USDA-GeoProdStudio V3.5.0 用户操作手册

版本： 3.5.0　　发布日期： 2026.10.08

本手册面向 USDA-GeoProdStudio V3.5.0 用户，按功能说明数据准备、参数配置、操作顺序、结果检查和成果交付。帮助用户区分数值计算、模型解释与待验证结论。

阅读指南与功能入口

本手册面向使用 USDA GeoProdStudio 3.5.0 开展遥感数据生产、空间结构关系分析和数据管理的用户。按当前源码、方法注册表及内置专题文档编写，发布日期标识为 2026.10.08。软件不限定城市、土地覆盖编码或生态响应类型。

需要完成的任务 进入的位置 阅读要点
浏览空间数据或标注样本 地图工具 数据加载、WhiteboxTools、SegSampling
生产土地覆盖与遥感指标 数据生产 LC、LST、ETa、转换与异常值处理
索引和查找本地文件 数据检索 数据库、按数据类型检索
比较空间结构与响应关系 空间结构关系分析 数据与对齐、两种尺度轴
分析控制后关系和多个目标 空间结构关系分析 → 2.控制变量/多目标分析 变量角色、目标方向、空间验证和结果链
学习条件依赖和查询概率 空间结构关系分析 → 3.贝叶斯网络分析 统计单元样本、离散化、网络与推断
询问功能或开展本地分析 右下角 GeoAI 或结果页 AI 对话 项目知识对话与 Harness Agent
配置服务与核查版本 主页 关于、AI API、更新、许可授权

如何使用本手册

首次使用先阅读“首次启动与项目准备”和“通用数据检查”；已有数据可直接进入对应模块。各功能页均给出入口、操作顺序和结果检查。按钮名称以界面文字为准；前置依赖、授权和输入条件决定按钮是否可用。

参数表中的初始值用于认识界面，不能替代研究设计。程序可能恢复上次配置或根据数据自动调整参数，运行前应核对可见值并保存结果中的配置资料。示例路径使用 D:/USDAProjects/demo，可自行替换。

OrthoPlan-AI 为开发中模块，本次版本暂未开放；数据检索的“参数库”未作为当前活动页发布。手册不将这些入口列为可操作功能。

首次启动与项目准备

从已部署的 USDA 启动入口打开程序。主窗口左侧切换模块，右侧显示工作页；右下角 GeoAI 打开项目助手。首次载入模块或大型目录可能需要等待。

操作顺序

  1. 进入“主页 → 关于”，确认版本为 3.5.0、发布日期为 2026.10.08，避免将旧程序的结果字段与本手册混用。

  2. 建立独立项目目录，例如 D:/USDAProjects/demo，并为 raw、prepared、samples、models、outputs、reports 分别建立子目录。原始文件保留只读副本。

  3. 在要使用的模块中填写“工作空间”并选择该项目目录。各模块可保留自己的工作空间，不应仅凭一个页面路径判断其他页面已同步。

  4. 如进入空间结构关系分析出现授权提示，进入“主页 → 许可授权”，用“导入 / 激活许可”载入有效许可，点击“刷新状态”核验功能范围与有效期。

  5. 需要 AI 时再配置“主页 → AI API”。本地数值计算与 AI 服务是不同功能，未绑定 API 不代表全部本地工具不能使用。

  6. 先用一小块研究区或少量尺度试跑，检查输入、日志和输出后，再扩大范围。长时间任务避免同时开启多个高内存计算。

位置或资料 用途 操作建议
工作空间 模块输入组织和默认输出位置 每次切换项目核对路径
数据根目录 保存一次分析的 manifest 与阶段文件 结果分析必须指向具体批次
结果输出目录 模型、栅格、表与报告落盘 准备足够可用磁盘空间
API 配置 当前用户的服务与模型设置 不随项目报告公开 API Key
许可授权 控制受许可功能的访问 “清除本机许可”只在确需解绑时使用

成功标志

模块能够正常打开，工作空间可写，源文件可读取；授权状态与功能入口一致。启动成功并不表示数据已准备好，也不表示 Harness 已开始运行任务。

通用数据检查与目录约定

所有分析都应先确认数据的空间位置、物理含义和有效值规则。投影相同只是可比分析的一个条件。

检查项 应核对的内容 错误的常见后果
坐标系统 EPSG、投影单位、研究区所在投影带 距离和面积错误或图层错位
空间网格 分辨率、原点、范围、行列数及对齐位置 同名位置对应不同地物
时相 采集日期、年度、季节及统计时段 将时差误写为空间关系
波段和单位 类别、温度、浓度、生产力及缩放因子 物理量被重复换算或混合
NoData 文件元数据、掩膜、NaN 与有效零值 把有效类别删掉或填补不存在的类别
类别字典 实际编码、中文名称、颜色与用途 把某个 class 编号固定解释为特定地类
有效覆盖 样方中各源的覆盖比例与共同有效样本 边缘缺失被解释为生态特征
数值分布 范围、常数、重复列、极端值 虚高拟合或无效统计检验

推荐组织方式

raw 保存原始影像及元数据；prepared 保存裁切、投影和特征栅格；samples 保存标注及独立验证资料；models 保存模型、编码器、标准化器和特征顺序；outputs 保存每次计算批次；reports 保存核查记录与报告。不要将不同批次的阶段文件手工混在一个目录。

分类数据必须单独核对

USDA 不规定 class_0 必须是裸地。某数据的 0 可以是有效地类，也可能是 NoData，应依据输入元数据和类别映射确认。没有出现某类别与源数据缺失是不同情况：有效样方的该类面积占比可为 0，缺失或未定义的指标应保留相应质量状态。

  • 把至少两种源数据叠加检查边界、道路或明显地物。

  • 保存数据说明和类别字典，与分析成果一同归档。

  • 米制尺度分析使用适当投影；不要把经纬度的“度”作为米。

地图工具与数据加载

入口为“地图工具”。地图用于检查空间位置、预览属性与展示成果；显示拉伸和着色不会修改原始数值。

加载与图层管理

  1. 打开数据加载面板，选择 Raster、Vector、GeoJSON、Shapefile 或 CSV 等适用类型，浏览文件后点击“加载数据”。

  2. 在图层列表中勾选可见性。右键图层可“缩放至图层”、设为当前图层或移除；处理样式和地图交互前先核对当前图层。

  3. 矢量可打开“属性表”检查字段与数值。栅格选择波段、灰度或伪彩色、色带、不透明度及拉伸范围，再应用或预览样式。

  4. CSV 点数据需具有 lon、lat 列并正确表达 WGS84 经度和纬度；不要直接把投影坐标放入这两列。

  5. 需要替换项目显示时，可使用“清除图层”。移除或清除地图图层不等于删除磁盘源文件。

显示选项 作用 核查方式
波段 选择当前显示的栅格层 对照 band description 和 schema
灰度或伪彩色 连续值的目视表达 分类编码优先使用明确分类图例
自动拉伸及分位范围 提高显示对比度 数值比较仍使用原始统计量
NoData 显示设置 隐藏或标示无效像元 不要用显示规则替代源文件掩膜
不透明度 用于多图层叠合检查 边缘和控制点应能同时辨认

结果检查

确认图层位于正确城市或研究区，栅格波段含义清楚，类别颜色与字典一致。未定义 CRS 的矢量可能被按 WGS84 处理，应先确认或修正源 CRS。超过 100000 行的 CSV 可能只抽样显示 50000 行，地图点数不能作为完整数据量。

网络底图不可用时，仍可核查本地数据；不要因底图空白就认定本地栅格为空。多波段分析结果需逐波段查看，常数或全 NoData 层应回查计算来源。

WhiteboxTools 空间工具

入口为“地图工具”的 WhiteboxTools 面板。通过工具树或搜索选择算法，再在动态参数表中配置输入和输出。可运行范围取决于安装的工具版本及许可。

通用操作

  1. 在搜索框输入任务或算法名，选择工具并阅读 Description，确认其输入要求和输出类型。

  2. 填写 ExistingFile、NewFile、数值、开关或枚举参数。多文件列表按面板要求输入，通常使用分号分隔。输出选新路径，避免覆盖尚未核查的源数据。

  3. 检查像元大小、投影、NoData、地形高程单位和算法特有选项；点击 Run 执行。

  4. 读取 Log 中的开始、进度、警告、结束与输出位置。Copy Log 用于保存运行记录，Clear Log 只清空显示日志。

  5. 运行后通过数据加载面板重新加载成果；输出文件不一定自动加入地图。

示例任务 操作关系 必须确认的事项
填洼与地形预处理 DEM → 填洼结果 → 后续水文工具 人工洼地与真实低地是否应保留
D8 流向与汇流 选择 D8Pointer 与 D8FlowAccumulation 等工具 输入是 DEM 还是指针；流向编码及输出单位
地形坡度或相关指标 选择适用地形工具并指定 DEM 平面与高程单位一致；需要时使用 z 因子
矢量与栅格处理 先阅读工具说明再配字段或分辨率 输出 CRS、网格与属性是否满足后续分析

结果检查

确认输出存在且可打开，范围与源数据一致或符合裁切设计，有效像元不异常减少。汇流量的像元数、面积或其他单位不可混用。灰色或许可受限工具应按提示处理，不将工具清单视为所有算法已可用。

首次使用复杂工具时，用小区域核验参数；将工具名、参数和日志与成果一同保存。

分割采样的输入与特征配置

入口为“地图工具 → SegSampling”。该工作流依次使用 A.输入、B.特征、C.分割、D.区划、E.采样。分割用于构建对象，采样用于给对象赋予人工类别。

