在当今数字化快速发展的时代,人工智能(AI)技术正迅速渗透至各个行业,为传统工作模式带来革命性的变化,特别是在数据处理、自动化流程、智能决策支持等方面,AI展现出了巨大的潜力和应用价值。郭乃瑄等^[1]以数据结构课程为例,基于文心一言,探讨了如何利用大语言模型辅助教学,提高课堂教学质量和学生课后学习效率。杜庆贤^[2]通过量化测试方法,评估了中外类ChatGPT人工智能在财会知识应用能力上的表现,并探讨了其在财会工作中的应用前景。李丰丹等^[3]探索了如何利用人工智能、大数据和云计算技术,构建地质调查智能空间框架。

AI在地质行业应用案例方面,目前国内还鲜有文献记载。基于此,本文以化探不规则网采样点自动编号为例,引入人工智能(AI)技术,展开相关实验和探讨。在过去的地质工作中,传统的化探不规则网采样点编号方法多采用技术人员逐点编号的方式^[4⇓⇓-7],往往存在工作量大、耗费人力、效率低且容易出现漏点、错点等情况。近些年,随着GIS和计算机语言在地质行业的进一步应用,更多的地质工作者对化探采样点编号展开了探索和研究^[8⇓⇓-11]。陈可忠^[12]利用Section、Excel、MapSource等软件,实现了化探采样点自动编号及航点自动生成。王海鹏等^[13]在MapGIS条件下利用空间分析模块、点位赋属性功能、属性挂接功能结合Excel等技术,完美实现了不规则网化探采样点自动编号工作。李永春^[14]通过编写C语言程序,结合化探常用软件,实现点位设计图采样点编号自动化。李晓青等^[15]利用FME相关技术制作工作模版,实现化探采样点自动编号。这些方法能使工作效率有所提升,但操作步骤多而繁琐,易产生人为错误且个别方法对数据有特定要求,不具有简易性和通用性。

本文在总结前人工作的基础上,基于Baidu Comate,利用其独特的优势(编程类AI),结合ArcGIS Pro Python,将AI技术生动的应用于地质数据批处理方向,实现化探不规则网采样点自动编号,步骤简洁、清晰,成果高效、准确,避免了人为错误,节约了工作时间,提高了工作效率。同时,本文提出一种基于AI的ArcGIS Pro Python开发方法,划分出各个阶段,旨在为相关从业人员提供一定的参考与依据。

如图1所示,采样点编号分为3部分:大格编号、小格编号和样品标号,其中大格多为边长为1 km的方格,编号3位,自左上到右下顺序,例如:001、002。小格是大格边长一半的方格,一个大格对应4个小格,编号顺序自左上到右下,标号a、b、c、d。在每一小格中采集的第一号样品标号为1,第二号样品标号为2,以此类推。每个采样点根据其所处的位置按上述顺序进行编号^[13]。

Baidu Comate是基于文心大模型的智能代码助手,结合百度积累多年的编程现场大数据和外部优秀开源数据,可以生成更符合实际研发场景的优质代码,还可以推荐代码、生成代码注释、查找代码缺陷、给出优化方案,深度解读代码库、关联私域知识生成新的代码,从而提升编码效率,释放“十倍”软件生产力^[16]。

2024年,Comate已经走入了喜马拉雅、三菱电梯、软通动力等上万家企业,生成的代码采纳率达到了46%,百度每天新增的代码中,已经有27%是由Comate生成的^[16]。2024年4月16日,百度AI开发者大会上,百度创始人、董事长兼首席执行官李彦宏透露,百度每天新增代码中,已经有27%是由Comate自动生成的,Comate是基于文心大模型的智能代码助手^[17]。

笔者自测发现,Baidu Comate的代码编写能力及准确度明显高于其他综合性语言类AI,在需求明确、逻辑相对不复杂的情况下,可以选择Baidu Comate生成代码,用户仅需手动验证结果即可。

Python 是一种不受局限、跨平台的开源编程语言。在ArcGIS Desktop中,Python2.7版本^[18⇓-20]对中文支持较差,对GIS开发人员不够友好,往往在解决业务问题的同时还要考虑到中文兼容性,影响开发体验。从ArcGIS Pro版本开始,Python使用3.9及以上版本^[21],完美解决了中文问题,并提供多种新库支持,为GIS开发提供便捷。在AI中提问ArcGIS Python相关问题时,多数时都会收到ArcGIS Pro Python的代码答案。

使用语言型AI解决问题,最重要的是如何提问,为了获得准确的回答或建议,用户需要在输入框中准确地描述问题或需求,问题要具备严密的逻辑,不能前后矛盾,也不可过于模糊。模糊的输入可能导致AI产生不相关或错误的输出。

笔者认为,应该结合实际需求,将需求拆解成一系列步骤,明确输入、输出参数,一步步“诱导”AI给出正确答案,并要分步骤验证答案。“诱导”的本质是对AI提问的改变,可以从问题清晰度增强和问题复杂度简化两个方面来进行。当AI回答不准确时,可以先确定错误点是否由于表述有误造成,使用修改问题表述来修复错误;然后确认是否因问题过于复杂而造成AI无法回答出正确答案,使用拆分问题的方法来降低问题复杂度。

针对每个步骤的结果,均需要做黑盒验证,在最终结果生成后,需要做总体验证;在验证不通过时,需要查明原因,确定是否步骤不够明确或需求还要继续拆分;在确定步骤没有问题时,可以尝试重新使用AI生成或者手动修改代码。在使用AI生成代码制作工具时,应尽量考虑到通用性,将可能复用的变量作为参数,一旦代码验证通过,应将其封装为工具以备后用。不可每次都使用AI重新生成代码,这是由于AI生成的代码不一定每次都正确,及时保存、封装代码可以减少结果校验的工作量(图2)。

