耕地违规占用图斑核查怎么做?GIS 空间分析智能体的落地路径与边界
一批图斑下发下来,少则几十条,多则上千条。真正让基层和作业单位头疼的,往往不是数量,而是每条图斑都需要在影像、矢量、审批台账、举证照片之间来回切换:这条压占的是永久基本农田还是林地?有没有合法的用地审批手续?外业拍回来的照片时相和下发影像对不对得上?判定口径写在文件里,执行却散在不同人的经验里,换个人、换一批图斑,结论就可能不一致。
“耕地违规占用图斑核查怎么做”表面上是一套流程问题,“GIS 空间分析智能体如何落地”表面上是一个技术选型问题,但拆开看,两者指向同一件事:把规则明确、重复发生的空间分析动作固化成可复用的能力,把必须由人承担的认定与处置判断留给人。 本文按一条图斑从下发到销号的真实链路逐段拆解,说清哪些环节适合交给智能体、怎么配置、边界在哪。
一、一条图斑从下发到销号,究竟要过几道手
在讨论智能体之前,先把链路画清楚。耕地违规占用图斑核查通常不是“看一眼影像”就结束,而是内业判读、外业举证、会审定性、整改销号四段接力,任何一段的信息缺失都会让后一段推倒重来。
内业判读:规则最密集的一段
内业是空间分析的主战场,也是对“口径一致性”要求最高的地方。
- 图斑预处理:校验坐标系与投影(常见 CGCS2000 与国家 2000 的混用)、面积单位、字段完整性,剔除明显破碎或重复的图斑。
- 叠加比对:把下发图斑与国土变更调查地类图斑、永久基本农田划定成果、生态保护红线、用地审批与供地数据逐层叠加,判断压占地类与审批状态。
- 量算与统计:计算占用面积、按地类与权属拆分、汇总到村级或乡镇级单元。
- 形成初判意见:给出“疑似违法占用”“已有审批”“需外业核实”等初步分类,并写明依据来自哪一层数据。
这一段的特征是:步骤高度固定、判断依据来自明确的图层与台账、重复量极大。也正因为如此,它最适合被结构化沉淀,而不是每次靠人重新点一遍工具栏。
外业举证:现场与内业要能对上
外业核查的难点不在拍照,而在“对得上”。
- 定位点与图斑范围是否落在同一处,拍摄方位是否覆盖实际占用区域;
- 举证照片的时间、位置、内容与内业判读结论是否互相支持;
- 现场情况与台账记录冲突时,谁来标记、怎么留痕。
如果外业回来的材料只是散落在文件夹和聊天群里,后续会审就要重新翻一遍,前面做的空间分析等于白做。
会审定性:必须由人下结论
哪一条属于违法占用、哪一条属于设施农用地或临时用地、是否需要立案、如何整改——这些是行政认定行为,涉及法律后果与相对人权益。智能体可以提供依据、列出疑点、生成建议清单,但不能替代主管部门的认定与执法判断。 这条边界必须在项目一开始就写清楚,写进流程而不是写在说明文档里。
二、GIS 空间分析智能体能接住哪些环节
把智能体理解成“会自己写脚本的 GIS 工程师”是误解。更准确的定位是:它负责理解目标、组织上下文、选择路径,把连接器、知识库、技能、工作流、自动任务组合成一次完整业务动作。落到图斑核查上,大致对应四类工作。
四类动作对应四类工作
- 直接回答:解释一份核查台账里某个字段为什么为空、某条图斑面积与地类汇总为何对不上。信息已经充分,不需要操作业务系统。
- 完成一次任务:给一批图斑,走完预处理、叠加、量算、生成初判清单这条路径。路径清楚但步骤多,需要现场组合工具。
- 调用已有技能:单位已经把“永久基本农田占压判定”“审批手续匹配”沉淀成标准方法,智能体直接调用,保证不同人跑出来的口径一致。