A 页准备影像

  1. 选择工作空间与多波段 GeoTIFF，检查范围、波段数和 NoData。可加载语义名到波段号的映射 JSON，波段号为从 1 开始的序号。

  2. 分别指定 R、G、B 或灰度预览波段；可填写逗号分隔的波段权重。确认预览能辨认目标地物。

  3. 检查 Red、Green、Blue、NIR、SWIR1 等语义映射。映射不正确会使指数失真，即使预览看起来正常。

B 页构建特征

  1. 勾选所需原始波段与 NDVI、NDBI、MNDWI、SAVI、EVI 等可用指数，依据待分割地物选择。

  2. 按需要设置 Z-Score、直方图增强或 CLAHE，再配置 PCA 分量数量；关注处理顺序和指数所需波段是否齐全。

  3. 选择三个特征通道进行 RGB 预览，检查水体、植被、裸地与建设区是否可区分，再进入 C 页。

设置 作用 使用注意
RGB 预览拉伸 使影像更易辨识 只影响显示，不证明算法输入已归一化
指数特征 增加地物可分性 核查反射率和波段语义
标准化与增强 调整通道量级和对比度 不同处理会改变分割结果
PCA 压缩相关通道 分量数量以保留信息和计算负担权衡

  • 预览无大面积无效覆盖或明显错位。

  • 所选指数均具有所需波段；输入源及特征配置已记录。

影像分割与对象输出

在 SegSampling 的 C.分割页，将特征栈分割为带 seg_id 的面对象。动态参数随算法变化，不能套用另一算法的参数名称。

操作顺序

  1. 选择算法，查看当前算法的动态参数表与依赖提示。当前目录包含 SLIC 系列、Felzenszwalb、Quickshift、Watershed、MeanShift 等；实际可用项以运行环境为准。

  2. 设置分割粒度和空间紧凑性参数，指定导出路径。首次试验使用小区域，保持 A/B 页配置一致以比较参数。

  3. 点击“开始分割”，查看进度与日志。需要中止时使用“取消”，等待任务清理后再重跑。

  4. 在地图上检查对象边界是否沿着地物变化，是否存在严重欠分割、碎片或跨地物的长条面。

  5. 导出分割 GeoJSON，或导入既有分割继续工作。导入对象应保留 seg_id 与有效几何。

算法类别 关键参数的方向 应检查的现象
SLIC 或 SLIC0 数量/区域尺度控制粒度；compactness 控制空间紧凑性 小对象能否保留，是否过度方块化
OpenCV SLIC 或 SLICO region_size 与 ruler 控制粒度和规整性 依赖是否可用，输入通道是否匹配
Felzenszwalb scale、sigma、min_size 控制合并与平滑 细碎纹理是否被误当独立地物
Quickshift kernel_size、max_dist、ratio 控制邻域聚合 计算量与纹理敏感性
Watershed markers 与 compactness 控制种子及形状 是否产生大量细碎对象
MeanShift 空间和特征带宽控制聚合范围 是否过度合并或计算过慢

输出与用途

典型输出为工作空间中的 segments.geojson，含 seg_id。对象质量影响采样和面级统计；边界“好看”不等于分类正确。对照原始影像抽查小地物、混合边界和易混淆区域后，进入区划或采样。

对象区划与判别规则

入口为 SegSampling 的 D.区划，含 D1.区划和 D2.判别规则。先计算对象统计，再使用这些属性进行区划或规则分类。

D1 区划流程

  1. 选择分割 GeoJSON 与用于统计的特征源，勾选要计算的指数和统计量。基础、稳健、推荐按钮帮助组合统计项。

  2. 选择统计结果 GeoJSON 路径，点击“统计项配置计算”。检查输出属性是否具有预期的字段和有效数值。

  3. 将待参与区划的字段从可用列表添加到已选列表，选择区划方法及其动态参数。

  4. 指定区划结果路径后点击“区划计算”。在地图和属性表中检查新增分类或区划字段；对照输入对象保留的原属性。

D2 判别规则流程

D2 使用 Python 规则处理 B 页提供的特征数组，输出单波段 GeoTIFF，与 D1 的对象属性区划不同。查看可用变量名，编写 classify_rule 函数并返回同网格的单通道数组；指定结果路径，可“格式化”代码后点击“计算”，完成后“追加到地图”。规则值与类别含义需自行记录。

规则内容 示例含义 检查重点
指数区间 某指数处于指定范围 DN、反射率、归一化值不能混用
多个条件组合 满足植被与水分条件 明确全部满足还是任一满足
默认或未匹配类别 保存不能归入规则的对象 不要强制把未匹配对象解释为某地类
区划或规则结果 D1 保存对象属性；D2 保存规则栅格 结果只是当前规则的分类输出

输出检查

属性名、统计方式和单位应能追溯到特征源。规则阈值需要研究区样本支持；本模块不会自动把探索性分区转化为经过验证的土地覆盖产品。若使用代码规则，只运行已审阅的逻辑并保留脚本与参数。

人工采样与类别管理

在 SegSampling 的 E.采样页为分割对象赋类，输出可供土地覆盖训练使用的样本 GeoJSON。类别由项目数据定义，不由软件固定。

操作顺序

  1. 确认地图已经加载当前分割或选择需要采样的分割 GeoJSON；对象必须具有可识别的 seg_id。

  2. 在类别列表新增类别名并设置颜色。名称应明确、稳定；需要改名时同步检查后续标签映射。

  3. 在地图上左键查看对象，右键选择目标类别完成赋值。发现错误时重新赋类，或使用“取消采样”撤销该对象赋值。

  4. 分别选择典型和困难样本，覆盖不同地形、亮度、纹理与区域；避免仅标注最容易辨认的对象。

  5. 查看各类数量和空间分布，必要时补采稀有类别。手动导出样本 GeoJSON，并保留一个独立验证样本集。

  6. 需要继续时载入临时采样或已有样本；使用“清空”前核对保存状态。

文件或字段 含义 后续用途
segments.geojson 全部分割对象及 seg_id 采样底图或面级统计对象
samples_live.geojson 变更触发的临时自动保存 中断后继续标注
samples.geojson 或指定路径 手动导出的样本 过滤与训练数据生成
properties.name 样本类别名称 生成数据集时的类别字段
颜色资料 显示类别的色值 仅视觉表达，不能替代类别编码器

保存与质量检查

自动保存会在检测到采样变化后写入，不能只靠等待判断是否保存成功。退出前手动导出并检查文件修改时间、对象数量与类别字段。删除类别可能清理对应赋值，重要样本先备份。

训练集与独立验证集应在空间或对象上合理分离；从同一对象抽取大量相邻像元不等于获得大量独立样本。

数据检索与文件索引

入口为“数据检索”，当前包含“数据库”和“按数据类型检索”。两页用于组织、发现和预览文件，不将大型影像全部存入数据库。

数据库页

  1. 点击“设置数据根目录”，用“浏览”“添加”导入单个文件，或“导入文件夹”建立文件路径和元数据索引。

  2. 填写或核对名称、数据类型、关键词、来源、描述、CRS、范围、时间等属性。缺失元数据应明确补充。

  3. 点击“查询”查找记录，查看详情和预览，编辑后点击“保存修改”。“弹出/收回”可调整数据库工作窗口。

  4. “导出数据库”用于备份，“导入数据库”用于恢复，导入可能替换现有数据库。“删除”处理选中记录，“删除数据库”永久移除索引库；操作前备份。移动源文件后更新路径并重新检查记录。

按数据类型检索页

  1. 点击“选择路径”选择要清点的目录，等待后台生成目录清单，不反复切换目录。

  2. 选择类型或输入关键词并点击“搜索”，选择记录查看元数据、路径和可用预览。

  3. 使用 inventory.csv 等清单核对文件数、格式和大小；预览失败时先检查路径、格式和访问权限。

资料 用途 限制
数据库索引 正式描述与检索记录 文件内容更新后，描述不一定自动更新
目录清单 发现和统计文件 文件多不代表计算成功或科学正确
缩略预览 快速核查图像或表结构 不能代替完整数据统计
路径与来源字段 追溯源文件 移动或重命名后可能失效

完成检查

抽查不同类型记录，确认路径可打开、名称与数据一致、时间和 CRS 有依据。数据库页适合长期整理，目录扫描适合快速查找；两者均不能直接代替空间对齐或数值质量检查。

土地覆盖生产流程与数据准备

入口为“数据生产 → Landsat→土地覆盖（LC）”。按 [1]数据准备、[2]指数计算、[3]样本过滤、[4]生成数据集、模型训练和预测、结果融合的顺序使用。

准备输入

  1. 在 [1]数据准备中选择工作空间，添加 Landsat 数据包或已整理目录。确认传感器、产品级别与拍摄日期。

  2. 按需要指定研究区 GeoJSON 边界。检查其 CRS、范围与影像相交；未相交会形成空结果。

  3. 配置叠栈波段并执行“影像栈叠”。默认组合通常含 B2、B3、B4、B5、B6、B7 和 QA_PIXEL，实际取决于输入文件与配置。

  4. 如计算地形特征，选择 DEM 文件并“合并DEM并裁切”；查看输出 merged_dem.tif 或实际日志路径。

  5. 检查完成日志与叠栈输出列表，预览研究区影像；再进入指数计算。

输入 作用 进入下一步前的检查
Landsat 源波段及元数据 光谱与质量信息 波段与传感器对应，缩放含义明确
研究边界 控制分析范围 几何有效、投影正确、有交集
DEM 生成地形指标 位置、分辨率与高程单位正确
样本 GeoJSON 训练和验证类别 类字段、样本质量、独立性可靠

流程选择

已有特征和样本可直接从样本过滤或生成数据集开始；已有兼容模型可进入对应预测页。不同模型必须使用各自匹配的输入形式，不能把 ResNet 图像块数据直接当成树模型的二维特征表。

不要把影像叠栈成功理解为已经完成云质量筛选、标准化、模型训练或分类验证。

指数与多源特征计算

在 LC 的 [2]指数计算页生成光谱、地形、纹理、时序与空间统计特征，并合并为带空间定位的特征集合。

操作顺序

  1. 选择叠栈影像，核对波段映射、反射率单位和有效掩膜。根据任务勾选指数，指定输出路径后运行。

  2. 需要地形信息时加载对应 DEM，选择地形指数；地形单位与投影应适合距离、面积或坡度计算。

  3. 选择 GLCM、GLRLM 或 LBP 纹理时，设置灰度级、窗口和其他已开放参数，避免用过大窗口平滑掉小地物。

  4. 使用两两差分或时序统计时，按日期组织多期输入并保持同一网格；确认差分的前后顺序。

  5. 使用空间窗口统计时选择窗口及统计量，确认输出表达的是周边统计而非原始像元值。

  6. 进入合并索引，将所需特征集合按同一网格合并，检查字段名称、数组形状、transform 和 CRS。

特征组 解决的问题 关键检查
光谱指数 植被、水体、裸地或建设区差异 语义波段、缩放、分母零值
地形指数 坡度、地形位置等背景差异 DEM 有效范围与高程单位
纹理 局部排列与地表异质性 灰度量化、方向和窗口
两两差分 指定两期变化 日期顺序与可比预处理
时序统计 多期变化和稳定性 观测数量、云缺失与季节
空间统计 周边均值、分位或变化 窗口物理范围及边缘

