收益：
- 了解空间测量（坡度、方向、面积）是 GIS 和现场的工作，人工智能不会要求进行测量。
- 能够将测量数据与现场观察相结合，并利用人工智能生成机会约束列表和使用分区建议
- 能够将人工智能合成视为一种假设，并在现场反读它并分离需要工程的材料
好的景观设计从“听”情节开始。水从哪里流来，阳光从哪里照射，风从哪里吹来，人们已经在使用哪些路径？场地分析是对场地的物理、生态和社会特征的系统检查——它是设计所依据的现实基础。 GIS（地理信息系统/GIS）是分层绘制和分析空间数据（坡度、高程、土壤、水、结构）的软件。在本单元中，您将学习如何使用人工智能作为领域分析中的解释和综合伙伴；但您会明白为什么 GIS 和现场仍能保持测量和位置精度。
现场分析的层次
读取绘图时的典型层是：
- 地形：海拔和坡度（地表的坡度——决定水流、通道、可行性）。
- 坡向：坡面朝向的方向；确定日照和风的影响。
- 水文学：水从哪里来、流向哪里、洪水和积水区。
- 土壤与地质：土壤类型、排水、承载力。
- 植被和生态：现有树木、自然生命、需要保护的组织。
- 人类层：当前使用、访问、邻里、视图。
GIS 很少生成这些图层；人工智能有助于关联和解释这些层并合成现场观察记录。关键规则：人工智能无法测量坡度或在地图上生成坐标；它有助于理解您提供的测量数据并推荐优先级。
提示：问AI“那块土地的坡度是多少？”别问——他不可能知道这一点，而且可能会编造出来。相反，给出你从 GIS 收到的坡度数据，并询问“根据这个坡度分布，哪些区域适合步行，哪些区域适合坐，哪些区域适合蓄水？”征求意见。
一步一步：从数据到解释
步骤 1 — 收集测量数据。从 GIS 或实地调查中提取坡度、方位、水流方向等数据。此步骤是人/车工作。
第 2 步——注意现场观察。写下您在球场上看到的情况（潮湿的角落、有风的山脊、阴影区域、磨损的路径）。
第 3 步 — 让 AI 进行合成。给出测量数据+观察笔记，并以“机会和约束图”的形式征求意见。
第四步——反读。将人工智能的解释与现场现实进行比较；纠正任何不适合的区域。
第 5 步——将其与设计决策联系起来。将分析产生的机会/限制转化为具体的设计决策（地点和内容）。
三个迷你箱子
案例 1 — 坡度解释。在山坡公园项目中，GIS 坡度数据在 5%–22% 之间变化。 YZ结合观察笔记，起草了一份提案，称“15%以上为梯田，8%以下为免费草甸，其余为步行”。建筑师现场验证了这一点，节省了60%的时间；他亲自画了最后的露台线。
案例2——内涝。校园内经常出现内涝。田间笔记+坡度+土壤数据给YZ； YZ指出，低坡粘土角是一个自然堆积点，可以变成雨水花园。工程师还做了排水计算。
案例 3——捏造行为被抓获。一名实习生直接问AI“这个地块的平均坡度是多少？”他问道； AI给出了一个自信的数字。高级建筑师意识到这是没有根据的——人工智能没有看到包裹。该措施取自哥伦比亚广播公司 (CBS)；实际值不同。教训：从车辆而不是人工智能获取位置测量值。
四个可复制模板
1）机会约束综合：
您的角色：景观分析师。我会给你测量数据和实地观察。数据：坡度分布[...]、方向[...]、水流方向[...]、土壤[...]。观察：[湿角、风脊、阴影、现有路径]。综合这些并创建机会和约束列表。尺码合身；只要解释一下我给你的数据就可以了。
2）使用分区建议：
根据我提供的坡度和方向数据，建议将地块划分为功能区：步行、坐/聚会、保水、茂密植被、玩耍。写下每项建议所依据的数据。声明这是一个草案，将在现场进行验证。
3）实地考察清单：
制作一份我在 [4 公顷河滨公园] 项目现场分析之旅中需要观察和记录的项目清单：地形、水、土壤、植被、阳光/阴影、风、人类使用、通道和社区。
4）分析-设计桥梁：
将此机会约束列表转化为具体的设计决策：对于每个机会“我如何利用它”，对于每个约束“我如何克服/管理这个”。还要标记需要工程的项目（排水、保留）。
弱提示/强提示
弱提示：
分析一下这个剧情。
AI看不到剧情；如果没有数据，他要么做出一般性陈述，要么进行测量。
强力提示：
您的角色：领域分析师。测量数据（来自GIS）：坡度4-18%，朝北坡度，水流向东南，粘壤土，中位排水。现场观察：北角常年遮荫湿润，南缘通风良好，现有梧桐树行将保留，东缘设有内置人行道。从这些数据中得出机会和限制的列表；写下每个项目所依据的数据。请勿进行弥补测量。
给定测量数据+观察，人工智能产生真实的合成，“测量拟合”约束消除了幻觉。
数据源和角色表
层
数据来自哪里？
人工智能的作用
男人的角色
坡度/高程
地理信息系统、测量
评论
测量、确认
方向
地理信息系统
归因
验证
水文学
地理信息系统+现场
图案建议
工程师帐号
土壤
钻孔/实验室
有道理
测试、决定
当前工厂
现场盘点
合成
检测、保护
人类使用
实地观察
总结
观察、评论
常见错误
- 向 AI 请求位置测量。坡度、面积、距离是GIS/测量工作；人工智能可以弥补这一点。
- 跳过实地考察。没有任何数据可以取代站在现场观察。
- 查看单层。机会出现在各层的交叉点（斜坡+水+阴影在一起）。
- 不将解释与现场进行比较。 AI合成是一个假设；并在现场进行了验证。
- 将工程问题压缩为评论。排水能力和保留静力需要单独计算。
总之
在现场分析中，测量和定位精度是 GIS 和现场的工作；人工智能是一个强大的合作伙伴，可以将测量数据与现场观察相结合，并生成机会约束地图和分区建议。通过测量数据收集、现场观察、人工智能合成、现场反读和链接到设计来执行该过程。永远不要向人工智能询问测量结果；给它数据并理解它。综合始终是需要在现场验证的假设。
应用任务
描述地块的坡度、方向和水流（使用实际的 GIS 数据或合理的假设）并撰写现场观察记录。使用“机会-约束综合”模板创建分析，然后使用“分析-设计桥梁”模板将其转化为至少五个具体设计决策。勾选需要工程的项目。
清单
- [ ] 我从GIS/测量中获取了测量数据，我没有将其适应AI。
- [ ] 我把我的实地观察记录写下来了。
- [ ]我用多层的交集构建了AI合成。
- [ ]我将综合与现场现实进行了反读。
- [ ] 我单独标记了需要工程的项目，并将其交给专家。