Subnational Geocoding of Global Disasters Using Large Language Models

一、文章主要内容总结

该研究聚焦全球灾害数据的国家级以下地理编码问题，针对EM-DAT等灾害数据库中位置信息多为非结构化文本、粒度不一致、拼写不规范等痛点，提出了一种基于大型语言模型（LLM）的全自动地理编码工作流。

核心流程包括四步：1）利用GPT-4o解析EM-DAT中的自由文本位置信息，转化为层级化JSON结构（区分Admin1/2/3三级行政单位）；2）通过GADM、OpenStreetMap、Wikidata三个独立地理信息源并行地理编码，生成候选几何图形；3）跨源校验一致性，计算可靠性评分（0-4分，反映多源数据吻合度）；4）将所有候选几何图形统一映射到GADM行政框架，形成标准化空间表示。

研究应用该工作流处理了2000-2024年EM-DAT的15404条有效记录，成功地理编码14215条（覆盖率92%），涵盖17948个独特位置、31种灾害类型，构建了开源数据集LLM-GeoDis。通过与手动地理编码的EM-DAT GAUL数据集及半自动化的GDIS数据集对比，验证了方法的可靠性——超过97%的地理编码单元与基准数据集存在重叠，多源一致性评分较高，且在不同地区、灾害类型中无明显偏差。

二、文章创新点

1. 首个LLM驱动的全自动化灾害地理编码方案：无需人工干预，首次将LLM（GPT-4o）应用于全球灾害数据的国家级以下地理编码，解决了传统方法依赖手动校对、效率低、覆盖不全的问题。
2. 多源交叉验证与可靠性量化：整合GADM、OpenStreetMap、Wikidata三个独立数据源，通过空间重叠度、包含关系等指标计