AI在地理信息科学中的应用

AI在地理信息科学中的应用汇报人:XXX20XX/XX/XXCONTENTS目录01

AI与地理信息科学融合概述02

地理空间数据智能处理技术03

智能空间分析与决策应用04

自然资源智能化治理应用CONTENTS目录05

灾害预警与应急管理应用06

行业创新应用案例分析07

技术挑战与应对策略08

未来发展趋势与展望AI与地理信息科学融合概述01地理信息科学的发展历程

传统GIS阶段（2000年前）此阶段以人工驱动为主，依赖基于规则的模型和早期机器学习算法，数据处理效率低，空间分析能力有限，主要进行手动制图和数据分类。

自动化GIS阶段（2000年代）引入早期AI技术，实现部分数据处理流程自动化，如简单的遥感影像分类和空间分析，但智能化程度不高，模型泛化能力较弱。

智能GIS阶段（2010年代至今）深度学习模型广泛应用，可处理海量地理空间数据，实现卫星图像自动解译、土地利用变化检测、三维建模等复杂任务，分析精度和效率大幅提升，例如SuperMapAIF技术底座实现区域三维模型构建时间从数日缩短至20多分钟。

全空间智能GIS阶段（未来趋势）以多粒度多层次时空实体数据模型为核心，融合AI大模型、数字孪生等技术，实现全空间智能化的仿真、预测、监控、优化和控制，推动GIS向更高精度、实时性和智能化方向发展。人工智能技术赋能GIS的必然性应对海量地理空间数据处理挑战随着传感器、卫星、无人机等技术发展，地理空间数据呈爆炸式增长，传统GIS在处理PB级多源异构数据时效率低下，AI技术如深度学习能高效提取有用信息，为决策提供支持。突破传统GIS分析能力局限传统GIS依赖预设算法和人工分析，难以挖掘数据深层模式与复杂空间关系。AI的机器学习、深度学习算法能实现自动分类、预测分析等，提升GIS对地理现象的理解和解决复杂问题的能力。满足智能化与实时化应用需求智慧城市、自动驾驶、灾害应急等领域对GIS的智能化和实时性要求日益提高。AI与GIS融合可实现动态监测、智能预警和实时决策支持，如AI驱动的灾害风险评估模型能提前预警，准确率高。推动GIS从工具向智能决策中枢演进AI赋予GIS自主学习和智能决策能力，使其从单纯的数据管理与分析工具，向“监测—分析—决策—服务”的智能闭环系统转变，重构治理范式，提升自然资源管理等领域工作效率约30%。AI与GIS融合的核心价值

提升数据处理效率与精度AI技术显著提升地理空间数据处理效率，如遥感影像自动分类较传统人工解译效率提升数倍，某滑坡监测项目中AI提前72小时预警灾害风险，准确率高达95%。

强化空间分析与智能决策AI助力GIS进行深度空间分析与预测，例如城市规划中通过分析人口分布、交通流量数据生成科学用地规划建议，某城市应用后公园绿地覆盖率提升了12%，交通拥堵指数下降了25%。

革新地理信息可视化与交互AI结合NLP技术实现地图注记自动生成，WebGIS平台利用AI算法自动更新动态信息，结合VR/AR构建三维城市模型或灾害模拟场景，增强决策直观性与交互体验。

推动多源数据融合与跨域应用AI技术实现多源异构地理空间数据智能融合，消除矛盾冲突，支持跨领域数据分析与决策支持，如在城市应急管理中融合地理信息、人口分布等多源数据制定科学救援方案。2026年AI+GIS技术发展现状

01AI成为GIS原生核心能力AI已从GIS的附加功能升级为"原生基因"，实现数据处理、分析、可视化全流程智能化。如QGISAutonomousGIS-SpatialAnalysisAgent插件支持自然语言查询直接执行空间分析，降低技术门槛。

02深度学习驱动遥感解译突破基于CNN等深度学习模型的遥感影像解译技术成熟，实现建筑物、道路等要素自动提取，效率较传统方法提升数倍。自然资源部第三地理信息制图院研发的智能解译平台使生产效率提高约30%，已应用于国家级监测工程。

03多源时空数据融合能力增强AI技术有效整合卫星遥感、无人机航拍、LiDAR点云、IoT传感器等多源异构数据，构建动态融合架构。如分布式存储与向量数据库结合，解决传统存储随机读写瓶颈，支撑分钟级数据更新与可视化。

