大灾发生后的第一张卫星图到达时，应急团队最缺的往往不是一个大模型，而是可马上使用的证据链：现有建筑足迹是否覆盖、哪一批影像可用、谁标了什么、模型把哪些像素连接到了哪栋楼、哪些结论还只是候选。
HASTE（High-speed Assessment and Satellite Tracking for Emergencies）给出了一条务实路径。它服务于没有配准灾前灾后影像、也没有相似历史训练集的新灾害最初一天：让分析员用灾后卫星影像少量标注，快速生成逐建筑损毁候选图。对 GIS 交付而言，重点不是自动宣布“这栋楼已损毁”，而是把影像、建筑足迹、样本、概率和人工审核连起来。
HASTE 标注界面
图：HASTE 论文展示的灾后卫星影像标注界面；标注和影像版本必须成为每个候选结果的证据。
可核查事实：从单场景标注到逐建筑候选图
HASTE 的 arXiv v1 于 2026 年 7 月 13 日提交，项目以 MIT 许可证在 microsoft/haste 开源。论文明确针对一个常被忽略的事实：新灾害发生的最初一天，通常没有配准好的灾前/灾后影像，也没有来自相似灾害的训练集。
该平台面向非机器学习工程师，提供两条共享同一界面的路径。第一条由分析员在灾后场景上标注多边形，在该单场景训练小型语义分割模型，对全景推理后，再把逐像素输出连接到既有建筑足迹。第二条以预训练视觉模型嵌入每个建筑足迹，只需标注少量建筑，并在浏览器中拟合逻辑回归，论文称可在数秒内对其余场景评分。
在 xBD 的初步实验中，论文报告：从仅有灾后影像得到的足迹池化基础模型嵌入，以完全监督 ResNet-50 约二十分之一的标签量达到匹配表现。表 1 在每灾害 1% 到 50% 标注预算、每个预算 5 次随机抽样下比较 6 个骨干；最强骨干在 1% 标注时达到 0.84 macro ROC-AUC，在 50% 时约 0.92。这是论文的数据和协议下的结果，不能直接视为某次真实灾害的准确率保证。
论文还称 HASTE 及其前身自 2023 年以来支持了 30 多次灾害响应，涵盖地震、飓风、气旋、洪水、野火和龙卷风，并在影像可用后数小时到数日将结果交给人道伙伴。其后续方向包括视觉语言评估、主动学习、道路和其他基础设施的损毁模型。
核心机制：像素不是建筑，概率不是事实
语义分割输出的是像素级模式，业务人员需要的是建筑级对象。HASTE 先将模型输出与既有建筑足迹连接，这一步很关键：它把“图像上有疑似损毁纹理”转成“某个可定位、可审核、可关联资产台账的候选建筑”。
但足迹连接本身也会出错。灾后影像可能有偏移，建筑足迹可能过时或不完整，屋顶阴影、积水、烧毁车辆和临时设施都可能混入建筑范围。因此，每一条建筑级结果都应同时携带影像时相、足迹版本、空间配准误差、标注来源、模型版本、概率和人工审核状态。
GIS 场景：应急图层分成候选、复核和正式三层
建议把输出分为三层。第一层是模型候选：每栋建筑有损毁概率和证据链接，只用于排序和派单。第二层是复核层：分析员针对高影响、低置信或空间异常的对象给出确认、否决或待补证。第三层才是正式事件或损失统计层，进入指挥、通报和跨部门共享。
这样做可以避免把同一建筑重复计数，也能让不同来源影像和不同模型的结论并存而不互相覆盖。对医院、学校、避难所、供电设施等关键资产，发布阈值应更严格，并要求第二影像、现场回传或主管部门确认。
技术路径：以最小标注换取最快可审计迭代
- 固定灾害项目的空间范围、影像供应商、采集时相、分辨率、云量/烟雾情况和坐标参考。
- 载入并版本化建筑足迹，抽样检查其与灾后影像的配准；不能把缺失足迹误判为完好建筑。
- 由领域人员标注覆盖不同损毁等级、地表材料和影像条件的少量样本，保存标注人和规则。
- 运行单场景分割或足迹嵌入评分，并报告标注量、随机种子、模型版本和逐建筑概率分布。
- 按资产重要性、概率、空间聚集和证据不足程度生成复核队列，而不是直接生成损失结论。
- 对复核后的建筑进行地图发布，并保留可撤回的版本、原始影像链接和审核记录。
检查清单
- 是否记录灾后影像的时间、供应商、分辨率、CRS 和配准误差。
- 是否为建筑足迹保留来源、版本、缺失和时效检查。
- 是否区分像素结果、建筑候选、人工复核和正式事件。
- 是否保存标注样本、标注规则、模型版本和概率阈值。
- 是否为关键资产设置第二证据或人工确认门槛。
- 是否可回滚错误发布，并修正重复计数或足迹错配。
风险
快速制图最容易把时效当成正确性。单场景模型会受云烟、太阳高度、洪水反光、烧毁材质和跨区域迁移影响；较高 ROC-AUC 也不能回答某栋建筑是否真的可用。开源仓库同时明确，本地 Docker Compose 栈采用存储模拟器、禁用认证和宽松 CORS 等开发默认设置，不适合生产环境。涉及受灾人员、资产和位置的系统必须按生产部署与访问控制指南加固。
结论
HASTE 的启发不是“少量标注就能自动判断灾损”，而是灾后团队可以把最稀缺的人类判断放到最需要的位置：用少量现场知识校准单场景模型，再将结果连接到建筑足迹和复核流程。对 GIS 应急交付，速度来自最小可用证据链，可信度来自每栋建筑都能回到影像、足迹、样本和审核记录。