输出检查

NPZ 中用于训练的特征应为二维数值数组，空间信息一并保留。合并成功不表示各特征彼此独立；后续训练可进行相关筛选。不要为增加数量无差别勾选所有指标。

样本过滤与质量复核

LC 的 [3]样本过滤页用于标记或剔除可疑样本。过滤依据和阈值应结合类别、影像质量与样本尺度，不能只追求训练精度提高。

操作顺序

  1. 载入样本 GeoJSON 与相应影像或特征 NPZ，选择类别字段及参加过滤的特征。

  2. 根据问题启用几何、光谱一致性、稳定性、类别样本数或高级异常检测等选项；先从少量规则开始。

  3. 设置输出路径后运行过滤，查看阶段计数、标记或剔除结果；使用地图或属性表抽查被处理对象。

  4. 对稀有或特殊类别单独复核，确认异常来自标签错误，而不是该类别真实的光谱和几何差异。

  5. 保存原始样本、过滤结果及阈值记录，再进入 [4]生成数据集。

过滤项 作用 配置注意
几何过滤 最小面积、紧凑度等 单位与投影一致，避免删掉真实小地物
光谱一致性 按特征与阈值发现偏离样本 all、any、mean 条件含义不同
MAD 或类别自适应 提高对类别差异的适应性 需足够类内样本；仍须人工检查
稳定性过滤 检查时序、差分或统计变化 异常变化可能是真实地物变化
类别数约束 发现不足的类别 mark、warn、drop 会产生不同结果
腐蚀与最小像元 减弱混合边界 小样本可能完全消失
高级异常检测 辅助发现复杂离群样本 检查污染率及 mark/drop 选择

结果检查

比较处理前后各类对象数、像元数和地理分布。保留仍有物理依据的特殊样本，并记录人工复核结论。界面初始阈值不适用于所有传感器或城市；过滤后没有样本，应逐项放宽规则并查验掩膜。

生成土地覆盖训练数据集

LC 的 [4]生成数据集页将标注面与特征数组关联，生成像元级、面级或两种数据。输出必须与训练及预测的特征口径一致。

操作顺序

  1. 选择样本 GeoJSON、特征 NPZ 和可选参考影像，确认类别字段，例如 name。检查 transform 与 CRS 能准确定位样本。

  2. 勾选像元级、面级或两者，选择训练特征白名单。面级数据还需选择 mean、std、iqr、count 等统计量。

  3. 设置负向缓冲、每面像元上限、抽样比例及每类上限；小面可能因内缩而变为空。

  4. 需要时启用影像或 NPZ 子特征的一致性过滤，设置保留比例。影像与特征数组必须同网格。

  5. 配置随机种子与空间块化选项，指定输出目录，点击“生成训练数据”；需要停止时点击“取消生成”。

  6. 记录输出的样本量、特征数、类别映射、分组与标准化文件，然后进入相应训练页。

关键选项 常见初始配置 含义
像元级数据 默认勾选 每行一个抽取像元，不等于独立空间样本
面级数据 按需勾选 每个样本面形成统计特征
标准化 可启用并保存 scaler 训练预测使用同一个转换器
每面像元上限 例如 500 限制大型样本面的贡献
每类全局上限 0 表示不限 用于类间采样均衡
空间块化 默认开放并可配置 保留 groups、fold_ids 等划分资料

输出检查

典型文件为 training_data_pixel_Xy.npz、training_data_polygon_Xy.npz，以及启用时的 scaler 和 label_encoder。检查 X、y、feature_names、classes 与位置字段。空间块记录的存在不证明训练实际采用了它，必须继续核对训练日志的划分方式。

随机森林训练与评估

入口为 LC 的“随机森林训练和预测 → 训练”。随机森林使用数值特征表训练土地覆盖分类模型，特征重要性用于认识模型的分类依据。

操作顺序

  1. 选择生成的训练 NPZ，核对数据类型、样本数、类别和特征名称。点击“从 npz 加载字段”，将所需字段加入已选列表。

  2. 使用“像元级推荐参数”或“矢量级推荐参数”作为试跑起点，再根据数据量、类别不平衡和目标调整参数。

  3. 配置空间划分和测试比例；检查每类在训练及验证中是否都有样本。保持独立验证资料，不以训练精度作为泛化证据。

  4. 填写模型、分类报告和划分资料的保存位置，点击“执行训练 + 评估 + 保存”。

  5. 阅读每类 Precision、Recall、F1 和总体指标，抽查混淆较多的类别；保存模型所用特征顺序、标准化与编码资料。

参数 当前初始值示例 作用
n_estimators 500 树数量；增加会提高计算量
max_depth 10 约束每棵树复杂度
min_samples_split / leaf 5 / 2 限制小样本分裂和叶节点
max_features sqrt 单次分裂的候选特征范围
class_weight balanced_subsample 适应类别数量差异
random_state / n_jobs 42 / 4 复现性与并行资源
测试比例 0.2 验证规模；以实际划分成功条件为准

结果检查

模型和报告应能打开，测试集不得与训练集混用，稀有类别的精度应结合样本数解释。重要性高不表示该变量对地类有因果影响。AI 参数建议应用后仍需重新执行训练，建议文本本身不是训练结果。

XGBoost 与 LightGBM 训练

入口为 LC 的对应“训练和预测”工作区。两者均使用提升树处理数值特征，但模型文件、依赖、训练参数和预测入口需分别匹配。

操作顺序

  1. 进入 XGBoost 或 LightGBM 的训练子页，加载兼容训练 NPZ，核对类别及字段。

  2. 配置特征子集、重要性筛选或相关阈值，控制冗余维度；保持验证集独立。

  3. 填写树数量、学习率、复杂度、行列采样和正则等可见参数，确认类别均衡设置、随机种子和并行数。

  4. 指定模型、报告及划分资料输出，执行训练；依赖不可用时按错误提示处理，不把其他模型结果沿用为当前算法。

  5. 使用相同验证条件比较随机森林、XGBoost 与 LightGBM；检查每类 F1 和空间误判，不只看总体准确率。

共同参数 当前初始值示例 调整方向
迭代或树数量 500 配合学习率，不以更大为更优
学习率 0.05 较低可能需要更多迭代
树深度 8 复杂度过高可能过拟合
subsample / colsample 0.9 / 0.9 控制行和特征采样
reg_lambda 1.0 增加正则约束
类别权重 balanced 按可见实现应对类不平衡
随机种子 / 并行数 42 / 4 复现与资源管理

结果检查

核对报告中的实际算法与参数。模型比较必须基于相同类别映射、数据划分和评价口径，不能比较来自不同训练样本的最佳分数。跨城市或跨年份应用前，应做相应外部验证。

训练特征名和顺序要随模型保存；后续预测缺字段、改变单位或使用不同标准化器，都会使地图含义失真。

树模型预测与分类制图

在随机森林、XGBoost 或 LightGBM 的预测子页，加载对应训练模型，将同口径特征转换为分类栅格或矢量分类结果。

操作顺序

  1. 加载对应模型、特征数据及所需编码器或标准化资料，确认与训练批次匹配。

  2. 选择“像元级（Raster）”或“矢量级（Polygon）”。面级预测应使用与训练相同的统计方式，不能简单用原始像元特征替代。

  3. 核对特征字段、顺序、单位、数组网格和 NoData；需要概率或阈值判别时检查类别对应关系。

  4. 配置输出路径与可见并行选项，执行预测；大图可降低并发以控制内存。

  5. 载入输出地图，叠加原始影像和独立验证样本，检查类别颜色、边缘空值、小地物和空间异常。

输出资料 用途 核查重点
分类 GeoTIFF 每像元的预测类别 编码与类别名对应，空间位置正确
概率资料 表达模型分类置信信息 波段顺序对应类别，概率不是实际发生频率保证
矢量分类结果 对象属性中的类别 几何和统计单位与训练一致
预测日志 保存特征与处理信息 缺失字段、数据量和异常处理记录

常见问题

大量空白：检查 NoData、特征掩膜和有效范围。类别整体偏移：检查标签编码器或类别映射。结果规则块状：检查对象统计、预测单位与图像块大小。处理成功不代表分类精度已通过独立验证。

对于新区域，不能仅凭置信度高就认为分类正确；保留该区域的验证样本和逐类误差资料。

ResNet50 深度模型

入口为 LC 的“ResNet50深度模型”。该页包含数据与样本、训练配置和预测配置，使用局部影像块学习地类信息。

操作顺序

  1. 指定多波段影像、样本及类别字段，选择输入通道并核对通道顺序。确定影像块采样方式和有效掩膜。

  2. 在训练配置中设置 patch 大小、epochs、batch、学习率、验证比例、空间分组、随机种子和早停耐心值。

  3. 检查设备条件。AMP、编译等选项以当前运行环境为准；显存不足时减小 batch，必要时使用梯度累积。

  4. 指定模型与训练输出，执行训练，检查损失和验证指标，而不是只看最后一轮训练准确率。

  5. 在预测配置中加载训练模型，保持通道和归一化口径一致，配置预测 patch 与 batch，按需保留所有类别概率。

  6. 检查分类栅格的边界、块状伪影与概率分布，并用独立资料验证。

配置 当前初始值示例 含义
训练 patch 大小 128 局部上下文范围，以像元为单位
epochs / batch 50 / 64 训练轮数与每批样本数
学习率 0.001 优化步长
验证比例 / 种子 0.2 / 42 划分与复现
早停耐心 10 验证改善停滞后的等待轮数
预测 patch / batch 128 / 128 保持与模型兼容，兼顾内存
保留全部概率 默认关闭 决定额外概率输出量