04行业应用场景持续拓展深化在自然资源治理、智慧城市、防灾减灾等领域形成规模化应用。例如，"人工智能赋能自然资源数字化治理能力提升"项目构建"监测—分析—决策—服务"智能闭环，使相关工作效率提升约30%，并荣获数字四川创新大赛优秀奖。地理空间数据智能处理技术02深度学习特征提取技术基于卷积神经网络（CNN）等深度学习模型，从高分辨率遥感影像中自动提取建筑物轮廓、道路网络、植被覆盖等复杂地理特征，实现对地理要素的精准识别与分类。监督与非监督学习分类应用采用监督学习算法（如随机森林、支持向量机SVM）和非监督学习算法，根据土地利用、植被类型或水域覆盖等特征对地理区域进行自动分类，相较传统人工解译效率提升数倍，准确率可达90%以上。变化检测与动态分析能力通过比较不同时相的卫星图像，AI算法能够自动识别土地覆盖变化，实时监测森林砍伐、城市扩张或自然灾害影响等现象，为自然资源管理和城市规划提供数据支持。多源数据融合解译方案AI技术支持对卫星遥感数据、无人机航拍数据、地面传感器数据等多源异构数据的智能融合，消除数据矛盾与冲突，实现无缝集成，提升遥感解译的全面性和准确性。遥感影像AI自动解译方法LiDAR点云数据智能分类技术

传统LiDAR点云分类的局限传统LiDAR点云分类软件仅能区分地面与非地面点，人工编辑工作量大，难以满足复杂场景下的精细分类需求。

AI驱动的全要素精细分类能力基于AI的机载LiDAR点云自动精细分类技术可精准识别移动物体（如汽车）、植被、建筑物、架空管线等多种地物，显著提升分类准确率。

技术优势与效率提升AI技术深度融入激光点云数据采集、智能处理、动态优化全链条，降低人工编辑工作量，提升数据生产效率，在陕西、甘肃、新疆等省级项目中，2米格网DSM和DEM生产效能显著提升。

模型优化与场景适配利用AI模型自适应学习优化特性，针对不同区域项目特点增加机器学习样本数量，持续训练优化模型，达到数据量越大、密度越高分类效果越优的成效，为复杂场景建模提供可靠保障。多源异构地理数据融合处理

分布式存储与向量数据库技术架构采用分布式存储与向量数据库技术，构建多源数据智能融合架构，支持卫星遥感、无人机航拍、地面传感器等异构数据的无缝集成，解决传统集中式存储的随机读写性能瓶颈。

AI驱动的数据清洗与标准化利用AI算法自动处理数据缺失、格式转换和坐标匹配，例如通过Python脚本工具实现100个Excel表格坐标系互转，误差率从5%降至0.1%，显著提升数据质量与一致性。

跨模态数据语义关联基于多模态预训练模型（如Qwen-VL）建立图像与中文描述的语义关联，实现遥感影像、LiDAR点云与文本数据的智能关联，支持“冰川”“海水”等地物标签的自动语义标注。

动态融合与实时更新结合边缘计算技术，对物联网实时采集的地理空间数据进行动态融合，例如WebGIS平台利用AI算法自动更新交通流量、灾害扩散等动态信息，实现分钟级数据更新与可视化。地理数据自动矢量化与数字化

AI驱动的全自动矢量化技术Mapflow等人工智能驱动的工具能够从卫星图像中高精度提取道路、建筑物和水体的轮廓，实现地理数据的全自动矢量化，显著提升传统手动数字化的效率。

半自动数字化的人机协同模式当需要一定程度的人工监督时，半自动数字化模式允许对AI生成的矢量化结果进行审查和调整，特别适用于地形复杂、图像混乱或不清楚区域的要素提取。

智能解译平台提升生产效能自主研发的自然资源深度学习遥感智能解译平台，可大幅缩短遥感影像解译周期，提高解译精准度，减少人工工作量，使生产效率提升约30%，已应用于国土利用动态监测等国家级工程。智能空间分析与决策应用03机器学习驱动的空间模式识别土地利用类型智能分类

