一个“学校周边餐饮设施分析”任务，背后是坐标系检查、投影转换、要素筛选、缓冲区生成、空间连接、统计输出六个步骤——以往需要GIS专业人员手工串联，现在AI自动完成。北京航空航天大学与清华大学沈阳团队的评测报告，聚焦Codex调用QGIS Processing工具链完成空间分析工作流自动化的能力，从缓冲区分析到DEM处理，从土地利用统计到多条件选址。
空间分析工作流的自动化逻辑
空间分析任务的本质是多步骤工具链的串联——缓冲区、裁剪、相交、空间连接、字段计算、分区统计等。传统方式下，每个工具需要手动配置参数，中间结果需要人工传递，一个分析任务往往涉及5-10个步骤。Codex调用Processing工具链的方式，让AI根据自然语言描述自动拆解任务、配置参数、传递中间结果、输出最终成果。
评测中，Codex被验证可自动完成坐标系检查与投影转换、缓冲区生成与空间统计、研究区范围筛选与分类汇总、土地利用面积计算与结构分析、DEM坡度分析与高坡度区域提取、DEM裁剪与高程统计等标准分析流程。
矢量分析——从缓冲区到空间统计
缓冲区服务范围分析
针对“学校周边500米餐饮设施数量”分析，Codex首先从osm-amenities.geojson中筛选amenity=school的要素作为中心点图层，筛选amenity=restaurant的要素作为目标点图层。检查两个图层坐标系是否适合500米距离计算，如不适合则先重投影到适合米制计算的投影坐标系。以学校点位为中心生成500米缓冲区，统计每个学校500米范围内的餐饮设施数量。结果另存为学校周边餐饮服务分析.gpk，输出统计表包括学校名称、缓冲距离、餐饮设施数量，以及分析说明。
POI分类统计与土地利用分析
研究区范围内POI分类统计中，Codex以北京市.geojson为边界，筛选落在范围内的osm-amenities点位，按amenity字段统计不同设施类型数量。坐标系不一致时先统一，结果另存为北京市范围内POI点位.gpk，输出分类统计表。
土地利用结构分析中，Codex读取fclass字段，检查坐标系是否适合面积计算，如不适合则重投影到米制投影坐标系。按fclass字段统计各类型面积，面积单位统一为公顷，计算各类型占比，输出统计表和分析说明。
栅格分析——从DEM坡度到高程统计
DEM坡度分析与高坡度区域提取
DEM坡度分析中，Codex读取ASTGTM_N40E116.img的坐标系、像元大小、空间范围和高程值范围，调用QGIS坡度分析工具生成坡度栅格，提取坡度大于25°的高坡度区域。结果另存为坡度分析结果和高坡度区域文件，输出坡度分析报告包括数据基本信息、坡度分级结果、高坡度区域面积。
DEM裁剪与高程统计
DEM裁剪与高程统计中，Codex检查DEM和研究区边界的坐标系、空间范围和重叠关系，如坐标系不一致则先统一。使用研究区边界裁剪DEM，统计裁剪后DEM的平均高程、最高高程、最低高程和高程标准差。如DEM未完整覆盖研究区则标注“部分覆盖/需人工确认”。评测中针对北京地区的DEM裁剪，Codex成功完成裁剪并输出高程统计表。
专业模型——选址适宜性分析
多条件选址规则封装
选址适宜性分析采用Skill封装方式，“Gis Site Suitability Analysis Skill”将多条件选址规则封装为可复用流程。针对物流仓储设施选址，Skill自动执行四个步骤：从土地利用图层筛选fclass=industrial或commercial的地块作为候选；使用道路图层判断候选地块与道路距离关系；筛选距离道路500米以内、面积不小于2公顷的适宜地块；输出候选地块图层和排序表。
分析说明自动生成
除数据成果外，Skill还自动输出选址适宜性分析说明.docx，包括选址规则、筛选过程、结果数量和需人工确认的问题。这使得分析成果不仅是数据图层，更是完整的决策支撑文档，大幅降低了从分析到汇报的转换成本。
| | | | |