解释边界

图像块边长不是规划单元尺度。训练和预测使用的通道、标准化和类别字典必须相同；模型精度不能因网络名称或训练轮数多而直接判定优秀。

四模型结果融合与独立评估

入口为 LC 的“结果融合”。当前支持随机森林、XGBoost、LightGBM 与 ResNet50，至少选择两类兼容结果后融合。

操作顺序

  1. 选择各模型分类结果及实际可用的概率或指标资料；核对同一 CRS、网格、范围、类别编码和 NoData。

  2. 指定主模型或使用自动选择，再选择融合策略。按类选模时核对每个类别对应的模型及参考指标。

  3. 指定独立评估样本及类别字段。用于选择模型的样本不应再声称为完全独立的最终验证。

  4. 设置输出路径，执行融合与评估；查看 fused_multimodel.tif 或界面指定文件。

  5. 比较各模型与融合结果的逐类指标和空间变化，确认没有为改善某类别而明显损害其他类别。

当前融合策略 作用 适用检查
保留主模型为主 + 按类局部替换 以主模型为底，在选定类别采用其他模型 核查替换范围与类别冲突
按类最佳指标选模 依据类别指标分配模型 指标来源一致且验证样本充分
按类指标加权投票 使用按类权重及可用预测信息 权重、概率与类别顺序正确
简单多数投票 采用多个模型的一致意见 不能假定模型误差相互独立

结果检查

检查融合前后逐类 Precision、Recall、F1 和混淆情况，同时抽查不一致区域。界面的“推荐”标签只是操作建议，不表示在任何研究区一定提升精度。

当前策略为四模型融合，不应按旧版仅 RF 与 ResNet 的融合方案名称寻找按钮。输出需连同输入模型清单、类别字典、策略参数及评估资料归档。

Landsat 地表温度处理

入口为“数据生产 → 反演地表温度(LST)[Landsat]”。当前计算针对 Landsat 8/9 Level 2 Surface Temperature 产品 ST_B10，读取其官方温度编码，不是对任意热红外影像自动执行完整物理反演。

操作顺序

  1. 使用完整的 Landsat 8/9 L2SP 数据包，包含 ST_B10 和 QA_PIXEL。点击“选择文件夹”或“添加文件”组织任务列表。

  2. 当前文件选择器可见 .tar 与 .tar.gz，但计算器按 .tar 分支提取文件。为避免入口与处理不一致，使用完整未二次压缩的 .tar；不要仅改变扩展名。

  3. 选择输出目录，核对云掩膜、NDVI 相关选项与温度单位，点击“开始反演”。

  4. 查看 QA 源、有效像元和温度范围等日志；缺失 QA 时可能警告并跳过掩膜，不能据此认定云已去除。

  5. 在地图上载入输出并检查云边缘、极端值及 NoData。

处理内容 当前实现 需要注意
温度换算 K = DN × 0.00341802 + 149；°C = K − 273.15 输入为原始 ST_B10 编码，不能再次缩放已有物理温度
QA_PIXEL 掩膜 排除填充值、云、卷云、云影、雪等相应标志 以实际存在的质量文件为准
NDVI 发射率选项 提供相关检查，不重复修正官方 ST_B10 L2 温度已经包含产品处理
开尔文输出 实际为浮点 K 界面旧文字 K×10 不表示结果应除以 10
结果文件 单波段 float32 GeoTIFF，NoData = −9999 典型后缀 _LST_C.tif 或 _LST_K.tif

结果检查

检查 LST_QC_UNIT、QA 来源、有效比例和最小最大值。当前合理性过滤使用 230–360 K，可能影响极端场景；QC_STATUS=ok 表示流程完成，不等于经过独立温度精度验证。

SSEBop 实际蒸散发计算

入口为“数据生产 → 蒸散发 ETa (SSEBop)[Landsat]”。采用冷热端温度与参考蒸散量估算 ETa，结果依赖端元、ETo 与影像质量。

操作顺序

  1. 选择本地 Landsat L2 场景目录，核查 SR 波段、ST_B10、QA_PIXEL 和 MTL 文件齐全，日期及空间网格匹配。

  2. 配置冷端 NDVI 阈值、热端 NDVI 阈值、温度分位数和云掩膜；检查研究区是否存在足够端元像元。

  3. 设置 ETo 来源。手工输入应采用同日或相应时段的 mm/day 值；使用 GEE 或 GLDAS 辅助来源时核对认证、项目、网络及日志。

  4. 选择 mm/day 或 mm/8-day 单位，配置输出并运行；不要把默认 ETo 当作研究区观测值。

  5. 检查冷热端、ETf、ETo 与有效比例，再查看 ETa 地图的空间分布。

参数或量 常见初始值或定义 解释
冷端 / 热端 NDVI 0.5 / 0.2 用于端元候选，不适用时应调整
冷 / 热温度分位 5 / 95 端元温度选择
手工 ETo 5.0 mm/day 输入起点，必须有数据依据
ETf (Th − Ts) / (Th − Tc)，有效值限于 0–1 端元差过小或无效时不应生成可信估计
ETa ETf × ETo 估计实际蒸散发
8 日选项 日值乘以 8 不等于自动汇集八天影像

结果检查

输出为 float32 GeoTIFF，NoData 通常为 −9999。核对 ETA_QC_UNIT、TC_K、TH_K、ETO、有效比例和云掩膜比例。外部辅助失败后若使用回退值，应明确标记，不能称为成功获得观测资料。

结果用于研究比较前应使用当地资料验证；时相、ETo 或端元设置改变后，需要记录并重算。

NPZ 与 NetCDF 数据转换

入口为“数据生产 → 数据转换工具”。当前主要提供 NPZ→TIF 和 NC→GeoTIFF，转换格式不自动改变指标含义、日期或单位。

NPZ 转 GeoTIFF

  1. 选择包含二维特征或影像数组的 NPZ，查看可用键及数组形状。

  2. 确认 NPZ 自带 transform、CRS，或选择正确的空间参考影像；没有空间信息时不能凭数组外观赋予可靠位置。

  3. 选择要导出的数组、波段顺序、数据类型和输出路径，再执行转换。若使用整数缩放，保存缩放系数与恢复公式。

  4. 载入 GeoTIFF，核对行列数、范围、投影、NoData 与波段说明。

NetCDF 转 GeoTIFF

  1. 添加 NC 文件，查看共同可用变量并选择目标变量或切片；确认经纬度、维度和时间轴。

  2. 选择分文件或多波段输出及输出目录，配置压缩、分块和 BigTIFF 等可见选项后运行。

  3. 检查输出波段是否与变量和日期对应，不把多个文件的导出误认为已自动完成时间统计。

选项 作用 选择建议
DEFLATE / LZW / ZSTD / NONE 影响文件大小及读取兼容性 默认通常 DEFLATE，按下游软件兼容性选择
Tiled 与块尺寸 影响大图访问效率 选择合法块大小，兼顾文件体积与读取
BigTIFF 支持较大结果文件 预计普通 TIFF 超限时启用
数据类型与缩放 影响数值范围和精度 防止整数溢出或丢失小数

结果检查

格式转换成功仍需核对 transform、CRS、数组轴方向、数值和单位。参考影像是空间定位依据，不表示发生了科学有效的重投影或重采样。

空间数据异常值处理

入口为“数据生产 → 数据处理工具 → 异常值处理”。支持选择栅格波段或矢量数值字段，预览阈值并另存处理结果。

操作顺序

  1. 选择 .tif、.tiff、.shp、.geojson 或 .gpkg 等当前支持的数据，选择波段或数值字段。

  2. 查看数值分布和样本信息，选择 IQR、MAD、Z-score、分位数或业务范围等策略。

  3. 调整参数或分布图中的筛选区间，查看命中数量与比例；检查地图中的被标记对象或像元。

  4. “替换值”留空时将异常值置为空值或 NoData；填写时使用该数值替换。确认这种处理符合后续分析需要。

  5. 选择新输出路径，执行处理，再比较处理前后的统计分布和有效覆盖。

策略 判断依据 适用限制
IQR 四分位间距外的值 偏态、分组数据需单独核查
MAD 相对中位数的稳健偏离 MAD 为零时统计判断有限
Z-score 相对均值和标准差的偏离 对极端值和非正态分布敏感
分位数 上下尾部比例 会固定处理一定比例，未必都是错误
业务范围 已知物理上下界 界面初始 0–1 等值不是所有指标的有效范围

结果检查

比较处理前后最小值、最大值、均值、有效数量和空间分布。异常统计值可能是真实热点、稀有地类或极端天气，应结合原始数据判定。

有效 0、分类编码和 NoData 必须分开处理；不要用连续异常检测直接删除少见类别。保留源数据与参数，避免无法复核的覆盖写入。

数据与对齐预处理

入口为“空间结构关系分析 → 数据与对齐”。先统一研究边界和投影，再按需要生成建模数据集。

配置与预处理

  1. 选择工作空间，在结构数据源和响应数据源中“添加行”，浏览各源文件；多波段数据使用“添加 >”选择需要的波段。

  2. 逐源确认数据类型、字段、波段和格网聚合统计。类别数据不应按连续编号求平均。

  3. 选择研究边界，检查“按研究边界进行处理”和边界来源；填写统一投影，手工 EPSG 值优先于下拉选择。

  4. 分别配置结构与响应输出目录，点击“执行预处理”，查看日志和处理完成信息。

  5. 加载输出叠加检查位置、边界与有效范围。

生成建模数据集

  1. 指定建模数据集输出路径，按需启用“是否统一分辨率”，选择基准、最细、最粗、中位或自定义分辨率。

  2. 按需启用“是否统一空间网格”，配置网格边长和对齐栅格。在各源行内分别选择聚合统计。

  3. 点击“生成建模数据集”，检查源字段后缀、输出单元和缺失情况。

设置 控制的内容 不能替代的检查
统一投影 坐标转换 原始 CRS 是否正确
统一分辨率 重采样精度 源数据真实空间分辨能力
网格边长 输出聚合单元 后续尺度轴的科学设计
对齐栅格 网格原点与严格对位 单位、日期和指标语义