利用监督分类算法如随机森林、支持向量机（SVM）对遥感影像进行土地利用类型自动分类，相比传统人工解译效率提升数倍，分类准确率可达90%以上，广泛应用于城市扩张监测、农业用地规划等场景。城市商业热点区域聚类分析

通过聚类分析算法挖掘城市中商业活动的空间分布模式，识别商业热点区域，为城市商业布局规划提供依据，辅助决策者优化资源配置与服务设施建设。交通流量时空分布预测

基于机器学习算法分析历史交通流量数据、道路网络信息和实时路况，预测交通拥堵状况及时空分布特征，为交通管理部门制定疏导方案和优化信号配时提供数据支持，提升城市交通运行效率。地理要素细粒度特征提取

借助深度学习模型如卷积神经网络（CNN），从高分辨率遥感影像和地理空间数据中自动提取建筑物轮廓、道路网络、植被覆盖等复杂地理要素的细粒度特征，实现对地理实体的精准识别与监测。多源数据融合预测模型利用卷积神经网络（CNN）和循环神经网络（RNN）融合多源遥感数据，可精准预测城市未来扩张趋势及土地利用类型转换，为城市规划提供科学依据。规划优化与效能提升某城市通过AI优化土地利用规划后，公园绿地覆盖率提升了12%，交通拥堵指数下降了25%，显著改善了城市空间结构与居民生活质量。动态监测与趋势研判依托长时序卫星影像开展常态化智能分析，AI算法能够精准捕捉城市扩张过程中的土地利用动态变化，为国土空间格局优化提供实时数据支撑。城市扩张与土地利用变化预测基于自然语言的空间分析交互自然语言交互简化GIS操作门槛QGISAutonomousGIS-SpatialAnalysisAgent插件允许用户使用自然语言查询直接在QGIS中执行地理空间分析，使GIS操作从专业软件操作转向直观的语言描述，降低了非专业用户的使用门槛。实现地理空间数据的智能问答自然资源部第三地理信息制图院基于国产大模型DeepSeek构建生态环境分区智慧问答系统，能实时解析人类活动信息，精准追踪生态准入清单执行效能，实现分区管控落实情况智能考核。多模态语义关联提升查询精准度通过多模态预训练模型（如Qwen-VL）建立遥感影像、LiDAR点云与文本数据的语义关联，支持“冰川”“海水”等地物标签的自动语义标注，提升自然语言查询地理数据的准确性和丰富度。海量地理空间数据智能挖掘01多源异构数据智能融合技术AI技术支持卫星遥感、无人机航拍、地面传感器等多源异构数据的智能融合，消除数据矛盾与冲突，实现无缝集成，提升遥感解译的全面性和准确性。02AI驱动的数据清洗与标准化利用AI算法自动处理数据缺失、格式转换和坐标匹配，例如通过Python脚本工具实现100个Excel表格坐标系互转，误差率从5%降至0.1%，显著提升数据质量与一致性。03深度学习赋能地理要素提取借助深度学习模型如卷积神经网络（CNN），从高分辨率遥感影像和地理空间数据中自动提取建筑物轮廓、道路网络、植被覆盖等复杂地理要素的细粒度特征，实现对地理实体的精准识别与监测。04机器学习驱动空间模式识别利用监督分类算法如随机森林、支持向量机（SVM）对遥感影像进行土地利用类型自动分类，准确率可达90%以上；通过聚类分析挖掘城市商业热点区域，辅助资源配置与服务设施建设。自然资源智能化治理应用04耕地保护智能监测与监管智能识别耕地“非农化”“非粮化”行为AI技术能够自动识别耕地转为建设用地、林地等“非农化”行为，以及耕地种植非粮食作物等“非粮化”违规行为，实现对耕地用途的精准监管。构建“空天地”立体巡护网络整合卫星遥感、无人机航拍和地面传感器等多源数据，形成“空天地”一体化的立体巡护网络，实现对耕地资源的全方位、无死角监测。实现耕地资源的智能感知与动态监管通过AI算法对多源监测数据进行智能分析和处理，实时感知耕地数量、质量、生态等状况的动态变化，为耕地保护决策提供及时、准确的信息支持。生态环境分区智能管控

