Gevinster:
- Evne til at designe GIS-analyser såsom buffer, kryds, rumlig kombination og naboskab med AI og konstruere dem trin for trin
- Evne til at generere attribut- og rumlige forespørgsler (SQL/udtryk) fra naturligt sprog og tilpasse dem til QGIS/PostGIS-miljøet
- Evne til at verificere GIS-analyseoutput med topologisk konsistens, projektionsegnethed og areal/længdelogik
GIS (Geographic Information System; GIS på engelsk) er det generelle navn på systemer, der gemmer, forespørger, analyserer og kortlægger lokalitetsdata. Det meste af opmålingsingeniørens daglige arbejde foregår her: "Hvilke parceller er tættere end 50 meter på dette vandløb?", "Hvor er de områder, hvor disse to lag overlapper hinanden?", "Hvor mange bygninger pr. kvarter?" Producere svar på spørgsmål såsom brug af rumlig analyse. I denne enhed dækker vi, hvordan man bruger kunstig intelligens til at designe disse analyser, generere forespørgsler fra naturligt sprog og tilpasse dem til QGIS/PostGIS-miljøet. Princip: AI konstruerer analysen og skriver forespørgslen; Gyldigheden af resultatet forbliver hos ingeniøren gennem projektion, topologi og logisk kontrol.
Grundlæggende vilkår først. Vektordata repræsenterer verden med punkter, linjer og polygoner (plot, veje, brønde). Rasterdata repræsenterer verden i et gitter af celler/pixels (højdemodel, satellitbillede). Attribut er tabelinformation relateret til en geometri (parcelområde, ejer, ø/parcelnummer). Buffer er det område, der skabes i en vis afstand omkring en geometri. Rumlig sammenføjning matcher to lag baseret på rumlig relation (hver bygning med sit nabolag). Topologi er reglerne for naboskab/overlapning/gab mellem geometrier.
AI's rolle i GIS-analyse
AI accelererer GIS tre konkrete steder:
- Analyse design. "Hvilke lag behandles, i hvilken rækkefølge, med hvilke værktøjer til at besvare spørgsmålet?" Den kommer med en trin-for-trin plan for spørgsmålet. Dette reducerer tænkebelastningen, især i komplekse flertrinsanalyser.
- Generering af forespørgsler. Oversætter den naturlige sproganmodning til et QGIS-udtryk, SQL eller PostGIS-funktion. Det sætter anmodningen "Plotter med et areal på mindre end 500 m² og af landbrugsmæssig karakter" ind i et filterudtryk.
- Workflow og kodegenerering. Det oversætter iterativ analyse til Python/PyQGIS-script (vi dykker dybere ned i dette emne i enhed 10 og 11).
Men AI har en kritisk blind vinkel: den ser ikke dataene, den ser bare din opskrift. Den ved ikke, hvilket CRS laget er i, det nøjagtige navn på attributkolonnen, om dataene er rene eller ej. Derfor er den forespørgsel, den producerer, syntaktisk korrekt, men den kan være forkert på dine data.
Forsigtig: Afstands- og arealberegninger er kun nøjagtige på et metrisk (projekteret) CRS. At tage en 50 m buffer direkte i geografiske koordinater (grader) giver helt unøjagtige resultater på grund af grad-meter forvirring. Læg laget i den passende projektion før analyse.
Trin for trin: Konstruktion af en rumlig analyse
Eksempelspørgsmål: "Find parceller med byggetilladelse, der er tættere end 100 m på et vandløb."
- Tydeliggør input og CRS. Strømlag (linje), pakkelag (polygon), begge skal være i metrisk CRS (f.eks. TUREF/TM33).
- Få trinene planlagt. Til AI: 100 m buffer til stream → kryds/udvælgelse med plots → filter "licenseret" fra attribut → resultatoptælling. Lad den skrive rækkefølgen og outputtet af hvert trin.
- Få forespørgslen genereret. Oversæt filterudtrykket ("status" = 'licenseret') og udvælgelseslogikken til QGIS/PostGIS.
- Test på lille prøve. Kør analysen på en lille delmængde i stedet for hele data, og kontroller visuelt resultatet.
- Bekræft resultatet. Er optællingen rimelig (rang)? Er de udvalgte parceller virkelig tæt på åen (visuelt/topologisk tjek)? Giver felterne mening?
Tre minietuier: Efter numrene
Tilfælde 1 — Gradkofangerkatastrofe. En praktikant påførte en buffer på 100 enheder direkte på pakkelaget i WGS84 geo CRS; resultatet gav absurde områder med en radius på ca. 11 km (1 grad ~111 km). Rangkontrollen ("bufferområdet kan ikke være tusindvis af gange størrelsen af pakken") viste fejlen med det samme. Da laget blev importeret til metrisk CRS, var bufferen korrekt som 100 m.
Tilfælde 2 — Forkert kolonnenavn. AI fremstillede udtrykket "kvalificeret" = "landbrug" for "parceller kvalificeret til landbrug"; hvorimod det rigtige navn på kolonnen var PLOT_VASF og værdien var FIELD. Forespørgslen returnerede 0 resultater uden nogen fejl. Da ingeniøren åbnede attributtabellen og gav det faktiske kolonnenavn og værdier til AI, blev forespørgslen forbedret. Lektion: AI kan lave kolonnenavne; give det faktiske skema.
Case 3 - Topologiproblem. Der var små huller (slimer) og overlapninger i de to nabodistriktsgrænselag. En AI-drevet "arealtotal"-analyse afveg fra den sande total med omkring 2% på grund af disse fejl. Efter topologikontrol og korrektion blev områderne konsistente. Lektion: analyseresultatet er kun så rent som inputgeometrien.