- 建立持续任务:图斑按批次下发、按周期更新,可以设置自动任务,在数据到位后触发巡检、生成差异清单并通知责任人。
在 Soiawork 中,这四类动作不是四套系统,而是同一个工作空间里的不同使用方式:连接器负责从业务系统与数据库中取矢量、台账和审批数据;知识库存放判定口径、地类对照表、历史会审意见;设备(Soia Worker) 可以在本机 GIS 桌面软件上执行既有的处理流程,不必要求单位把多年积累的工具链全部重写;技能把验证过的方法固化为可复用能力;工作流固定步骤顺序与检查点;自动任务让周期性核查按时跑起来。
和现有 GIS 平台、RPA、BI 是什么关系
这是落地时最常被问到的问题,答案是分工而非替代。
- GIS 平台仍是空间计算与数据管理的底座,负责数据存储、投影转换、图层管理与成果出图。智能体是在其上组织“先做什么、按什么规则做、结果交给谁”。
- RPA擅长界面上固定的点击与录入,适合把结果回填到业务系统;但它不理解“这条图斑为什么判为疑似”,规则变化就要重配。
- BI解决的是汇总与呈现,回答“这个季度疑似违法占用有多少”;智能体解决的是“这一条为什么是、依据在哪、下一步给谁”。
三者叠加才有意义:智能体做判断链,RPA 做搬运,BI 做俯瞰。
三、落地前必须谈清楚的三件事:数据、规则、权限
技术可行性往往不是瓶颈,卡住项目的是这三件事没提前对齐。
数据在哪里,智能体就在哪里工作
图斑核查的数据高度分散:矢量在 GIS 服务器或文件空间,审批台账在业务系统,历史会审意见在文档里,举证照片在移动端。要提前确认的是——
- 哪些数据可以通过连接器直接读取,哪些只能以文件方式提供;
- 影像与矢量数据的更新频率、时相标识是否可靠;
- 涉密与敏感数据的存放位置,是否允许离开内网环境。
如果数据本身涉密不能出域,就要在部署形态上先做设计,别等到试跑阶段才发现走不通。
把判定口径写成可查的依据
“这个算不算占用基本农田”不该由模型凭印象回答。可行做法是把口径显性化:
- 地类对照、面积起算标准、审批手续的认定条件,整理进知识库,作为可追溯依据;
- 每条初判结论都带出处:来自哪一层数据、哪一条规则、哪一次会审先例;
- 规则冲突或数据缺失时,输出“无法判定”而不是硬给结论。
这一点直接决定结果能不能被业务人员信任。能被复核的结论,才有资格进入流程。
权限:从只读和人工确认开始
首期建议把智能体的权限压到最小:只读数据、只生成建议清单、不直接回写业务系统、不触发对外动作。所有涉及定性、处罚、整改的结论,都经由责任人确认后放行。等结果稳定、异常处理路径跑顺,再逐步放开写权限和自动化范围。
四、复现验证:一条图斑走完内业流程是什么样
以下为复现验证/演示环境中的流程演示,所用图斑与台账均为构造样例,用于说明处理路径,不代表任何客户的实际成效,也不构成对核查结论准确性的承诺。
在演示环境中,一批样例图斑的处理路径大致如下:
- 接收与校验:读取图斑矢量,检查坐标系、字段与面积单位,把缺失关键字段的图斑单独列出,交人工补齐。
- 逐层叠加:与地类图斑、永久基本农田、生态保护红线、审批台账依次叠加,记录每一层的交叠面积与来源标识。
- 规则匹配:按知识库中的判定口径,标注“占压永久基本农田”“已有审批手续”“需外业核实”等标签,并附上依据。
- 疑点清单:把审批状态与现场描述冲突、影像时相与举证时间不匹配、面积在阈值附近的图斑单独成表,供会审核查。
- 成果输出:生成核查台账、疑点清单与外业任务单,格式对齐现有上报要求。