人类活动信息实时解析AI技术能够实时解析生态环境分区管控单元内的人类活动信息，精准追踪生态准入清单的执行效能，为生态环境保护提供动态数据支持。

分区管控落实情况智能考核通过构建智能化考核体系，AI可以对各生态环境分区的管控落实情况进行自动评估与考核，确保管控措施有效落地，提升生态管理的科学性和效率。

智慧问答系统辅助决策工作人员可借助生态环境分区智慧问答系统，快速获取分区管控相关信息，辅助决策制定，提高生态环境管理的响应速度和精准度。多源数据融合与动态评估综合卫星遥感、物联网传感器、社会经济等多源数据，AI技术实现土地利用现状合规性动态评估，为国土空间格局优化提供数据支撑，如某城市应用后公园绿地覆盖率提升12%。城市扩张与土地利用变化预测利用卷积神经网络（CNN）和循环神经网络（RNN）融合多源遥感数据，预测城市未来扩张趋势及土地利用类型转换，辅助规划者制定科学的城市发展策略。智能规划方案生成与优化AI算法根据人口分布、交通流量、环境承载力等因素，自动生成多种国土空间规划方案，并通过模拟推演评估各方案的可持续性，优化城市空间布局与资源配置。规划实施效能智能监测与反馈通过构建“监测—分析—决策—服务”智能闭环，实时追踪规划实施进度与效果，及时发现偏差并提供调整建议，提升国土空间规划管理的精细化水平和决策效率。国土空间规划智能辅助决策自然资源大模型应用实践耕地保护智能监测构建"空天地"立体巡护网络，AI模型智能识别耕地"非农化""非粮化"等违规行为，实现耕地资源的智能感知与动态监管。调查监测动态分析依托长时序卫星影像开展常态化智能分析，精准捕捉自然资源动态变化，强化要素供给支撑能力，提升调查监测效率。空间规划合规评估综合多源数据，动态评估土地利用现状合规性，赋能国土空间格局优化，为科学规划决策提供智能化支持。生态屏障智能管控实时解析生态环境分区管控单元人类活动信息，精准追踪生态准入清单执行效能，实现分区管控落实情况智能考核。防灾减灾主动防控通过AI识别模型圈定隐患靶区，结合专家认知规则库筛选疑似隐患点，推动灾害预警向"主动防控"转型，提升防灾减灾能力。社会服务快速响应利用遥感智能解译技术快速更新数据产品，支撑民生服务快速响应，满足社会对地理信息服务的多样化需求。灾害预警与应急管理应用05自然灾害风险智能评估模型多源异构数据融合技术整合卫星遥感、无人机航拍、地面传感器、历史灾害及地理环境数据，构建自然灾害风险评估的多模态数据底座，实现数据无缝集成与动态更新。深度学习风险预测算法基于卷积神经网络（CNN）和循环神经网络（RNN）融合多源数据，实现对地震、洪水、滑坡等灾害的风险等级预测，某滑坡监测项目中AI提前72小时预警，准确率高达95%。动态评估与可视化平台构建“监测—分析—决策—服务”智能闭环，结合WebGIS和AI算法实时更新灾害扩散动态信息，通过三维可视化技术直观展示风险分布，为应急决策提供精准支持。隐患靶区智能识别与筛选通过AI识别模型圈定灾害隐患靶区，结合专家认知规则库筛选疑似隐患点，推动灾害预警从被动响应向主动防控转型，提升防灾减灾的前瞻性和精准性。地质灾害隐患点智能识别基于深度学习的隐患靶区圈定利用AI识别模型对卫星遥感、无人机航拍等多源数据进行智能分析，可快速圈定滑坡、泥石流等地质灾害隐患靶区，为灾害预警提供精准目标区域。专家认知规则库辅助筛选结合地质、地形、气象等专家认知规则库，对AI模型初步识别的疑似隐患点进行二次筛选与验证，显著提高隐患识别的准确性与可靠性。推动灾害预警向主动防控转型通过AI技术实现地质灾害隐患点的智能识别与动态监测，改变传统被动响应模式，推动灾害预警向“主动防控”转型，提升防灾减灾能力。应用案例：滑坡监测精准预警在四川某滑坡监测项目中，AI技术提前72小时预警灾害风险，准确率高达95%，有效保障了人民生命财产安全。应急救援智能调度与路径优化多源数据融合的救援资源动态调配整合地理信息、人口分布、交通状况和气象数据等多源信息，AI智能体可快速评估救援需求，实现救援队伍、物资、装备的最优匹配与动态调度，提升应急响应效率。AI驱动的灾害风险评估与隐患靶区圈定通过AI识别模型分析遥感数据与地质模型，结合专家认知规则库，精准圈定灾害隐患靶区，提前预警风险，如四川某滑坡监测项目中AI提前72小时预警，准确率高达95%。实时交通与路况的动态路径规划基于机器学习算法分析历史交通流量数据、道路网络信息和实时路况，AI可预测交通拥堵状况，为救援车辆提供动态避障和最优路径规划，确保救援力量快速抵达灾区。数字孪生应急演练与指挥决策支持利用GIS构建的数字孪生城市或灾害场景，结合AI模拟灾害发展趋势，支持救援方案的预演与优化，为指挥人员提供直观的可视化决策支持，提高应急救援的科学性和精准性。变化检测与环境动态监测