Svag prompt / stærk prompt
Svag prompt:
Skriv en forespørgsel, der finder pakker nær åen.
Kraftig prompt:
Opgave: Fremstille en rumlig analysekonstruktion og udtryk for QGIS. Kontekst:- stream_layer: line, CRS EPSG:5256 (TUREF/TM33)- parcel_layer: polygon, CRS EPSG:5256, attributkolonner: ADA_NO, Plot_NO, STATUS (værdier: 'licensed', 'unlicensed'), AREA_M2Question, AREA_M2Question, AREA_M2Question og luk strømmen til STAT. 'licenserede', angiv deres antal og samlede areal. Forespørgsler: 1) Bestil trinene (buffer -> rumlig udvælgelse -> attributfilter). 2) Skriv hvilket værktøj der skal bruges i hvert trin. 3) Mind mig om det metriske CRS-krav for afstand/areal. 4) Bekræft resultattrinnet (rang + visuel kontrol). tilføje.
Den kraftfulde prompt giver de faktiske kolonnenavne, CRS, værdisæt og valideringstrin; Outputtet passer til dine data.
Fire kopierbare skabeloner
1) Oprettelse af en analyseplan:
Skriv et trin-for-trin GIS-workflow for at besvare følgende rumlige spørgsmål: angiv inputlaget, det anvendte værktøj og outputlaget ved hvert trin. Tjek de trin, der kræver metrisk CRS. Spørgsmål: [spørgsmål]. Lag: [liste]
2) QGIS udtryk fra naturligt sprog:
Konverter følgende filter til et QGIS-attributudtryk. Brug KUN de givne kolonnenavne og værdier; søjlebeslag. Spørg om der er usikkerhed.Kolonner/værdier: [skema]. Anmodning: [filter]
3) PostGIS-forespørgsel:
Skriv PostGIS SQL for følgende rumlige analyse (ST_ funktioner). Antag SRID [srid] af geometrier; Afstanden skal være metrisk. Forklar forespørgslen og tilføj en hash-forespørgsel til validering. Analyse: [definition]
4) Rimelighedstjek af resultatet:
Tjek følgende GIS-analyseresultat for rimelighed: resultattællerrangering, felt-/længdelogik, nul-/duplikerede poster, CRS-overholdelse. Skriv de mistænkelige punkter og skriv den mulige årsag. Resultatoversigt: [resumé]
Sammenligning af GIS-analyseværktøjer
køretøj
Hvad gør
Typisk brug
Opmærksomhed
Buffer
Afstand område omkring
Vagtbånd, nærhed
Metrisk CRS påkrævet
Skær
Trækker fællesareal fra
Konfliktanalyse
Topologien skal være ren
Rumlig sammenføjning
Matcher efter lokation
Bygning-naboforhold
Relationstype (intra/krydsende)
Opløse (kombiner)
Sammensmelter de samme egenskaber
Grænseforenkling
Attributvalg
Klip
Skærer efter en grænse
Arbejdspladsbegrænsning
Er grænsegeometrien korrekt?
Almindelige fejl
- Beregning af afstand/areal i geo CRS. Skifter ikke til metrisk fremskrivning før analyse.
- Brug af AI-opbyggede kolonnenavne. Ikke at give den rigtige ordning; stille 0 resultater.
- Udførelse af analyse med data med brudt topologi. Huller/overlapninger resulterer i plads- og tællefejl.
- Forvirrende typen af rumlig relation. "Indvendigt" og "skærende" giver forskellige resultater.
- Ikke at udsætte resultatet for rangkontrol. Bemærker ikke absurde felter/tal.
- Løber blindt gennem alle data. Anvendelse på big data uden at teste på lille prøve.
Sammenfattende
Kunstig intelligens i GIS-analyse; Det er en kraftfuld assistent til planlægning af arbejdsgange, oversættelse af anmodninger om naturligt sprog til forespørgsler og generering af kode. Men AI kan ikke se dataene; Du skal angive CRS, faktiske kolonnenavne og topologikvalitet. Den mest kritiske regel er, at afstands- og arealberegninger kun er nøjagtige i metrisk CRS. Tjek hvert resultat for rækkefølge, topologisk konsistens og logik; Anvend det ikke på big data uden at teste det på en lille prøve.
Ansøgningsopgave
Vælg et rumligt spørgsmål (f.eks. "bygninger mindre end 25 m fra en vej"). Indtast lagene, deres CRS og faktiske attributkolonnenavne. Få AI til at generere analyseplan og QGIS-udtryk trin for trin; test derefter outputtet med tre kontroller: (1) er den anvendte metriske CRS, (2) passer kolonnenavnene til det faktiske skema, (3) er antallet af resultater rimeligt i rækkefølge.
tjekliste
- [ ] Jeg importerede lagene til metrisk CRS (for afstand/areal).
- [ ] Jeg gav de faktiske attributkolonnenavne og værdier til AI.
- [ ] Jeg havde planlagt analysetrinene og værktøjerne.
- [ ] Jeg har valgt den rumlige relationstype (inden for/skærende) korrekt.
- [ ] Jeg tjekkede topologien af inputgeometrien.
- [ ] Jeg testede først analysen på en lille prøve.
- [ ] Jeg tjekkede resultatet for rang og logik.
- [ ] Jeg beholdt den sidste kommentar til ingeniørens godkendelse.