同一网格仍可能存在时相差异、空间自相关与聚合偏差。建模数据集的生成不替代后续尺度模块按实际支持域提取与验证。

尺度分析的公共配置与阶段

“1.结构/响应特征尺度轴”和“2.控制变量/多目标分析”均提供统计单元尺度与邻域作用尺度。先确认研究问题，再选择模式。

比较项 统计单元尺度 邻域作用尺度
尺度输入 样方边长，通常为米 奇数公共网格窗口，如 3×3、5×5
结构和控制 在当前样方内提取 在中心周边窗口中提取
响应 在当前样方内汇总 保持中心支持域与聚合口径
研究问题 聚合单元改变时关系如何变化 周围多大范围与中心响应相关
样本变化 样方变大，样本通常减少 边界、覆盖和窗口隔离影响可用样本

A 至 E 的证据链

阶段 保存的内容 完成后检查
A 及 A-0 公共网格、结构或控制特征 范围、来源、覆盖率、类别与单位
B 响应特征或固定中心响应 物理目标、展开特征、时相及有效值
C 同位置的统一样本与位置索引 共同样本数、缺失、常数与重复项
D 关系、多变量、控制后和空间输出 算法身份、质量状态、验证口径
E 尺度曲线诊断和报告 相同对象序列、候选平台、缺证据项

参数模式

“快速默认”适合流程试跑；自动优化结合数据与资源给出建议；专家自定义用于控制具体参数。点击“自动优化所选分步”或恢复默认后，需再次核对尺度、样本上限、特征与验证参数。自动设置不能证明统计最优。

分步运行可复用满足签名条件的前序成果。源数据、语义或算法协议变更时，缓存可能不能复用；不要手工移动文件来绕过校验。日志与 manifest 是实际执行依据。

单目标统计单元尺度操作

入口为“1.结构/响应特征尺度轴 → 统计单元尺度”。适合研究分类空间结构与一个响应源的各项特征在不同样方边长下的关系。

操作顺序

  1. 选择工作空间、结构源和响应源；刷新来源列表并勾选实际文件，核对波段、类型、单位和类别语义。

  2. 检查公共范围、基础分辨率与锚点。选择基础分辨率整数倍样方，或任意连续样方模式。

  3. 用手工、等距或倍数方式输入尺度序列。使用“按默认连续尺度生成”后核对候选列表，点击“保存连续样方”可导出样方几何供 GIS 检查。

  4. 选择空间结构特征、响应特征、关系方法与尺度方法。优先用可解释的少量组合试跑。

  5. 按顺序执行空间结构特征、响应特征、关系计算和尺度分析等分步；检查每步日志和阶段文件状态。

  6. 在右侧结果链选择或刷新本次结果目录，先检查固定尺度，再查看曲线、诊断与综合报告。

尺度设计

整数倍模式要求尺度与公共网格分辨率兼容；任意连续模式按明确米制边界提取，并在元数据记录实际读取与局部网格。不要根据向外取整的读取窗口替代真实支持域。

例子 含义 注意
公共网格 30 m，样方 150 m 公共网格对应 5×5 单元 单个样方 25 个公共单元不是模型总样本数
150、210、300、600 m 逐尺度建立独立样本表 随尺度检查有效样方数
保存样方 GeoJSON 可查看样方边界与栅格叠合 几何文件不表示 D/E 已计算

  • D 表含预期的特征—响应对象及方法记录。

  • 最粗尺度保留足够样本；没有把尺度端点最高分直接当作最优规划尺寸。

单目标邻域作用尺度操作

入口为“1.结构/响应特征尺度轴 → 邻域作用尺度”。固定中心响应，以不同周边结构窗口比较关联范围。

操作顺序

  1. 选择结构与响应源，确认公共支持域、锚点和公共网格单元大小。不要只使用源文件名中的分辨率。

  2. 输入正方形奇数窗口，如 3x3、5x5、7x7 或 3、5、7；窗口边长至少为 3。

  3. 检查界面提示的边界预留、有效中心数量和窗口的实际物理范围。

  4. 选择结构特征、关系和尺度方法；此模式以中心响应进入样本，部分统计单元专用步骤会隐藏或组合。

  5. 执行窗口特征及关系流程，再执行尺度诊断。查看结果目录中的中心位置、响应口径和每窗口样本数。

  6. 比较同一响应对象和同一方法的窗口序列；在 GIS 中检查有效中心的空间范围。

实际公共网格单元 窗口列表 对应近似物理边长
30 m 3、5、7、9、11、13 90、150、210、270、330、390 m
60 m 3、5、7、9、11、13 180、300、420、540、660、780 m

结果检查

窗口边长乘实际公共单元大小才是物理范围。不能把另一批次 60 m 网格的换算用于当前 30 m 网格。固定中心响应不应随着窗口放大而变成另一目标统计量。

相邻窗口高度重叠，验证应考虑训练和测试支持域隔离。窗口过大造成隔离后样本不足时，应缩小窗口或扩大研究范围；不能退回无隔离验证并继续称为可靠空间预测。

空间结构与响应特征选择

特征面板按类别组织多项指标。选择应围绕明确问题，避免将所有同源展开量都当成独立证据。当前可选项以目录、依赖和输入兼容性为准。

特征组 代表指标 选用时应核对
类别组成 类别占比、类别频数、Shannon 多样性 类别字典，比例分母及有效覆盖
斑块规模与破碎化 平均斑块面积、斑块密度、最大斑块、分裂与网格面积 面积单位、连通规则、有效地类
聚集与邻接 聚集度、蔓延度、IJI、同类邻接 类别数要求和邻接机会定义
边界与形态 边缘密度、形状指数、分形、核心区 计边政策、核心深度、尺度支持
距离与连通 最近邻、邻近度、连通度 搜索半径、距离阈值、米与像元换算
响应水平 均值、中位数、分位数等 物理单位、方向与有效像元
响应异质性 std、纹理、梯度、频率、半变异 不是额外独立生态服务，必须满足计算条件

参数核对

斑块 connectivity=1/2 分别表示四/八邻域，同批指标保持一致。核心区应核对 edge_depth、边界是否计入及距离约定；最近邻或连通距离按当前局部网格实际间距解释。

当前一部分标准景观指标使用 PyLandStats，schema 保存后端与单位。历史同名特征可能定义不同，应读本次 schema。分形或半变异等需要足够空间层级，小样方无足够支持时应标为未定义。

数据类型与缺失

连续主结构或控制源不应仅通过类别格局处理替代原始物理水平。比例类未出现的有效类别可为 0；单斑块下的最近邻、类别不足的 IJI 等可能未定义，不能用 0 或中位数伪造。

  • 每个入模字段可追溯到来源、特征、统计量和单位。

  • 不选择当前已停用的探索型 proxy 作为正式标准算法。

关系方法与验证口径

关系方法解决的问题不同。结果中的 score、相关系数、R²、重要性和诊断值，必须结合 metric_type、quality_status 及备注解释。

方法族 回答的问题 不能直接推出
Spearman 等相关 同位置的有方向关联 因果或实际生态改善
互信息与距离相关 一般非线性依赖 增减方向；不同方法分数统一排名
GeoDetector 解释变量分层与响应变异关系 连续阈值最优或因果作用
双变量 Moran 结构与邻近响应的空间关联 不依赖空间权重的普遍关系
Elastic Net 与 PLS 多变量联合预测和解释 高训练拟合等于可靠外推
VIF、相关筛选、Boruta 冗余与候选特征筛选 变量具有确定机制
Spatial Block CV 不同空间块上的预测能力 任意区域和时相均可推广
MGWR 与 Spatial Durbin 描述空间非平稳或滞后模式 样本内拟合可进入可靠优势尺度排名

操作检查

  1. 查看选中方法的参数与可选依赖状态；估算计算量，特别关注需要平方级距离矩阵的方法。

  2. 设置样本上限、特征筛选、空间分组和有效折要求。抽样、失败或跳过必须在记录中有实际状态。

  3. 运行后查看方法真实身份、实际参数、共同有效样本数、有效验证折和得分类型。

  4. 相关 P 值与 BH-FDR 属于当前保存的检验口径；未做空间置换时不能称为空间显著性已验证。

如何判断异常高分

接近 1 的 R² 需核对是否折外、目标变异是否充分、是否存在同源信息或空间泄漏。负 R² 表示未优于验证均值基准，不能取绝对值排名。不同模型对同一数据的一致高分也不能代替独立验证。

尺度曲线诊断与结果导出

单目标结果链提供固定尺度批处理、连续尺度曲线、尺度诊断、综合报告及空间导出。先核查 D 记录，再阅读 E 结论。

结果阅读顺序

  1. 在固定尺度页选择尺度，检查逐对关系与多变量结果中的对象、分数、方向、样本、质量及有效折。

  2. 在曲线页选择固定的特征—目标—方法—指标组合；比较尺度变化时不能逐点替换为各尺度的最高分目标。

  3. 在尺度诊断页查看峰值、平滑峰值、分离平台与转折候选。并列或平坦序列不应给出唯一最佳尺度。

  4. 阅读综合报告，检查每个结论可否对应实际 CSV 行；未计算的 Bootstrap 或一致性项目应明确无证据。

  5. 在结果导出页选择尺度、图层、目标 CRS、单元大小和输出路径，执行多波段 GeoTIFF 导出。

诊断或结果 解释 使用限制
峰值 当前可比序列的候选极值 端点峰值需要检查搜索范围
平台 接近峰值的连续区间 不是统计稳定性证明
转折 曲线变化的候选位置 不直接确定廊道或缓冲宽度
Bootstrap 区间 独立重采样支持的不确定性 没有相应重采样不能补写
AUC 指定指标在尺度轴上的积分 具有尺度单位，不能跨不同指标排序
GeoTIFF 可空间化字段的回图 波段需保存说明，NoData 通常 −9999

导出后检查

对照 schema 逐波段核对位置、含义、有效覆盖和数值分布；全 1 或全空层本身不提供结构差异信息。导出分辨率改变不会增加原始计算的空间信息，样方边长也不能直接换成工程设计尺寸。