AI驱动的景观变化自动识别AI算法通过比较不同时相的卫星图像，能够自动识别土地覆盖变化，如森林砍伐、城市增长或自然灾害影响等现象，实现对景观变化的高效监测。

实时监测与智能警报生成AI技术结合长时序卫星影像开展常态化智能分析，可精准捕捉自然资源动态变化，并实时生成警报，为自然资源管理和城市规划提供及时数据支持。

生态环境分区管控与人类活动解析AI能够实时解析生态环境分区管控单元内的人类活动信息，精准追踪生态准入清单执行效能，实现分区管控落实情况的智能考核，助力生态屏障保护。

灾害影响评估与主动防控转型通过AI识别模型圈定隐患靶区，结合专家认知规则库筛选疑似隐患点，可有效监测自然灾害影响，推动灾害预警从被动响应向“主动防控”转型，如某滑坡监测项目中AI提前72小时预警，准确率高达95%。行业创新应用案例分析06智能交通规划与管理AI分析交通流量、人口分布数据，辅助生成科学用地规划建议，某城市应用后公园绿地覆盖率提升12%，交通拥堵指数下降25%。结合GIS实现动态路径规划与信号配时优化，提升城市交通运行效率。城市规划与空间优化利用机器学习算法进行土地利用自动分类与城市扩张预测，结合GIS空间分析功能，模拟不同规划方案实施效果，评估城市发展可持续性，优化城市空间布局与资源配置。环境监测与治理AI实时分析多源遥感数据及地面传感器信息，通过GIS可视化呈现空气质量、水质、噪声等环境要素动态变化，及时发现污染问题，为环境治理决策提供科学依据，推动城市绿色发展。城市安全与应急响应AI结合GIS构建城市安全风险评估模型，对火灾、地震等灾害进行风险预警。灾害发生时，快速整合地理信息、人口分布、救援资源等数据，制定应急救援方案，优化资源调度，提高应急响应效率。智慧城市建设中的AI+GIS应用智能交通与自动驾驶高精地图

高精地图动态更新与协同感知自动驾驶正推动高精地图从“静态导航”向“动态协同感知”演进，路侧单元（RSU）采集的动态数据与高精地图实时融合，为车辆提供超视距感知与群体智能决策支持。

交通流量预测与智能信号配时AI技术对交通流量数据、道路网络信息和实时路况进行分析，预测交通拥堵状况及时空分布特征，为交通管理部门制定疏导方案和优化信号配时提供数据支持，提升城市交通运行效率。

自动驾驶地图服务与环境感知为自动驾驶汽车提供高精度地图数据，通过AI实现地图的实时更新和动态标注，结合车辆传感器数据，提供准确的位置信息和周边环境感知，保障自动驾驶的安全性和可靠性。农业现代化中的精准地理信息服务

