找出照片位置，不等于得到一个听起来合理的地名。反向图片搜索可能只能说明图片在哪里被转载；EXIF 中的坐标可能被修改或继承自别的文件；AI 也可能猜对国家，却编造一个看似精确的坐标。可靠的结论必须记录每项判断从何而来，并且只报告证据真正支持的精度。
下面这套流程适用于旅行照片整理、历史资料研究和公开图片验证。核心原则是把“发现候选”与“证明地点”分开：先保存证据，再提出候选，最后主动尝试推翻候选。不要用这套方法寻找私人住宅、个人日常活动范围或实时位置。
1. 保存质量最好的文件
在合法范围内取得分辨率最高的版本。原文件保持不变，另建副本用于裁剪和标注。记录来源网址、获取日期、图片尺寸，以及它是否来自截图、社交平台下载或聊天软件转发。这些信息决定后续能够得出多强的结论。
可以检查 EXIF，但必须把元数据单独记录。来自相机原文件、且与画面一致的 GPS 是很强的线索，却不会自动证明自己真实；元数据可以被删除、修改或复制。反过来，截图和社交平台图片没有元数据也很正常。
2. 搜索前先建立线索清单
线索类别常见例子通常能支持的范围直接文字地名、路线编号、域名、交通运营商国家到街道，但文字也可能指向目的地基础设施行驶方向、道路标线、护柱、电线杆、排水沟国家或地区建筑环境屋顶形式、退界、立面规则、街道几何地区；几何吻合时可到具体视角自然环境地形、岩石、海岸、植被、太阳方向气候带到山谷或海岸外部背景说明文字、上传者、相邻照片、声称日期可作为线索，但不属于画面证据
每条线索都要写明“它支持什么”和“它不能证明什么”。以城市命名的啤酒可能全国销售；公交车显示的机场可能是目的地；热带植物也可能是人工栽培。这个步骤能阻止普通联想被误写成事实。
3. 生成候选，而不是要求虚假的精确度
可以使用 AI 照片位置查找工具，把线索整理成少量候选地点。要求系统列出实际观察到的证据、其他解释，以及国家、地区、城市三个层级的置信程度，并保存完整回答。在模型无法解释“哪个固定特征能让这个坐标唯一成立”之前，不要要求它只返回一个坐标。
始终保留至少一个替代候选。调查表中应包含候选地点、支持证据、矛盾证据以及下一项能够排除它的测试。如果所有答案都受同一座著名城市影响，就主动加入一个气候或建筑相似的对照城市。
4. 分层搜索文字与图片
先用引号搜索具有区分度的完整短语。结合可能的国家或语言搜索残缺文字。尝试拼写变体、音译和 OCR 纠错。分别搜索标志或物体局部以及完整图片。记录失败的查询，避免把重复尝试当成新证据。
反向图片搜索特别适合寻找更早版本、不同裁剪和发布背景，也可能找到包含更多细节的高分辨率原图。但网页使用了这张图片，只能证明它曾在那里出现，不能证明网页说明的拍摄地点正确。
5. 把物体组合转换成地图查询
单独一座教堂、桥梁或超市往往太常见；距离弯曲有轨电车线 100 米以内、旁边还有小广场的教堂就少得多。应搜索物体之间的关系。OpenStreetMap 和 Overpass 很适合查询可被地图标签表达的物体，但不同地区的数据完整度和更新时间差异很大。
[out:json][timeout:25];
(
nwr["amenity"="place_of_worship"](area.searchArea);
nwr["railway"="tram"](around:150);
);
out center;
这只是查询思路，不是可以套用到任何地点的现成代码。必须先限定区域，再选择与画面对应的标签并逐步缩小。查询超时说明请求或公共服务器失败，不代表地点候选错误。
6. 验证几何关系，而不只是“看起来相似”
找到候选区域后，应比对耐久的空间关系：道路弯曲、路口角度、窗户顺序、屋顶线、坡向、建筑间距，以及从相机位置看到的物体先后顺序。卫星图适合验证道路和建筑几何，街景适合验证视角，历史街景则能解释店铺改名或建筑拆除。
相似外观很常见。只有多个独立固定特征从同一个视角同时吻合，而且本应可见的物体确实出现在正确位置时，验证才真正变强。
7. 按证据报告置信度
国家：多项国家线索一致，但缺少本地特征。地区：环境和基础设施缩小了范围。城市：多项线索指向同一城市，但尚未匹配拍摄视角。坐标：固定几何与相机位置已经独立验证。
结果中要保留替代地点、矛盾和下一步验证方法。如果证据只支持“暹粒市中心 Pub Street 附近”，就不要凭空给出六位小数。范围较宽但诚实的答案，比精确却错误的坐标更有用。
建立可复核的调查档案
保存原始来源、文件哈希、视觉线索、元数据、AI 完整回答、搜索语句、地图链接、被排除的候选、最终结论、置信层级和未解决问题。这样其他人可以复现或质疑结论，也能防止调查者在知道答案后改写早期判断。
延伸阅读Bellingcat：利用 OpenStreetMap 寻找定位线索OpenStreetMap：Overpass QL 文档