ForestHG-Trace：大规模森林场景上可追溯的长时序生态推理

遥感问答(RS-QA)往往需要超越直接语义预测，尤其是在大规模森林场景中，生态分析涉及多步过滤、数值聚合、邻域推理以及可验证的证据。我们引入ForestHG-Trace，一个用于森林环境上可追溯的长时序生态推理框架。它将多模态NEON森林场景表示为生态超图，其中树木实例、空间单元、语义组和邻域关系支持超越成对场景图的高阶推理。随后，LLM引导的智能体调用确定性工具进行读取、过滤、扩展、聚合、比较和审计，生成可回放的执行轨迹和紧凑的证据记录，而非仅生成自由形式的答案。我们进一步构建ForestTraceQA，一个用于评估生态QA在各种任务类型和推理深度上的可执行基准。实验表明，ForestHG-Trace在单步基线和场景图智能体之上显著提高了答案准确性和执行忠诚度，同时表明执行深度是长时序生态QA的主要瓶颈。