控制变量与多目标统计单元分析

入口为“2.控制变量/多目标分析 → 统计单元尺度”。在同一样方支持域建立主结构 X、控制变量 C 和响应目标 Y。

操作顺序

  1. 设置工作空间，在多源选择中分别勾选主结构源、控制源和响应目标源。可浏览添加与移除手动来源。

  2. 逐源通过“语义/波段”等入口核对类型、类别名称、物理单位、波段和目标方向。不要把分类土地利用编号当连续背景均值。

  3. 配置公共网格、锚点、样方方式及尺度序列；必要时“保存连续样方”检查空间覆盖。

  4. 选择主结构与控制特征、响应特征、多目标协同/权衡方法及尺度方法。需要逐对关系时勾选相应相关方法。

  5. 依次运行 A/B 特征、C/D 关系与多变量计算、E 尺度分析等当前分步。核对每个来源均参与且字段有角色前缀。

  6. 打开本次结果目录，按批处理、曲线、尺度诊断、综合协同报告和空间导出的顺序检查。

角色 例子 配置意义
主结构 X 分类格局、结构面积或形态 研究重点，不自动等于所有蓝绿空间
控制 C 人口、地形、道路或背景环境 调整已纳入的背景，不等于消除全部混杂
响应 Y LST、ETa、生产力、浓度等 必须核对物理目标、单位及方向
展开特征 纹理、梯度、频率等 描述目标的其他性质，不增加独立服务数量

结果检查

stage_d_relations.csv 保存逐对关系，stage_d_control_target.csv 等保存控制后及多目标结果。只选多变量或多目标指数时，逐对表可能为空；应看所选方法与日志，不能仅据文件存在判断已完成全部关系计算。

控制变量与多目标邻域分析

入口为“2.控制变量/多目标分析 → 邻域作用尺度”。主结构及控制在周边窗口提取，响应固定在中心支持域。

操作顺序

  1. 选择主结构、控制和多个响应源，核对每源类型、单位、波段和方向。

  2. 确认公共支持域步长、范围和锚点；输入奇数正方形窗口，查看实际物理边长和可用中心样本。

  3. 选择中心响应聚合方式：均值、中位数、P75、最大值或中心像元等当前可见选项。整个窗口比较保持同一方式。

  4. 配置特征与方法，检查空间验证的窗口重叠隔离要求。大窗口可能使可用训练样本明显减少。

  5. 执行前置特征、关系与尺度流程；在固定窗口结果中核查模型样本、有效折、目标集合及覆盖。

  6. 需要稳健性分析时再配置锚点或窗口情景，执行支持域敏感性，而不是将一次结果重复汇总。

配置 影响 应保持可比的内容
中心支持域 响应代表的空间范围 所有窗口使用同一定义
中心聚合方式 响应水平或极端程度 不能把均值与最大值混为同一序列
结构与控制窗口 周边空间范围 实际公共单元大小及米制位置
边界和有效覆盖 中心样本是否有效 各尺度共同可比样本条件
验证隔离 训练与测试窗口重叠 隔离不足不能声称空间外推可靠

结果检查

目标方向一致化后的协同、权衡和 Pareto 直接依据响应目标；它们不等同于调整 C 后的 X 作用。邻域范围的统计信号不能直接决定公园半径、节点间距或缓冲带宽度。

控制后解释增量与多目标指标

当前结果链同时提供结构—响应关联、匹配嵌套模型和直接基于响应的多目标评价。区分这些口径，是避免误读高分的关键。

指标或方法 实际回答的问题 使用限制
偏相关 X 和 Y 调整已纳入 C 后的残差关联 依赖控制设计、完整样本和自由度
完整 / 主结构 / 控制模型 同方法同公共样本下的预测对比 X+C、X、C 必须使用同一验证协议
控制后解释增量 ΔR² R²(X+C) − R²(C) 是预测解释增量，不是因果净效应
线性系数模式 方向一致化后的跨目标关联模式 系数符号和目标方向都需核对
树模型重要性模式 不同目标的无符号重要性相似性 不能单独判断生态协同或权衡
Synergy Index 方向一致化后目标对的正向 Spearman 强度 直接来自 Y，不是控制后 X 效果
Trade-off Intensity 方向一致化后目标对的负向强度 较大值表示更强冲突，不是优化目标
耦合协调度 固定参考下的目标水平与协调描述 标准化和权重需要说明及验证

物理目标方向

按研究目标设置提高或降低方向。例如热环境状态和污染浓度通常期望降低，生产力或某些水文代理通常期望提高；应以实际指标定义为准。不能仅凭名称自动推定 AWC 等缩写的物理含义。

空间验证

匹配模型在训练折内完成填补、标准化、筛选和调参；至少达到当前有效折要求才形成最终空间验证得分。恒定目标、失败折、描述性拟合和未验证样本不能充当可靠预测证据。

高训练拟合、单个最佳折或跨方法出现同一个尺度，不足以证明生态改善。检查共同样本、逐折诊断和折外预测后再比较。

Pareto Frontier 与多目标选择

Pareto Frontier 在明确方向的物理响应目标上识别非支配样方。它不是直接回归某个结构特征，也不是自动产生最优绿地率。

非支配的含义

如果没有其他样方在全部目标上不差且至少一个目标更好，该样方属于当前样本集合的 Pareto 前沿。判断依赖目标集合、方向、有效样本与数值，结构 X 用于后续解释前沿样方的配置特征。

操作顺序

  1. 在源语义中确认参与的物理目标及改善方向，避免将同源纹理或梯度混成额外服务目标。

  2. 勾选 Pareto Frontier 并完成 D 计算，检查输出的目标集合、前沿计数、样本总数与前沿占比。

  3. 在空间输出中查看 pareto_front_membership，1 为前沿，0 为被支配；无效或未计算样本不能解释为被支配。

  4. 将前沿成员与 X 结构特征、约束和基线叠加，比较候选配置；寻找实际改善还需定义可比基线或方案。

  5. 跨尺度比较时固定目标集合，并同时报告样本数和占比，检查样本支持域改变的影响。

常见现象 正确理解 后续动作
前沿样方很多 可能有较多非支配样本，也可能是高维或目标冲突 检查目标数量、方向和冗余
前沿占比为 1 所有有效样本互不支配 不能称为全部样方共赢
小尺度前沿数量较多 可能主要因为样本总数更多 报告分母与相同口径比例
前沿集中某地类 属于当前样本的条件关联 核查控制、位置和独立样本

规划转译

先区分遥感类别面积份额与法定绿地率的用地范围、地类规则和分母。没有同一规划口径与方案验证，不应将林地加草地占比直接宣布为最优绿地率或给出法定阈值。

多目标结果链与支持域敏感性

多目标结果页为协同/权衡批处理、共赢/冲突尺度曲线、协同/权衡尺度诊断、综合协同报告及结果导出。界面沿用部分“共赢”名称时，应按当前非支配定义解释。

四个环节分别解决的问题

环节 重点问题 优先核查的资料
协同/权衡批处理 某尺度下哪些关联和控制增量有效 D 明细、指标类型、样本与有效折
共赢/冲突尺度曲线 同一对象的关系怎样随尺度变化 逐点数据、相同目标和方法
协同/权衡尺度诊断 哪些候选峰值或区间可复核 质量门、平台、转折与缺证据项
综合协同报告 已有证据支持哪些解释与候选策略 D/E、来源、时相和空间输出

支持域敏感性操作

  1. 在邻域模式选择“支持域敏感性”等当前诊断选项，设置待比较的对齐锚点与窗口方案。

  2. 确认情景数量和计算量后执行。各情景需要重建相应公共支持域及前置结果，不是只对基线报告改名。

  3. 查看锚点比较 CSV、窗口比较 CSV、情景 manifest 和稳健性报告，比较同一目标方法的样本、峰值和平台。

  4. 若峰值反复落在搜索端点，扩展窗口范围；若不同锚点导致剧变，检查网格相位、边界和源分辨率。

质量门与历史结果

新 E 数值计算只使用满足当前协议和可比质量条件的记录。AI 可按真实字段审计历史数据，不能因旧版本统一拒绝全部结果，也不能将缺失验证补写为通过。文件多但没有可比序列时，应追查对象、指标和质量原因。

报告区分已计算发现、机制解释与待验证策略；没有定位资料不指定优先实施区，没有方案模拟不预测改善百分比。

贝叶斯网络的数据与变量准备

入口为“空间结构关系分析 → 3.贝叶斯网络分析”。当前使用 pgmpy 后端学习离散贝叶斯网络，读取前置统计单元分析的 stage_c_quadrat_dataset.csv。

操作顺序

  1. 选择来源类型和根目录。支持结构/响应统计单元或控制变量/多目标统计单元结果，选择其父层级或具体分析批次。

  2. 刷新批次与尺度列表，勾选研究需要的尺度。确认每尺度已有 C 表，不把邻域结果直接当作当前受支持来源。

  3. 选择变量子集，保留主结构、关键控制和响应；去掉坐标、索引、重复分量及无解释意义的标识。

  4. 查看变量预览，核对来源、单位、类型和变化。预览基于部分行，不能代替全量质量检查。

  5. 配置分箱数、父节点数、搜索和先验参数，指定输出目录；可先点“自动配置参数”，再检查其合理性。

变量处理 当前规则 应检查的风险
连续变量 按原值分位分箱，保留并列值含义 少数不同值可能形成较少状态
类别变量 高频类别加其他状态等规则 合并类别是否损失业务含义
缺失与常数 排除全缺失、常数或高缺失字段；完整案例样本 样本量和代表性可能下降
离散化后变量 再次检查常数和重复 冗余节点导致伪复杂网络
X/C/Y 角色 作为联合变量记录角色 角色标签不构成因果箭头约束

结果检查

软件执行最低样本门槛不是稳定学习的充分条件。变量多、状态多、父节点多时，CPT 参数量迅速增大；优先从少量具有明确含义的变量开始。

贝叶斯网络学习与结果检查

结构学习采用 Hill-Climb 和 BIC，按同一尺度的多次重启选择网络；CPT 使用 BDeu 先验估计，并检查概率模型一致性。

参数 当前初始值 配置意义
分箱数 4 离散精细度与样本支持的权衡
最大父节点 3 限制 CPT 组合与网络复杂度
最大迭代 80 每次搜索的迭代范围
最小 BIC 改进 0.01 抑制过小的搜索改善
BDeu ESS 5 先验强度，不是实际新增样本
重启次数 / 种子 3 / 42 减少局部搜索影响并支持复现
跨尺度复现阈值 0.6 用于标识达到阈值的同方向边

