequery/} 获取。