GIScience in the Era of Artificial Intelligence: A Research Agenda Towards Autonomous GIS

📄 arXiv: 2503.23633v5 📥 PDF

作者: Zhenlong Li, Huan Ning, Song Gao, Krzysztof Janowicz, Wenwen Li, Samantha T. Arundel, Chaowei Yang, Budhendra Bhaduri, Shaowen Wang, A-Xing Zhu, Mark Gahegan, Shashi Shekhar, Xinyue Ye, Grant McKenzie, Guido Cervone, Michael E. Hodgson

分类: cs.AI, cs.ET, cs.SE

发布日期: 2025-03-31 (更新: 2025-04-14)

💡 一句话要点

提出自主GIS框架，利用大语言模型驱动地理信息系统实现自动化空间分析。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 自主GIS 大型语言模型 地理信息系统 空间分析 地理空间数据

📋 核心要点

  1. 传统GIS在地理知识生产方面存在局限性，无法自主进行空间分析和决策。
  2. 利用大型语言模型（LLM）作为决策核心，构建自主GIS框架，实现地理空间数据处理的自动化。
  3. 通过概念验证的GIS代理展示了自主GIS在数据检索、空间分析和地图制作方面的能力。

📝 摘要（中文）

以大型语言模型（LLM）为代表的生成式AI的出现，为地理信息的表示和计算开辟了新途径，并超越了地理知识生产的过程，推动地理信息系统（GIS）向自主GIS发展。自主GIS利用LLM作为决策核心，可以独立生成和执行地理处理工作流程以执行空间分析。本文进一步阐述了自主GIS的概念，并提出了一个概念框架，该框架定义了其五个自主目标、五个自主级别、五个核心功能和三个操作尺度。我们通过四个概念验证的GIS代理展示了自主GIS如何执行地理空间数据检索、空间分析和地图制作。最后，我们确定了关键挑战和未来的研究方向，包括微调和自我增长的决策核心、自主建模，以及检查自主GIS的社会和实践影响。通过为GIScience的范式转变奠定基础，本文设想了一个未来，GIS超越了传统工作流程，自主地推理、推导、创新和推进地理空间解决方案，以应对紧迫的全球挑战。同时，当我们设计和部署日益智能的地理空间系统时，我们有责任确保它们以对社会负责的方式开发，服务于公共利益，并在人工智能增强的未来支持人类地理洞察力的持续价值。

🔬 方法详解

问题定义：传统GIS系统依赖于预定义的流程和人工干预，难以应对复杂和动态的地理空间问题。现有方法缺乏自主性，无法根据实际需求自动生成和执行空间分析工作流。这限制了GIS在快速响应突发事件和支持实时决策方面的应用。

核心思路：论文的核心思路是利用大型语言模型（LLM）的强大推理和生成能力，将其作为自主GIS的决策核心。LLM能够理解自然语言描述的地理空间问题，并自动生成相应的地理处理工作流。这种方法旨在赋予GIS系统自主性，使其能够独立完成空间分析任务。

技术框架：自主GIS框架包含五个核心功能：地理空间数据检索、空间分析、地图制作、工作流管理和知识管理。LLM作为决策核心，负责接收用户指令，调用相应的功能模块，并生成最终结果。框架还定义了五个自主目标（例如，自适应性、可解释性）和五个自主级别（从人工辅助到完全自主），以及三个操作尺度（本地、区域、全球）。

关键创新：该论文的关键创新在于将大型语言模型引入GIS领域，并将其作为自主决策的核心。与传统的基于规则或模型的GIS系统不同，自主GIS能够通过学习和推理，自动生成和优化地理处理工作流。这种方法具有更强的灵活性和适应性，能够更好地应对复杂和动态的地理空间问题。

关键设计：论文中使用了四个概念验证的GIS代理来展示自主GIS的能力。这些代理通过不同的prompt工程和微调策略，实现了地理空间数据检索、空间分析和地图制作等功能。具体的参数设置、损失函数和网络结构等技术细节在论文中没有详细描述，属于未来的研究方向。

📊 实验亮点

论文通过四个概念验证的GIS代理，展示了自主GIS在地理空间数据检索、空间分析和地图制作方面的潜力。虽然没有提供具体的性能数据，但这些实验验证了LLM驱动的自主GIS框架的可行性，并为未来的研究奠定了基础。

🎯 应用场景

自主GIS在城市规划、灾害管理、环境监测、资源管理等领域具有广泛的应用前景。它可以帮助决策者快速获取地理空间信息，进行风险评估和资源优化，从而提高决策效率和准确性。未来，自主GIS有望成为智慧城市和数字地球的重要组成部分。

📄 摘要（原文）

The advent of generative AI exemplified by large language models (LLMs) opens new ways to represent and compute geographic information and transcends the process of geographic knowledge production, driving geographic information systems (GIS) towards autonomous GIS. Leveraging LLMs as the decision core, autonomous GIS can independently generate and execute geoprocessing workflows to perform spatial analysis. In this vision paper, we further elaborate on the concept of autonomous GIS and present a conceptual framework that defines its five autonomous goals, five autonomous levels, five core functions, and three operational scales. We demonstrate how autonomous GIS could perform geospatial data retrieval, spatial analysis, and map making with four proof-of-concept GIS agents. We conclude by identifying critical challenges and future research directions, including fine-tuning and self-growing decision-cores, autonomous modeling, and examining the societal and practical implications of autonomous GIS. By establishing the groundwork for a paradigm shift in GIScience, this paper envisions a future where GIS moves beyond traditional workflows to autonomously reason, derive, innovate, and advance geospatial solutions to pressing global challenges. Meanwhile, as we design and deploy increasingly intelligent geospatial systems, we carry a responsibility to ensure they are developed in socially responsible ways, serve the public good, and support the continued value of human geographic insight in an AI-augmented future.