运行与查看

  1. 核对参数与输出目录，按需选择并行、复用或“从临时文件恢复”，执行网络学习。

  2. 先查看“数据概览”：每尺度有效样本、节点、边、总 BIC 和最佳重启。

  3. 查看网络边与 Markov Blanket，再查看 CPT 和质量资料。稀疏父配置的概率可能主要来自先验。

  4. 查看跨尺度边复现率，确认分母为两节点均有效的可比较尺度数；相反方向的边分别记录。

  5. 比较不同分箱数、父节点上限和变量子集，保存敏感性结果。

解释边界

BIC 用于同尺度、同数据和变量口径的结构选择，不能跨尺度直接排名为生态最优。删除某条边的 BIC 增益不是 P 值。Markov Blanket 含父、子及子的其他父节点，不自动成为因果调整集。

跨尺度复现是描述性重复出现，不等于 Bootstrap 或独立空间验证。当前质量资料明确区分已完成模型检查与未计算的空间 CV、Bootstrap。学习箭头不应直接称为因果关系。

网络图条件推断与导出

进入贝叶斯网络结果中的“网络图推理”。条件推断查询 P(目标状态 | 证据状态)，必须使用一个完整的单尺度概率网络。

操作顺序

  1. 选择“单尺度概率网络”及尺度。跨尺度稳定网络用于展示复现边，不能直接承担概率推断。

  2. 选择目标节点，再选择证据节点与状态，点击“加入证据”；状态标签应对应该尺度的原始值区间。

  3. 可加入多个证据，检查组合具有实际业务意义和样本支持，然后点击“执行条件推断”。

  4. 比较目标先验、后验与 ΔP，查看全网节点变化排序及 JS 散度；选中节点可聚焦网络图。

  5. 使用分层或力导布局、焦点邻域或目标 Blanket 等选项改善显示。按需导出自包含 HTML 或推断摘要 Markdown。

显示或指标 含义 不能直接解释为
先验 P(Q) 当前模型中的目标状态分布 城市实际总体比例的无误估计
后验 P(Q|E) 给定证据组合后的条件分布 改变地类后的干预收益
ΔP 后验减先验 因果改善百分比
JS 散度 两个状态分布的差异 生态效益大小
稳定网络 跨尺度出现的边集合 可直接使用的联合概率模型

错误与输出检查

零概率或不可行证据会报错，不应生成替代均匀后验。若历史边、CPT 与 Blanket 不一致，应重算而非修补文字。多个尺度的状态区间可能不同，不能把同名“高”状态当作相同物理阈值。

最终报告保留尺度、变量、状态区间、模型来源和证据组合。未做干预设计时使用“条件依赖”“模型后验变化”等措辞。

AI API 与模型配置

入口为“主页 → AI API”。配置页采用可滚动区域，支持 DeepSeek、Kimi、火山方舟和 OpenAI 等服务。当前显示的模型清单不保证账号都具有访问权限。

操作顺序

  1. 点击要配置的平台卡片，填写 API Key 和 Base URL。核对服务商提供的兼容接口，避免把网页登录信息当 API Key。

  2. 选择或输入模型名称，点击“刷新模型”获取当前账号或平台可用列表。火山方舟按配置使用对应模型或 Endpoint ID。

  3. 选择对话接口：Chat Completions 或服务实际支持的 Responses。接口不匹配可能导致调用失败。

  4. 核对能力选项：按平台能力、文本＋图像手工确认、仅文本。Agent 模型必须支持工具调用；图像输入需要实际多模态支持。

  5. 点击“应用”保存当前平台配置。设置默认平台后，在结果对话中再次确认本轮模型。

  6. 进入 GeoAI 或结果页发送一个简短问题验证连接；必要时刷新模型或查看明确的接口错误。

配置 用途 检查重点
API Key 调用服务的凭证 妥善保存，不放进报告或截图
Base URL 实际兼容服务入口 与选中平台及接口一致
模型名或 Endpoint 指定本轮模型 账号可用，拼写与版本正确
模型能力 文本、图像和工具调用 名称相似不代表能力相同
默认平台 后续选择的起点 切换不会自动重新生成旧结果

注意事项

专用嵌入、语音或图像生成模型不一定适合结果解释。deepseek-chat 与其他模型的工具表现、上下文和接口限制可能不同，但不应仅凭一次成功或失败归因于模型名称。平台 Key 被解绑后，已有对话存档仍可查看。

GeoAI 项目知识与配置辅助

点击右下角“GeoAI”打开项目助手。先选择对话模式：项目知识对话用于了解功能与参数，Harness Agent 用于基于指定目录开展本地任务。

项目知识对话

  1. 选择平台和模型，确认当前所在模块及页面可见配置。

  2. 输入功能、方法或参数问题，例如“当前窗口的中心响应聚合方式解决什么问题”，发送后检查引用的项目依据。

  3. 继续追问，明确需要解释的字段、步骤或限制；知识对话支持多轮记录，但不会因一句建议自动执行页面计算。

  4. 根据回答核对界面与文档，再决定是否手动调整。当前页面摘要表示可见配置，不表示任务已经运行。

AI 参数配置辅助

样本过滤、数据集生成、随机森林、XGBoost、LightGBM 和 ResNet 等部分页面提供“AI分析更新参数”或相应建议入口。调用后检查建议与应用后的可见参数，再执行该模块真实计算。分类颜色功能只生成并保存颜色配置，不修改科学类别定义。

方式 可做什么 需要用户核验
项目知识对话 检索项目文档与实现，解释流程 依据是否对应当前模块和版本
参数配置辅助 建议或按开放流程回填参数 数据条件、资源和实际参数
Harness Agent 读真实资料并生成本地分析工具 任务交付、证据和脚本结果

适用示例

问“如何生成样方 GeoJSON”属于知识咨询；问“当前目录哪些样本可用于空间验证并复算曲线”属于 Agent 数据任务。不要用知识回答代替完整目录审计，也不要把参数建议当成已有数值证据。

结果链 Agent 多轮分析

单目标、多目标两种尺度模式及贝叶斯结果页共享 AI 多轮对话。Agent 围绕当前环节和真实结果目录生成本地分析工具，再将有证据的结论返回对话。

操作顺序

  1. 在结果链选择正确批次并“刷新”，确认“数据依据”显示当前根目录，而不是上一项目路径。

  2. 选择支持工具调用的已绑定平台和模型，按需要勾选“允许使用本次计算的原初数据（只读）”。该选项默认勾选。

  3. 输入问题、目标、比较范围和交付要求。Enter 换行，Ctrl+Enter 或“发送 / AI详细解释”发送；支持模型可附加图像。

  4. 查看执行状态、运行时间、模型请求次数与用量；“执行进度”显示真实执行记录，不是保证完成度的百分比。

  5. 任务完成后检查返回答案是否覆盖问题，进入“查看Agent成果”审阅脚本、表、证据和新计算结果。

  6. 用第二轮追问未回答内容；需要取消时“停止任务”，需要另一独立任务时“清空并新建对话”。

建议的首轮任务写法

请只基于当前结果根目录和允许的原初数据，先核对来源、指标单位、对象、有效样本与验证口径。生成本地分析脚本并实际运行，返回可追溯到文件和字段的发现；逐项回答问题，标明已有结果、新复算、无证据与待验证内容。大表只抽取必要样本和统计摘要作为上下文。

运行与证据边界

请求次数上限是可选运行设置；默认不因达到固定次数终止。任务完成、用户停止或明确无法继续时结束。重复无新增证据或连续工具失败会触发诊断，脚本和中间成果仍应保存。

completed 表示本轮执行结束，不保证用户所有问题均已充分回答。最终文字必须与真实工具结果、来源和交付清单一起核验。

AI 存档与 Harness 管理

对话与 Agent 运行记录分别归档，目录映射把短工作路径与原始分析批次关联。无需移动或重新计算原始结果来缩短 Agent 路径。

入口或资料 用途 操作说明
轮次小横杠 快速定位对话 悬停预览，点击跳到相应轮次
加载历史 继续或查看已存会话 先确认数据根目录和会话标识
复制对话 .md 保留完整 Markdown 文本 适合另存报告或检查表格原文
完整文本或 Markdown 查看 核查长表与全部回答 显示不完整时先比较存档
查看 Agent 成果 打开本轮工作目录 核查脚本、表和证据文件
运行设置 配置可选次数、时间或资源限制 限制触发不等于任务自然完成

保存位置

对话通常位于结果根目录的 _ai_conversations 下，按模式、环节和会话分类。Agent 使用 _ai_agent/w 下的短路径，长结果路径时可转到当前用户本地 USDA/Agent/w。以界面地址和 workspace.json 映射为准，不把开发者的用户路径作为其他电脑的安装要求。

运行子目录保存 events.jsonl、model_requests.jsonl 及任务、证据与交付资料。原初数据授权时，source_inputs.json 等记录实际源路径和参数；新增派生成果保存在工作目录。

Harness 版本管理

  1. 进入“主页 → AI API”的 Harness 区，查看当前版本与运行组件位置。它的版本独立于 USDA 3.5.0。

  2. 按需“导入本地Harness源码”，或用户主动点击“从GitHub升级Harness”。升级验证失败应保留当前可运行版本。

  3. 需要时使用“回退上一可用版本”并核查状态；“打开版本目录”用于查看组件资料。

Harness 按任务启动，并非启动 USDA 就自动执行分析。模型使用本地脚本处理全量数据，通常只发送必要样本、结构及摘要到 API；应按项目数据权限选择输入。

