“LandGPT”项目荣获第十九届“挑战杯”全国竞赛二等奖

在2025年第十九届“挑战杯”全国大学生课外学术科技作品竞赛中，由中国地质大学（武汉）UrbanComp团队与武汉轻工大学粮食品质智能检测团队共同研发的“LandGPT：基于多模态大语言模型的地块级土地利用分类系统”项目，获得了“人工智能+”专项赛应用赛道的全国二等奖。

“挑战杯”全国大学生课外学术科技作品竞赛是由共青团中央、中国科协、教育部、全国学联和地方政府共同主办的全国性大学生课外学术实践竞赛，被誉为中国大学生学生科技创新创业的“奥林匹克”盛会，是目前国内大学生最关注最热门的全国性竞赛之一。

聚焦国土监测，应对现实挑战

土地利用监测是我国落实严格土地管理制度的重要环节。然而，传统的土地分类技术在实际应用中面临诸多瓶颈，如分类精度低、分析粒度粗、多源数据融合困难等。这些技术局限性在一定程度上影响了监测效率，难以完全满足精细化管理的需求，秦岭违建、违规占用耕地等事件也凸显了提升监测能力的重要性。

为应对上述挑战，来自于UrbanComp团队2024级硕士研究生朱舸远提出了LandGPT模型，旨在提升土地利用分类的自动化和智能化水平。LandGPT模型相关文章当前已经发表在地理信息系统领域顶刊International Journal of Geographical Information Science（点此查看详细内容）。LandGPT模型的主要创新点包括：

• 1.多模态大模型架构：创新性地提出了土地分类领域的多模态大语言模型。该模型能够融合处理遥感图像（MSLU-100K）、人口时序、POI兴趣点和土地分类标签等多种异构数据源。
• 2.跨级判别框架：针对传统分类粒度粗的问题，项目提出了跨级判别框架。这使得模型不仅能识别“居住用地”等一级类别，还能进一步细分至“城中村”等二级类别，显著提升了二级分类的精度。
• 3.提示词工程融合：通过合理设计提示词工程（Prompt Engineering），LandGPT能够更深入地理解不同数据间的内在联系，实现了多源数据的高效融合与协同分析。

跨校协同，合力攻坚

项目团队由来自中国地质大学（武汉）和武汉轻工大学的研究生与本科生组成，实现了多学科背景的优势互补。团队依托中国地质大学“高性能空间智能计算实验室”（HPSCIL@CUG）和武汉轻工大学“粮食品质智能检测实验室”（IGQTL@WHPU）平台资源，在数据处理、模型训练和算法验证等方面开展了深入的跨校合作，为项目的顺利完成提供了坚实保障。
在比赛备赛过程中，项目团队展现了扎实的专业功底与明确的分工协作。团队成员包括：朱舸远、魏晓伟、刘仕意、绍仁杰、周月、李寰桢。其中，来自中国地质大学的朱舸远担任技术主体负责人，他专攻地理人工智能方向，并已发表两篇SCI一区论文，为项目的技术攻坚提供了核心支持。来自武汉轻工大学的魏晓伟担任展示负责人，确保了项目成果的精准传达。同校的刘仕意统筹项目展示与PPT制作等工作，她凭借在软件工程领域的专业背景以及在中国大学生计算机设计大赛竞赛中斩获的国家二等奖经验，出色地帮助团队完成了视觉呈现与材料组织任务。项目还得到了姚尧、胡桓浚、李冰三位老师的悉心指导。

成果显著，实践赋能

“LandGPT：基于多模态大语言模型的地块级土地利用分类系统”项目的技术路线与创新性也获得了多位业内专家的书面推荐。武汉大学计算机学院院长杜博教授、华中科技大学周浩教授、中山大学郑雷教授及武汉轻工大学副校长曾山教授等专家学者，分别对项目给予了积极评价。专家们肯定了该项目在技术路线上的合理性，及其在利用大模型处理多源异构数据方面的优势。推荐意见指出，该项目突破了传统限制，实现了基于不规则地块的土地利用分类，展现了解决地理信息领域实际应用难题的潜力，具有重要的学术价值与实践意义。
LandGPT的有效性不仅通过数据得到了验证——在对比测试中，其精度在多个类别上优于Swin、Resnet等主流模型——更重要的是，它已经开始在实际场景中产生价值。在飞未信息技术股份有限公司承接的北京市昌平区国土调查项目中，LandGPT的应用将照片识别准确率（如林地、水域）提升至85%以上，有效提高了国土调查的效率。在该公司的另一项有关安徽省的农作物分布提取工作中，LandGPT也提升了公司的业务能力。
此次获奖是对UrbanComp团队与粮食品质智能检测团队跨校合作工作的肯定。LandGPT项目在土地利用分类领域的探索，为人工智能技术赋能国土空间精细化治理提供了有益的参考。

Q.E.D.