気候変動の影響で、都市部の水浸問題が公共の安全やインフラに深刻な脅威をもたらしています。既存の監視手法は手動報告に依存し、迅速かつ包括的な評価を提供できていません。本研究では、監視画像を用いて水浸エリアを自動的に特定し、構造化された評価レポートを生成するフレームワーク「Urban Waterlogging Assessment（UWAssess）」を提案します。ラベル付きデータの不足に対処するため、半教師ありファインチューニング戦略と連想型プロンプト戦略を設計し、基盤モデルの潜在能力を引き出します。視覚的ベンチマークでの評価では、知覚パフォーマンスの著しい向上が示され、GPTを用いた評価は、UWAssessが水浸の範囲や深さ、リスク、影響を正確に記述する信頼できるテキストレポートを生成できることを確認しました。この二重の能力により、水浸監視が知覚から生成へとシフトします。複数の基盤モデルの協調的フレームワークは、都市管理や災害対応、気候変動への適応を支えるためのインテリジェントでスケーラブルなシステムの基盤を築きます。