信息化技术驱动地质工作现代化转型
地质信息化是利用现代信息技术对地质数据进行采集、处理、分析、存储和应用的过程。信息技术推动地质科研范式转变，提升地质数据处理与分析能力，优化地质调查工作模式，促进地质信息共享与社会化服务。整个地质工作的现代化转型，信息技术是核心力量，在AI时代，也面临着一系列新的挑战和机遇。国家提出“人工智能+”行动， 在地质领域，“人工智能+”应该怎么做？
地质工作在早期曾被行业专家认为很像是一个盲人摸象的工作。因为人类对地球的了解实在太少，特别是地球的深部，技术条件所限了解的更少。所有地质工作只是基于某一个方面对地球做一定的了解。这就造成地质工作是不断完善、逐渐逼近客观对象实际的过程。在这个过程中会面临三个问题。第一是数据不足。地下复杂多变且观测手段有限，难以完全掌握地下情况导致数据不足。第二是数据过剩，地上遥感、无人机等测量手段增多，引发地上地质数据量剧增致过剩。第三是数据安全。地质数据涉及涉密等关键信息，其安全防护成为地质工作重要挑战。解决数据不足、数据过剩和数据安全的三大问题，是地质信息化工作需要解决的三个核心问题。
信创GIS可以筑牢地质信息化数据安全底座，大模型赋能，智能体决策，从而提升地质信息智能化水平，破解“数据不足”“数据过剩”瓶颈。
在AI时代，信创平台、信创产品也要进入信创2.0时代。前期的信创是适配操作系统、数据库，适配底层的国产硬件等等，在这个基础上构建软件系统。AI时代，信创GIS需要和大模型进行智能交互，被大模型所用。现在的语言大模型、视觉大模型等等一系列大模型，各有各的特点，这些大模型能不能直接用到地质工作当中？可以用，但是用的还不够好，需要在大模型的基础上做一些工作，比如现在很热的智能体，用智能体形成专家的形式，即变成地质行业的智能体，地质行业的专家。
所以，信创GIS首先要在四个方面开展工作，打牢基础。即强化底层技术、内核架构升级、生态全面适配及异构成果无缝替代。
研究成果包括提出了全空间多粒度时空实体数据模型。突破了传统GIS数据库的局限，采用面向时空实体的设计理念，具备强大的多模态数据融合与管理能力，能够高效整合并统一管理矢量几何、拓扑几何、栅格影像、移动轨迹、复杂网络、层次粒度、网格编码、点云、三维表面、三维体元、三维栅格等多种形态的时空信息，实现跨模态数据的时空一体化组织、存储、分析与服务。
在这个管理体系基础上，大规模复杂场景实时重建、语义理解与空间计算，是GIS平台的核心。基于成像先验融合与多任务协同学习的图像质量增强方法，通过融合多模态数据处理、精度优化与动态自适应策略，实现大规模复杂场景三维重建；提出视觉大小模型融合协同的场景理解计算方法，对复杂时空场景进行语义分割、目标检测、行为识别与空间计算，实现人机环的高精度映射与语义理解，为构建高保真数字孪生体提供支撑。
在统一内核、架构升级上，研发的MapGIS平台具有统一的跨平台内核，空间数据引擎，二三维渲染引擎，再在内核层上集成功能层、应用层，升级安全体系，从内核安全、数据安全、服务安全进行安全加固，增强系统保障能力，实现GIS信息安全升级。
统一内核，架构升级
信创生态全面适配上，MapGIS全面拥抱信创生态，实现芯片、整机、操作系统、数据库、中间件、云平台全国产化全面适配。
适配完成后的信创化替代，MapGIS做了很多工作，尽量减轻用户迁移的痛苦。比如空间数据引擎可替代，可以一键导入要替代的软件的空间数据库，导入完成数据库直接完成迁移。制图成果、地图文档也可以导入。还有更重要的是基于原来的国外软件所开展的一系列开发应用替代，比如基于Web的应用服务，开展了标准的异构服务工作，即上层不动，底层替代了异构服务以后，整个上层的应用也都可以替代了，形成了服务可替代。替代时间上，前期比如湖南国土厅的整个应用迁移，大概花了一个星期时间，现在可以更短，几天就可以完成，这也是最难的一个工作取得的突破。
信创 GIS筑基，大模型如何赋能？在地质领域，很多东西是视觉的，包括遥感影像等，需要发展视觉大模型。研发中基于一些通用的视觉大模型基础，针对地质工作，把底层的模型构建数据集来进行处理，构建了一个基础的地质视觉大模型。基础的地质视觉模型实现影像解译、点云分割、智能制图、建模等等一系列的基于视觉的工作。
另外地质报告、地质信息这些内容，很多都是文本的。地质大数据的非结构数据、文本数据居多。基于文本，在自然语言大模型上构建一系列的处理工具，形成知识图谱、知识问答、知识助手等等内容。
针对地质信息领域数据类型多、专业术语解析难、大模型容易出现幻觉、生成的内容难以追溯且可解释性不足等痛点问题，通过模型微调和检索增强生成（RAG）技术协同，嵌入大规模高质量地质领域知识图谱，弥补大模型自身知识不足，提升专业术语解析精度。
