AI视觉赛道持续火热：城乡规划方向零基础入门全攻略
AI技术正广泛渗透到各行各业，各个研究方向与实际应用场景发展极为迅速。然而对于初学者或打算转行的人来说，往往会面临不知从何开始的困惑。我们将AI领域划分为视觉、时序、AI+三大方向，整理出不同场景对应的系统学习路径，适合不同基础的读者，帮助大家高效入门。本期继续分享AI视觉方向的学习路径——城乡规划AI！城乡规划AI是人工智能与遥感技术、地理信息系统（GIS）、城市规划学科深度融合的新兴方向，通过解析遥感影像、街景图像、交通流数据等多种空间数据，挖掘城市发展演变的规律与空间特征，辅助规划人员完成城市变化检
GeoAI项目先诊断影像：模型不是万能解药
不少GeoAI项目遇到效果不佳时，团队的第一反应往往是替换更大的模型、尝试更新的算法，或是直接交由地理空间基础模型重新训练。但在遥感影像相关任务中，还有一个更基础的问题必须优先厘清：影像本身是否已经将目标清晰记录下来？Esri于2026年7月24日发布的技术文章《Spatial Resolution Matters: Choosing the Right Imagery for Geospatial AI Models》指出了一个极为朴素却常被忽视的道理：无论算法多么先进，AI所能识别的细节终究受限于传感
空间智能：地理人工智能的技术架构与发展趋势
GeoAI（Geospatial Artificial Intelligence，地理人工智能）是地理信息科学（GIScience）与人工智能（AI）深度融合的交叉学科领域。它旨在运用机器学习、深度学习、大语言模型等AI技术，实现地理空间数据的智能感知、认知、推理与决策。相较于传统GIS依赖规则驱动、人工交互的分析模式，GeoAI的核心特征体现在数据驱动与智能决策。它能够从海量的地理空间数据中自动挖掘空间模式、发现时空规律、预测未来趋势，完成从"感知现状"向"预测未来"、从