AI驱动的农田信息智能采集利用机器学习算法分析卫星图像与无人机航拍数据，可自动检测作物类型、生长阶段及植被覆盖度，为精准农业提供数据支撑。

土壤与作物生长环境智能评估结合多源数据，AI技术能够综合评估土壤肥力、水分含量、气象条件等因素，动态生成作物生长适宜性分区，助力科学施肥与灌溉。

基于GIS的农业资源优化配置通过空间分析与智能决策模型，优化农业生产布局、农机调度及资源分配，提升农业生产效率，如实现精准种植与智能农机作业路径规划。

农业灾害智能预警与防控AI结合GIS技术，可实时监测病虫害发生趋势、自然灾害风险，提前发布预警信息，并辅助制定区域化防控策略，降低农业损失。AI赋能极地科学考察2026年4月，中国第42次南极科学考察同济测绘人圆满归来，AI技术在极地环境监测、冰盖变化分析等方面发挥重要作用，提升了科考数据处理效率与科学发现能力。月球化学版图的智能绘制2026年3月，科学家跨校联合攻关，融合AI与测绘遥感技术研制新一代月球化学版图，实现了对月球表面元素分布的高精度智能分析与制图。深空探测数据的智能处理与转化2026年4月，美国行星科学研究所邹小端高级研究员在同济大学讲座中介绍，AI技术在小行星深空探测任务中用于数据处理与科学转化，构建小行星"数字画像"，助力深空探测研究。极地科考与深空探测中的AI应用技术挑战与应对策略07数据质量与安全隐私保护

数据质量对AI分析的影响AI在GIS中的应用依赖大量高质量空间数据，数据的准确性、完整性和一致性直接影响AI模型的训练和应用效果。地理空间数据来源广泛，易存在数据缺失、错误、更新不及时等问题，需通过AI算法辅助清洗与标准化。

地理空间数据的安全挑战地理空间数据包含大量敏感信息，如军事设施位置、人口分布等，数据安全和隐私保护至关重要。在AI处理和分析数据过程中，需防止数据泄露和滥用，确保符合相关法律法规要求。

数据安全与隐私保护措施采取有效的加密、访问控制和数据脱敏等措施，如部署AI合规模块实现敏感数据自动脱敏，降低安全风险。同时，构建安全合规的数据管理体系，保障地理信息数据在采集、传输、存储和使用全流程的安全。稀疏Transformer模型与可解释电路科学家通过稀疏Transformer模型和可解释电路追踪AI决策路径，将“黑盒”转化为可分析系统，为地理空间分析结果的解读提供技术支持。结构化语言模型降低幻觉率在金融、医疗等领域，结构化语言模型通过构建推理图，将幻觉率从30%降至15%，大幅提升了AI在地理信息决策支持中的可靠性。AI决策路径可视化工具开发开发针对地理空间分析的AI决策路径可视化工具，帮助用户直观理解AI模型如何利用多源地理数据得出结论，增强对分析结果的信任度。AI模型可解释性与可靠性提升跨学科人才培养与知识体系构建

复合型知识结构的核心要素AI与地理信息科学的融合要求人才具备地理空间科学（如大地测量、地图制图）与人工智能技术（如机器学习、深度学习）的双重知识背景，同时掌握数据处理、算法应用和领域业务逻辑。

跨学科人才培养的现实挑战当前面临地理领域专家对AI技术陌生、AI人才低估地理数据复杂性的困境，高校在相关专业设置和人才培养方面存在不足，难以满足行业对既懂地理又通AI的跨学科人才需求。

知识体系构建的关键路径一方面，地理学家需学习将机器学习方法应用于空间数据；另一方面，AI工程师应探索将空间数据融入机器学习工作流程。同时，需构建包含空间大数据分析、地理AI算法原理、行业应用案例的完整知识体系。

产学研协同育人机制通过高校、研究机构与企业合作，如同济大学测绘与地理信息学院与行业单位联合攻关项目，开展实践教学和科研训练，培养学生解决实际问题的能力，推动理论与应用结合。国产技术自主创新与生态建设

国产AI大模型本地化部署与应用国内机构已完成如DeepSeek等国产人工智能大模型的本地化部署，实现与应用场景的无缝对接和深度融合，通过API接口对业务数据进行实时解析，提供智能问答、统计、预审、推荐等服务能力。

自然资源深度学习遥感智能解译平台自主研发的该平台构建了自然资源遥感智能生产技术体系，大幅缩短遥感影像解译周期，提高解译精准度，减少人工工作量，使生产效率提升约30%，已应用于国家级、省级重大工程并推广至全国多家行业单位。

全栈国产化GIS技术底座构建面对信创替代刚性节点，GIS领域正从芯片、操作系统到核心GIS平台构建全栈自主可控解决方案，如SuperMapAIF、MapGIS10.7等地理空间AI技术底座，支持三维建模、智能解译等功能，为数字中国建设提供时空基底。

产学研协同创新与知识服务体系通过构建基于国产大模型语义理解的专家知识库构建方