演示中刻意保留了“判不了”的情况:当某条图斑的交叠面积处在临界值、且历史会审意见存在两种处理先例时,智能体输出的是“需人工确认”并列出两种先例,而不是替人做选择。这类留白不是能力缺陷,而是可交付的前提。
五、试点怎么设计:从一条图斑到一批图斑
把这件事推下去,建议按三步走,而不是一上来就全面铺开。
- 选一项重复工作:从内业判读中的某一类固定动作切入,比如“占压永久基本农田判定”或“审批手续匹配”,说明现在谁做、怎么做、想得到什么结果。
- 确认资料、规则与权限:准备一组真实图斑,确认账号能访问哪些系统、按什么规则核对、哪些环节必须人工确认。样例要覆盖正常图斑、关键字段缺失、规则边界、跨图层冲突、历史出错案例以及批次集中下发的峰值情况。
- 试跑后再扩大范围:用相同周期和相同图斑对象比较前后结果,把被验证有效的方法沉淀为技能,再交给更多岗位使用;效果不达预期的部分,调整规则或直接停掉。
上线后的对比要注意口径:用同一批图斑、同一套判定标准做前后对照,避免把批次难度差异当成能力提升。
结语
耕地违规占用图斑核查的难点,从来不是缺一个更快的工具,而是缺一套能被复核、能被复用、能被交接的判断链路。GIS 空间分析智能体的价值,在于把规则明确的部分固化下来,把需要判断的部分显性化地交回到人手上——它让结论更快到达,也让人清楚结论从哪来。
务实的第一步,是挑一类重复度最高的图斑判读动作,带上真实数据和现行口径试跑一轮:先核对结果与异常是否处理到位,再决定要不要扩大范围。如果你想进一步了解耕地违规占用图斑核查场景中 GIS 空间分析智能体如何落地,可以从这条最小链路开始验证。在 Soiawork 中,一条图斑的处理流程可以从一个工作空间、一项技能、一个自动任务起步,逐步长成属于这家机构自己的 AI 组织。实在智能自 2018 年起投入 AI 与自动化,累计服务 6,000+ 企业客户,这类“先跑通一条、再复制一批”的路径,已经在大量一线场景中被反复验证过。
常见问题解答
要不要改造现有的 GIS 和业务系统?
通常不需要推翻重来。更常见的做法是通过连接器读取现有数据库与业务系统,通过设备(Soia Worker)在本机 GIS 软件上复用已有处理流程,智能体只负责组织步骤与规则。改造量集中在接口权限和结果回填格式上,而不是重建底座。
影像和矢量数据涉密,能放到平台上吗?
这要在方案设计阶段就确认。可行的路径包括内网部署、数据不出域、只把处理结果与结论清单外送。如果确有数据不能离开原有环境,就把智能体部署在数据所在的一侧,而不是把数据搬到智能体这边。
智能体判错了,责任怎么算?
先要区分两类错误:一类是规则执行错误(比如图层叠加错、字段取错),这类靠样例测试和结果抽检来控制;另一类是定性判断错误,这类本就不应该由智能体承担。流程上应设定为:智能体只输出带依据的建议清单,最终认定由责任人签署。出了问题能追溯到是哪一层数据、哪一条规则导致的。
从哪个场景开始最稳妥?
优先选重复度高、规则明确、结果可核对的环节,比如单类地类占压判定、审批手续匹配、举证材料完整性检查。避开一开始就做“全自动定性”,那类工作边界模糊、争议成本高,试跑很难收敛。
和现有的卫片执法系统、BI 报表是什么关系?
卫片执法系统是业务主干,负责流程流转与归档;BI 负责汇总呈现;智能体处在两者之间,负责把散在各处的数据组织成可判断的结论,再把结果交回主干流程。三者是分工关系,不存在谁替代谁。
有任务,找 Soia;有问题,你说呀。Soia 让智能生长,让工作进化。



