opengeos/geoai

# GeoAI：用于地理空间数据的人工智能 [](https://pypi.python.org/pypi/geoai-py) [](https://pepy.tech/project/geoai-py) [](https://anaconda.org/conda-forge/geoai) [](https://anaconda.org/conda-forge/geoai) [](https://github.com/conda-forge/geoai-py-feedstock) [](https://opensource.org/licenses/MIT) [](https://www.youtube.com/playlist?list=PLAxJ4-o7ZoPcvENqwaPa_QwbbkZ5sctZE) [](https://opengeoai.org/qgis_plugin) [](https://doi.org/10.21105/joss.09605) [](https://github.com/opengeos/geoai/blob/master/docs/assets/logo.png) **一个强大的 Python 包，用于将人工智能与地理空间数据分析和可视化相结合** ## 📖 简介 [GeoAI](https://opengeoai.org) 是一个综合性的 Python 包，旨在将人工智能（AI）与地理空间数据分析连接起来，为研究人员和从业者提供直观的工具，以便将机器学习技术应用于地理数据。该包提供了一个统一的框架，利用最先进的深度学习模型处理卫星图像、航空照片和矢量数据。GeoAI 集成了流行的 AI 框架，包括 [PyTorch](https://pytorch.org)、[Transformers](https://github.com/huggingface/transformers)、[PyTorch Segmentation Models](https://github.com/qubvel-org/segmentation_models.pytorch)，以及像 [torchange](https://github.com/Z-Zheng/pytorch-change-models) 这样的专用地理空间库，使用户能够以最少的代码执行复杂的地理空间分析。 该包提供六项核心功能： 1. 以交互式和编程方式搜索并下载遥感图像和地理空间数据。 2. 自动化的数据集准备，包含图像切片和标签生成。 3. 用于分类、检测和分割等任务的模型训练。 4. 将模型应用于新地理空间数据集的推理 pipeline。 5. 通过集成 [Leafmap](https://github.com/opengeos/leafmap/) 和 [MapLibre](https://github.com/eoda-dev/py-maplibregl) 实现交互式可视化。 6. 通过专用的 GeoAI 插件与 QGIS 无缝集成，使用户能够直接在 QGIS 桌面环境中运行由 AI 驱动的地理空间工作流，无需编写代码。 GeoAI 通过提供抽象了复杂机器学习工作流的高级 API，同时保持高级用户的灵活性，满足了地理空间研究中对易于访问的 AI 工具日益增长的需求。该包支持多种数据格式（GeoTIFF、JPEG2000、GeoJSON、Shapefile、GeoPackage），并包含在可用时用于 GPU 加速的自动设备管理。凭借超过 10 个模块和丰富的 notebook 示例，GeoAI 既是地理空间 AI 社区的研究工具，也是教育资源。 ## 📚 书籍 有关 GeoAI 的综合书籍可在 [https://book.opengeoai.org](https://book.opengeoai.org) 获取。  ## 📝 需求陈述 将人工智能与地理空间数据分析相结合在众多科学学科中变得越来越关键，从环境监测和城市规划到灾难响应和气候研究。然而，将 AI 技术应用于地理空间数据提出了独特的挑战，包括数据预处理的复杂性、专门的模型架构，以及在机器学习和地理信息系统两方面对领域特定知识的需求。 现有的解决方案通常要求研究人员在碎片化的工具生态系统中摸索，将通用机器学习库与专门的地理空间包结合使用，导致学习曲线陡峭且面临可重复性挑战。虽然像 [TorchGeo](https://github.com/torchgeo/torchgeo)、[TerraTorch](https://github.com/terrastackai/terratorch) 和 [SRAI](https://github.com/kraina-ai/srai) 这样的包为地理空间深度学习提供了出色的基础工具，但对于能够为更广泛的地理空间社区普及高级 AI 技术的综合性高级接口而言，仍然存在空白。 GeoAI 通过提供一个统一、用户友好的接口来满足这一需求，该接口抽象了将多个 AI 框架与地理空间数据处理工作流相结合的复杂性。它降低了以下人群的门槛：（1）需要可访问的 AI 工作流但缺乏深厚 ML 专业知识的地理空间研究人员；（2）希望获得简化的地理空间预处理和特定领域数据集的 AI 从业者；（3）寻求可重现示例和即用型教学工作流的教育工作者。 该包的设计理念强调简单性而不牺牲功能性，使用户能够仅用几行代码执行复杂的分析，例如从卫星图像中提取建筑足迹、土地覆盖分类和变化检测。通过集成最前沿的 AI 模型并无缝访问主要地理空间数据源，GeoAI 显著降低了地理空间 AI 应用的准入门槛，同时保持了高级研究应用所需的灵活性。 ## 引用 如果您在研究中发现 GeoAI 很有用，请考虑引用以下论文以支持我的工作。感谢您的支持。 - Wu, Q., (2026). GeoAI: A Python package for integrating artificial intelligence with geospatial data analysis and visualization. _Journal of Open Source Software_, 11(118), 9605, . - Wu, Q. (2026). *GeoAI with Python: A Practical Guide to Open-Source Geospatial AI*. Independently published. PDF edition ISBN 979-8993859729; Print edition ISBN 979-8253507414. Available at [https://book.opengeoai.org](https://book.opengeoai.org). ## 🚀 主要特性 ### 📊 高级地理空间数据可视化 - 对存储在本地或云存储中的矢量和栅格数据进行交互式多层可视化 - 可自定义的样式和符号系统 - 时间序列数据可视化功能 ### 🛠️ 数据准备与处理 - 简化访问来自 Sentinel、Landsat、NAIP 等提供商和其他开放数据集的卫星和航空图像 - 用于下载、镶嵌和预处理遥感数据的工具 - 自动生成包含图像切片和相应标签的训练数据集 - 针对 AI 工作流优化的矢量到栅格和栅格到矢量转换工具 - 特定于地理空间数据的数据增强技术 - 支持集成 Overture Maps 数据和其他开放数据集，用于训练和验证 ### 🖼️ 图像分割 - 集成 [PyTorch Segmentation Models](https://github.com/qubvel-org/segmentation_models.pytorch) 用于自动特征提取 - 专门针对卫星和航空图像优化的分割算法 - 用于分割建筑物、水体、湿地、太阳能板等的简化工作流 - 导出为标准地理空间格式（GeoJSON、Shapefile、GeoPackage、GeoParquet）的功能 ### 🔍 图像分类 - 用于土地覆盖和土地利用分类的预训练模型 - 使用您自己的数据微调模型的迁移学习工具 - 用于变化检测的多时相分类支持 - 精度评估和验证工具 ### 🛰️ 遥感基础模型 - 通过 `geoai.list_foundation_models()` 提供 20 个精选的遥感基础模型目录 - 按类别（视觉、视觉语言、生成式）、模态（多光谱、SAR、高光谱、多模态）或下游任务进行过滤 - 使用 `geoai.get_foundation_model_info()` 检索完整的元数据（论文、代码、HuggingFace ID、许可证） - 使用 `geoai.load_foundation_model()` 直接加载 TerraTorch 支持的模型骨干 - 选自 [Awesome 遥感基础模型](https://github.com/Jack-bo1220/Awesome-Remote-Sensing-Foundation-Models) 列表 ### 🌍 其他功能 - 结合 AI 增强特征提取的变化检测 - 航空和卫星图像中的物体检测 - 用于 AI 模型输出的地理配准工具 ## 📦 安装 ### 使用 pip ``` pip install geoai-py ``` ### 使用 conda ``` conda install -c conda-forge geoai ``` ### 使用 mamba ``` mamba install -c conda-forge geoai ``` ## ⚙️ QGIS 插件 如果您有兴趣在 QGIS 中使用 GeoAI，请查看 [QGIS 插件](https://opengeoai.org/qgis_plugin/) 页面。 [](https://youtu.be/8-OhlqeoyiY) ## 📋 文档 可在 [https://opengeoai.org](https://opengeoai.org) 获取全面的文档，包括： - 详细的 API 参考 - 教程和示例 notebook - 贡献指南 ## 📺 视频教程 ### 轻松掌握 GeoAI：逐步学习 Python 包（适合初学者） [](https://youtu.be/VIl29Rca6zE&list=PLAxJ4-o7ZoPcvENqwaPa_QwbbkZ5sctZE) ### GeoAI 研讨会：用 Python 释放 GeoAI 的力量 [](https://youtu.be/jdK-cleFUkc&list=PLAxJ4-o7ZoPcvENqwaPa_QwbbkZ5sctZE) ### GeoAI 教程播放列表 [](https://www.youtube.com/playlist?list=PLAxJ4-o7ZoPcvENqwaPa_QwbbkZ5sctZE) ## 📄 许可证 GeoAI 是免费的开源软件，根据 MIT 许可证授权。 ## 致谢 我们衷心感谢以下组织的支持： - [NASA](https://www.nasa.gov)：本研究部分由美国国家航空航天局（NASA）通过 [开源工具、框架和库计划](https://bit.ly/3RVBRcQ) 下授予的第 80NSSC22K1742 号拨款提供支持。 - [AmericaView](https://americaview.org)：这项工作还部分得到了美国地质调查局通过第 G23AP00683 (GY23-GY27) 号拨款/合作协议的资助，该项目与美国 View 合作开展。

标签：Python, 人工智能, 凭据扫描, 地理信息系统, 无后门, 深度学习, 用户模式Hook绕过, 空间数据分析, 系统调用监控, 计算机视觉, 逆向工具, 遥感图像