传统地质时空知识图谱构建技术存在构建效率低、质量和规模难以兼顾等问题，利用多模态群智感知数据，发展多专家参与的人人协同、多智能体混合的机机协同、专家和机器交互的人机协同时空知识图谱群智协同构建方法。
在成矿领域，突破视觉语言大模型与多模态数据融合的复杂地貌区岩性识别、基于U-Net++和中值滤波的地质构造线自动解析、先验知识约束的成矿预测大模型构建等关键技术，建立智能化成矿预测和应用流程技术体系，提升成矿预测模型可解释性和预测结果精准度。
现在AI领域有很多多智能体架构，特别在软件编程中。在地质领域，也在做相应的多智能体架构，把相应的数据框架、模型、算法等等集成，构建地质相关的一系列智能体。这些智能体实际上可以调用传统的模型来完成一些工作。比如MapGIS构建了一个时空智能体，可以把视觉模型和语言模型结合，来完成地质工作所需要的识别、提取、检测、建模服务等等一系列工作。
采用多智能体协同架构，构建制图任务规划智能体，以及由数据治理智能体、制图建模智能体和图面整饰智能体等组成的任务执行智能体组。比如说，要生成某个专题地图，只要提出你的要求，首先有一个任务规划智能体来进行任务的规划，和DeepSeek的深度思考类似，第一步、第二步是什么，把步骤规划出来。这个智能体是直接使用大模型的。用大模型开展任务规划以后，任务的执行有其他的智能体。数据治理智能体知道哪里的数据是最权威的，哪里的质量最好，到哪里去下载，比如说到国家地理信息中心，或者到地调局的地质云上找到并获取这个数据。获取数据以后，按照制图规则做各种展示，形成地图。最后执行结果给到用户，用户再判断结果是否符合要求，不符合要求再进行调整，循环执行。最终完成一个专题图的制作任务。这就是多智能体的协作，每种智能体完成一个工作。智能体调用的其实是底层功能，比如说数据智能体可能会调用数据爬虫，图片展示的智能体调用MapGIS底层的制图功能，来开展相应工作。
多智能体协同架构
从整个数据驱动、AI支撑，开展了一系列智慧实践应用工作。
地质报告智能问答。通过语法分析与大模型提取资料中的关键片段 ，利用注意力机制在片段间建立知识之间的联系；再利用大语言模型ChatGLM生成答案对应的问题 ，最终形成完整的地质报告问答数据集。基于该数据集训练问答模型，为智能问答提供精准回答。应用于地质报告智能问答的场景，有效利用自然语言大模型生成地质行业成矿预测特定场景提问的答案。
地质智能建模。提出了基于偏移注意力机制的三维地质建模方法，将钻孔/剖面/地表/物化探等多源数据，离散化为点云数据，预测三维网格单元的岩性分类，从而构建高精度的三维地质模型。融合深度学习框架，深度挖掘输入地质数据内在的复杂地质规律，较好的构建符合地质规律的地质模型，解决传统隐式建模过拟合、各向异性表达差等问题，对复杂地质系统有较好的建模能力。
智能建模与传统建模效果对比
智能找矿预测。利用基础地质、地球物理、地球化学、多光谱影像、地质资料等多源数据，基于专家经验、样本库、知识图谱等构建找矿知识库，辅助成矿模式的分析，挖掘隐藏的成矿地质规律与模式，可预测潜在的成矿位置，辅助确定找矿靶区。基于成矿理论研究，通过将地物化遥等数据与找矿模型之间的逻辑关系，转化为成矿属性信息，通过建立矿床预测模型，基于深度学习算法进行计算，进而进行找矿靶区圈定，实现人工智能找矿预测。
地质灾害防治。构建地灾斜坡体三维地质体模型和地上三维实景模型，并结合物联感知数据，实现区域孕灾、致灾、防灾全流程可视化，形成科学的闭环处置，指导精准撤离、协助灾后治理、制定修复方案等，提高地质灾害科学应对水平。地质灾害监测预警中，针对气象-地质灾害链，结合地灾易发区高差、坡向、坡体形态、坡结构、坡切高、坡度、土层厚度、岩土体特征等参数，建立滑坡灾害综合预警模型，实现不同降雨强度下的滑坡模拟、灾害评估、受灾情况分析。地质灾害智能评价上，根据地质灾害发展规律，研究地质灾害多层关联的灾害易发性评价体系，构建地质灾害易发性知识图谱模型和数字灾害综合评价系统，科学开展地质灾害易发性评价。
煤矿井下实景孪生。基于多模态“实测、实时、实景”感知数据，构建煤矿时空实景孪生引擎平台，解决现有三维模拟仿真技术不能实时、全息同步映射煤矿开采活动的问题，实现煤矿井下开采空间实景映射、毫秒级更新，为无人化、透明化煤矿开采提供技术支撑。
智能地质业务助手。通过自然语言交互解析，实现地质专业术语与空间要素的精准语义映射，利用智能推理引擎调用三维空间分析算子，依据行业标准规范，自动生成结构化地质评估报告、参数化专题图件及交互式三维地质模型分析成果。
（本文根据中国地质大学（武汉）谢忠教授在2025中国地质学会年会演讲整理）