完整工作流与交付验收

以下流程串联地图采样、遥感产品、尺度关系与概率网络。可根据已有数据从中间阶段开始，但每次跳过前置步骤都需有对应资料支持。

步骤 实际操作 进入下一步的依据
准备项目 建立目录、确认许可、核对数据字典 源路径、空间位置、单位及时相明确
检查与采样 地图预览 → 分割 → 人工赋类 样本数量、类别与独立验证可用
生产 LC 特征 → 过滤 → 数据集 → 训练 → 预测 模型、特征顺序、逐类评估齐全
生成响应 按任务处理 LST、ETa 或其他输入 有效覆盖、单位、质量资料可靠
对齐与尺度设计 检查公共支持域，选择单元或邻域模式 尺度物理含义和样本条件清楚
运行 A 至 E 特征、样本、关系和尺度诊断分步执行 阶段文件、真实算法和质量状态匹配
贝叶斯网络 选 C 表变量与尺度，学习和条件推断 离散化、CPT 支持和模型检查齐全
Agent 复核 真实目录审计、脚本复算、逐项报告 可追溯证据和完整交付清单
空间与报告交付 导出 GeoTIFF、表、说明及可比方案 字段图例、来源、限制与验证记录

交付验收清单

  • 每个图层和表能对应本次输入、尺度、方法、单位及有效样本。

  • 保存 manifest、schema、配置、版本和日志，不只保存图或 AI 文字。

  • 分类图具有编码字典；多波段 GeoTIFF 具有每层说明；概率推断保留证据状态。

  • 训练与独立验证分离；尺度比较保持对象口径；高拟合未被写成真实改善。

  • 新复算与历史结果分开保存，未回答或缺证据问题有明确标识。

  • 交付策略与指标转译经过相应规划口径和方案验证。

常见问题与处理步骤

遇到问题先查看当前模块日志和实际路径，保留失败记录。不要反复点击运行造成重叠任务，也不要直接删除原结果目录。

现象 优先检查 处理顺序
图层错位或范围为空 CRS、边界与源范围 核对源坐标 → 正确投影 → 小范围重试
找不到来源或批次 工作空间、文件路径、阶段 C 刷新列表 → 检查文件 → 完成前置阶段
可用样本非常少 覆盖阈值、边界、掩膜、窗口 检查有效范围 → 减少过大窗口 → 调整设计
CSV 只有表头 方法是否选中、依赖、样本和失败日志 查对应记录与其他 D 子表，不只看文件大小
R² 巨大负值或几乎 1 目标常数、泄漏、训练/验证口径 查逐折诊断 → 去冗余 → 正确空间复算
没有通过质量门的序列 对象、指标、版本协议和可比状态 逐条审计 D，修复受影响计算后重算 E
尺度曲线为空或峰值改变 有效序列、目标身份、聚合口径 固定同一对象比较，再查逐点数据
BN 无批次或变量少 是否为统计单元 C 表、缺失或常数 完成前置 C → 刷新 → 合理选择变量
BN CPT 稀疏或推断失败 状态数、父节点、证据支持 减少复杂度 → 查质量文件 → 核验证据

性能与界面

大型表读取和首次模块加载可能耗时，检查后台状态是否仍更新。内存不足时先缩小范围、减少特征、降低并行或使用合理抽样；改变科学支持域和抽样条件需记录。BN 变量预览只代表样本预览，不是全量检查。

控件被遮挡时使用内部滚动区域、拖动分隔条或折叠配置。长 AI 表格可横向滚动或查看完整 Markdown；不能因为当前可见区只显示部分内容就认定存档丢失。

AI 调用失败与结果完整性

AI 服务调用、Harness 运行和本地数据工具属于不同阶段。定位失败时先确认最后成功阶段和留下的成果。

现象 可能原因 建议操作
认证或模型不存在 Key、Base URL、模型或 Endpoint 错误 在 API 页核对、应用，再刷新模型
工具调用不支持 模型或接口不具备所需能力 选择实际支持工具调用的模型
目录名无效 WinError 267 长工作路径或无效目录 查看短工作路径及 workspace.json；核对原目录可读
runtime stdout closed 运行组件退出或通信中断 保留事件记录，查退出前工具和错误，再重试
请求持续但无答案 重复调用、工具失败或任务过大 看执行进度，拆分交付并要求保存阶段报告
达到用户设置的限制 次数、时长或资源预算触发 审阅已有成果，调整限制或继续任务
回答显示不完整 长表、横向宽度或刷新显示问题 查看完整文本、复制 .md，对比 conversation.json
回答完成但遗漏问题 结束条件与问题覆盖不同 按交付清单逐项追问缺项

建议的续问

请依据上一轮已保存的脚本、结果表和证据继续，只补充未完成的问题。逐项列出问题、是否已回答、证据文件与字段、未解决原因和下一步；没有计算结果的阈值或改善量不要杜撰。先保存阶段成果，再进行耗时复算。

求助时提供的资料

  • 软件版本、模块、模式、会话和实际结果目录。

  • 完整错误文字、发生时间、最后执行工具。

  • 事件记录、任务报告和相关字段的必要样本。

  • 原始数据的单位、NoData、类别字典和输入时相。

提供资料时移除 API Key 等凭证。仅有文件数量或一个截图通常不足以确认模型错误的根因。

结果文件速查

文件名可因模块、来源前缀、尺度和运行参数变化。阅读时以本批次 manifest 与 schema 为准，不能仅按文件名推断已完成或质量可靠。

文件或目录 主要内容 读取目的
manifest.json / common_grid_meta.json 输入、网格、协议与运行信息 复核来源及实际计算条件
common_structure_grid.npy / common_response_grid.npy 公共网格缓存或占位 原始源直读模式可全 NaN，非必然模型输入错误
stage_a_structure_features.csv 结构及控制特征 核对类别、指标、单位与覆盖
stage_b_response_features.csv 响应特征或中心响应 识别物理目标与展开量
stage_c_quadrat_dataset.csv / positions 共同样本和位置 检查 X/C/Y 对齐与有效样本
stage_d_relations.csv 逐对关系、P/FDR 与质量 核对方向、对象和检验口径
stage_d_multivariate.csv / control_target 模型与多目标记录 读取得分类型、有效折、控制增量
stage_d_spatial_outputs.csv / schema 可回图字段及含义 匹配坐标、波段和 NoData
stage_e_*_diagnostics.csv / report.txt 可比序列诊断与报告 核对峰值、平台、转折及缺证据
bn_manifest / overview / quality BN 来源、状态和质量 检查样本与概率模型支持
bn_edges / blankets / cpt / edge_stability 网络边、Blanket、概率与复现 追溯网络及单尺度推断
_ai_conversations / Agent 工作目录 会话、脚本、证据与派生成果 核查多轮任务及本地分析结果

归档建议

一起保存输入说明、类别字典、版本、配置、CSV/schema、空间结果、日志及报告。模型部署还需保存编码器、标准化器、特征顺序；网络推断保留状态区间和证据组合。不要把中间占位数组当作完整原始数据备份。

术语与报告表达速查

以下区分帮助用户准确描述结果，尤其适用于城市蓝绿空间与生态系统服务研究。软件可分析其他专业问题，含义以实际数据定义为准。

术语 正确含义 推荐表达
统计单元尺度 X/C/Y 共同聚合的样方边长 该聚合单元下的统计关系
邻域作用尺度 周边 X/C 窗口与固定中心 Y 该邻域范围下的中心响应关联
控制后关联 调整选定 C 后的关系 调整已纳入背景后的剩余关联
解释增量 ΔR² 匹配验证下完整减控制模型得分 主结构的预测解释增量
Pareto 前沿 当前目标集合的非支配成员 候选非支配样方及其占比
稳定平台 近峰曲线区间的界面名称 近峰平台，稳定性需另证
Markov Blanket 父、子及子的其他父节点 模型中目标的局部条件依赖集合
后验变化 给定证据后的模型概率变化 条件分布差异，不称干预收益
LST 地表热环境状态 单位及时相明确的地表温度
NPP 植被净初级生产力 不能直接等同净碳汇
PM2.5 空气颗粒物浓度状态 不能直接等同空气净化服务
AWC 或其他代理 输入中具体定义的水文等量 核对定义后说明代理限制

规划指标转译

先匹配用地边界、统计分母、地类定义和适用标准，再讨论结构特征能否转译为绿地率等指标。遥感林地与草地份额不自动等于法定绿地率，统计阈值不自动等于规划约束或最优工程值。

正式报告分别标注数据支持的发现、机制解释、待验证策略与无证据项。具体标准和规范适用性应依据用户提供或已核实的正式文件，不能由模型自行补造名称、阈值或条款。

内置文档与维护信息

本手册以 USDA GeoProdStudio 3.5.0 当前界面和实现为依据。运行时参数、算法可用状态和实际输出优先于历史截图或早期说明。

使用内置文档

  1. 进入左侧“文档”，在主题树中选择对应专题。可阅读模型、方法、参数与输出说明。

  2. 使用检索框，在“当前文档”或“全部文档”范围查找关键字，例如“中心支持域”“BDeu”“NoData”。

  3. 遇到解释冲突时先核对软件版本、当前可见参数、manifest/schema 与日志，再询问 GeoAI 并要求引用项目依据。

编制依据 对应内容
当前主窗口与发布功能设置 导航、许可、已开放与停用入口
地图工具及 SegSampling 专题与实现 加载、分割、区划、采样和工具调用
数据生产专题及 LC/LST/ETa 实现 数据准备、训练、预测、融合及物理单位
空间计算质量文档和方法注册表 支持域、验证、算法身份与质量口径
尺度轴及控制变量/多目标实现 A–E、同对象曲线、控制增量与 Pareto
贝叶斯网络与 pgmpy 后端实现 离散化、搜索、CPT、复现与条件推断
AI 对话、Harness 与模型配置实现 多轮任务、原初数据、存档和版本管理

更新与使用范围

“主页 → 更新”用于查看软件更新资料与状态。Harness 组件升级使用 AI API 页的独立按钮，二者的版本号不同。更新后保存旧结果，新算法不会自动修正以前的 CSV。

支持网站：https://coding-x.tech/docs/ 。开发者信息以“主页 → 关于”显示为准。OrthoPlan-AI 当前暂未开放；未来开放的功能应使用相应版本文档。

手册提供操作与核查方法，不承诺任意输入都会产生可用于规划决策的可靠模型。用户应保存原始数据、研究设计与独立验证，结合实际专业任务审阅结论。