灾后卫星影像里出现一片裸露斑块时，系统很容易给出“疑似滑坡”的一句话结论。真正困难的是让分析人员看见这个结论来自什么影像、哪个分割结果、哪条地理背景信息和什么融合规则。只要其中一个环节不可追溯，报告就很难用于排查、复查或后续模型改进。
LandslideAgent 是一个开源的遥感滑坡分析原型。官方仓库描述它将 FastAPI 前端、JSON-RPC 工具登记、语义分割、候选区细化、分类、地理背景查询和最终融合串为多阶段流程。它的启发不在于让 Agent 自动宣布灾情，而在于把灾害候选识别拆成可检查的中间证据。
LandslideAgent 官方项目页图
图：LandslideAgent 官方 GitHub 项目页图，项目将多模态滑坡识别、地理推理和结构化报告组合为可调用工具链。
可核查事实：数据口径
LandslideAgent GitHub 仓库创建于 2026 年 6 月 11 日，仓库描述为面向遥感滑坡识别、地理推理和结构化灾害报告的开源多模态数据集与领域规则增强 Agent 框架，并采用 MIT 许可证。
官方 README 将其实现描述为 FastAPI 前端、JSON-RPC 2.0 工具协议和分割引导的多阶段推理。
README 列出的能力包括 TIFF 元数据读取、语义分割、候选区域细化、图像分类、地理背景查询、决策融合和可选报告写入。
官方主流程的第一步是 tiff.info 读取影像元数据；随后执行 llm.first_pass、seg.run、seg.refine、cls.run、geo.background 或 geo.nearby、fuse.decision，最后可执行 report.write 输出报告 JSON。
仓库声明可接入 OpenMMLab 兼容的 MMSegmentation 与 MMPreTrain 适配器。
在没有本地大模型权重时，README 指定可用 LLM_MOCK=1 启动框架的模拟模式；这只能验证流程，不验证真实模型识别能力。
MMSegmentation 配置要求提供配置文件、检查点、设备和滑坡类别索引，其中 MMSEG_LANDSLIDE_CLASS_INDEX 应与数据集标签映射一致。
MMPreTrain 分类配置要求用户自行提供 Python 环境、源码或配置、检查点和可选类别映射；仓库明确不随代码提供大模型权重、OpenMMLab 源码树或训练检查点。
README 将项目定位为研究与演示，并明确要求在生产前验证模型行为、数据权利和部署安全。
核心机制：让结论经过多个可见环节
这套流程的价值是把“是否存在滑坡”的黑箱判断拆开。tiff.info 先固定输入影像的元数据；分割给出像元级候选，seg.refine 处理候选区域，分类从场景或图像角度提供另一类证据，地理背景工具再补充附近环境信息，最后 fuse.decision 才整合判断。每一步都有可命名的工具，不应被写成一次不可解释的聊天回答。
领域规则应管理在明确版本的配置中，而不是隐含在提示词里。仓库把阈值放在 configs/thresholds.json，并将运行输出组织为适合下游集成的 JSON 字典。对于 GIS 实施，这意味着应把阈值文件、类别映射、分割与分类检查点、影像元数据和融合结果一同归档。模型换一次权重、标签换一次定义，历史报告的含义都可能改变。
GIS 场景：把“疑似滑坡”做成候选证据图层
滑坡排查的合格第一产物应是候选图层，而不是事件清单。每个候选面或点至少关联影像来源、采集时间、波段与分辨率、坐标参考、分割掩膜、细化边界、分类输出、地形或邻近背景、融合规则版本和审核状态。报告 JSON 可以汇总这些证据，但必须能回链到实际空间对象。
在灾后应急中，可将候选按置信和风险分层，优先交给人工判读、无人机复查或现场核验。低置信对象不应直接丢弃：它们可能反映云影、裸地、道路切坡或真实但边界不清的滑坡。把“排除原因”写回图层，能让下一轮训练知道系统在哪些地貌和影像条件下失效。
技术路径：从 TIFF 到可回读灾害证据
- 保存 TIFF 的文件摘要、获取时间、坐标参考、分辨率、传感器、处理级别和许可；先确认输入可用于当前任务。
- 固定数据集标签映射，令
MMSEG_LANDSLIDE_CLASS_INDEX与训练标签一致；不允许不同项目悄悄复用同一个类别索引。 - 将分割掩膜、候选区细化结果和分类分数分别写入候选层或关联表，避免只保存最终二元标签。
- 对地理背景查询保存数据源、查询时刻、空间范围和缺失状态；背景服务不可用时，明确标记而不是补造地形结论。
- 对
fuse.decision记录融合规则、阈值版本、参与证据和输出理由；高影响规则改动要重跑对照样本。 - 用相隔区域、不同季节和不同传感器的样本验证，并按植被、裸地、道路切坡、阴影和云影分层统计误报与漏报。
- 报告写入前经过分析师复核；正式事件库只接收已被影像、地面或权威资料确认的记录。
检查清单
- TIFF 元数据、CRS、时间、分辨率和许可是否随候选结果保存。
- 分割类别索引是否与数据集标签映射一致。
- 分割、细化、分类、背景与融合是否保留独立输出和版本。
- 模拟模式是否仅用于协议演示，而未被误当成识别验证。
- 背景查询失败、缺失或超出覆盖范围时是否显式记录。
- 是否以空间隔离和跨时相样本检验，而非只看同一区域的演示结果。
风险
项目 README 的工具链和配置说明不是任何具体滑坡事件的预测证据。分割模型、分类检查点和背景数据由用户自行配置；输入影像、标签定义、地形条件和时相变化都会改变结果。LLM_MOCK=1 能让服务跑通，却不能证明模型看懂了滑坡。
灾害信息还涉及数据权利与安全。仓库没有捆绑大模型权重或训练检查点，团队需分别审查外部模型、数据集、地形服务和密钥的许可与访问控制。对于预警、救援调度或公共通报，Agent 输出只能作为分析线索，必须接受领域专家和现场证据复核。
结论
LandslideAgent 展示的可取之处，是将影像元数据、分割、分类、地理背景和规则融合拆成一条可回读的证据链。把“疑似滑坡”管理为带版本和审核状态的候选图层，才能让自动化既提高排查速度，又不把一句模型回答误写成灾害事实。