في عالم تتزايد فيه الكوارث الطبيعية، تصبح الحاجة إلى تحديد المواقع بدقة مسألة حيوية. هنا يبرز نظام DisasterTD كحل مبتكر، يعمل على تحسين الطريقة التي نستجيب بها لحالات الطوارئ. يستخدم DisasterTD نماذج اللغات الضخمة (MLLMs) بجانب تقنيات التحقق العابر للصور كي يحدد المواقع الجغرافية بدقة ويساعد فرق الإنقاذ في أخذ القرارات السريعة.

الإطار يقوم أولاً باستخراج أسماء المواقع (toponyms) من الصور والمحتوى النصي المتاح عبر منصات التواصل الاجتماعي. ومن ثم، يتم استخدام مطابقة العبر للصور (cross-view matching) بين الصور الاجتماعية وصور الاستشعار عن بعد وصور الشوارع لتأكيد وتحسين نتائج المواقع المقترحة.

تم تقييم DisasterTD على مجموعة بيانات إعصار هارفي، مما أظهر أنه متفوق في الأداء، حيث حققت دقة تحديد المواقع 71.62% خلال 1000 متر، ونسب دقة أقل لكنها مرات متقاربة ضمن مسافات أقل، ما يؤكد على فعالية النظام حتى في الأسماء الغامضة.

هذه النتائج تشير إلى أن دمج التفكير السيمانتكي مع الأدلة العبرية لا يحسن فقط الدقة ولكنه أيضًا يقلل من الأخطاء المتوقعة. في وقت تحتاج فيه الفرق إلى معلومات دقيقة وسريعة، يمثل DisasterTD خطوة مهمة نحو تحقيق هذا الهدف.