本次以化探不规则网采样点自动编号工作为例,结合实际情况,将步骤拆解为大格要素类生成及编号、小格要素类生成及编号和采样点编号生成3个步骤(图3)。

如图3所示,此步骤需要用户提供空间参考系、大格起始点坐标(左上角)、大格边长、大格行列号、大格要素保存路径参数,输出结果为大格要素类,要素类中具备编号字段,并填充正确的值。

将项目需求翻译为AI问题,在Baidu Comate中输入问题1:使用ArcGIS Pro Python,生成大格要素类,要素类中存放边长固定的方格,空间参考、左上角起始点坐标、方格行列数、方格边长由用户输入,方格编号按照从左上到右下顺序编排,共3位,例如:001、002。

返回的代码中,除去参数设置部分,核心代码见代码1:

# 创建方格并赋予编号

with arcpy.da.InsertCursor(output_feature_class, ["SHAPE@", "GridID"]) as cursor:

for row in range(num_rows):

for col in range(num_cols):

# 计算方格左上角坐标

grid_start_x = upper_left_corner.X + col * cell_size

grid_start_y = upper_left_corner.Y - row * cell_size # 注意Y坐标是减去的,因为是从上到下

# 创建方格几何

array = arcpy.Array()

array.add(arcpy.Point(grid_start_x, grid_start_y))

array.add(arcpy.Point(grid_start_x + cell_size, grid_start_y))

array.add(arcpy.Point(grid_start_x + cell_size, grid_start_y - cell_size))

array.add(arcpy.Point(grid_start_x, grid_start_y - cell_size))

array.add(arcpy.Point(grid_start_x, grid_start_y)) # Close the polygon

polygon = arcpy.Polygon(array)

# 格式化方格编号

grid_id_str = "{:03d}".format(grid_id)

# 插入方格到要素类

cursor.insertRow((polygon, grid_id_str))

# 更新方格编号

grid_id += 1

其中:upper_left_corner为用户输入的左上角起点坐标;output_feature_class为大格要素类保存路径。可以看出,Baidu Comate使用了最新的arcpy.da.InsertCursor插入游标,并考虑到了左上角到右下角生成要素以及编号时,Y坐标递减的问题,关键部位有必要的注释。就代码逻辑、变量命名、规范度和整洁度而言,已经达到中等开发人员水平。

本段代码在未改动的情况下,输入必要的参数后运行,可以得到正确的结果(图4)。使用同样的问题1,生成了5次代码,Baidu Comate每次回复大致框架思路相同,代码细节均不同,但都可以得到正确结果。对于此等逻辑难度的代码编写,笔者后续又进一步展开实验,使用问题1,生成60次代码。实验结果显示,60次中有58次运行结果正确,Baidu Comate的正确率达到96.7%。

此步骤由用户提供空间参考系及上一步骤生成的大格要素类和小格要素类保存路径等参数,输出结果为小格要素类,要素类中具备编号字段,并填充正确的值。

将此需求翻译为AI问题,在Baidu Comate中输入问题2:根据已知的大格要素类生成生成小格要素类,小格要素类中是边长固定的方格,边长为大格的一半,每个大格包括4个小格,小格编号是在被包含大格编号的基础上,从左上到右下方向,增加一位子母序号,例如:001a、001b、001c、001d。小格边长和行列数均由大格要素类计算,无需用户输入。

返回的代码中,除去参数设置部分,核心代码见代码2:

# 遍历大格要素类中的每个要素,创建小格

with arcpy.da.SearchCursor(large_grid_feature_class, ["SHAPE@", "GridID"]) as cursor:

for large_grid in cursor:

large_polygon = large_grid[0]

large_grid_id = large_grid[1]

# 获取大格的中心点作为小格起始点

centroid = large_polygon.centroid

upper_left_corner = arcpy.Point(centroid.X - small_cell_size / 2, centroid.Y + small_cell_size / 2)

# 创建小格

with arcpy.da.InsertCursor(small_grid_feature_class, ["SHAPE@", "GridID"]) as small_grid_cursor:

for row in range(2):

for col in range(2):

# 计算小格左上角坐标

small_grid_start_x = upper_left_corner.X + col * small_cell_size - small_cell_size / 2

small_grid_start_y = upper_left_corner.Y - row * small_cell_size + small_cell_size / 2

# 创建小格几何

small_grid_array = arcpy.Array()

small_grid_array.add(arcpy.Point(small_grid_start_x, small_grid_start_y))

small_grid_array.add(arcpy.Point(small_grid_start_x + small_cell_size, small_grid_start_y))

small_grid_array.add(

arcpy.Point(small_grid_start_x + small_cell_size, small_grid_start_y - small_cell_size))

small_grid_array.add(arcpy.Point(small_grid_start_x, small_grid_start_y - small_cell_size))

small_grid_array.add(arcpy.Point(small_grid_start_x, small_grid_start_y)) # Close the polygon

small_polygon = arcpy.Polygon(small_grid_array)

# 格式化小格编号

small_grid_id = "{}{}".format(large_grid_id, "abcd"[row * 2 + col])

# 插入小格到要素类

small_grid_cursor.insertRow((small_polygon, small_grid_id))

其中:large_grid_feature_class为大格要素类路径;small_grid_feature_class为小格要素类路径;upper_left_corner为左上角起始点坐标,由大格要素类中获取。

可以看出,Baidu Comate嵌套了多级游标和多层次循环,虽然效率不是最高,但整体思路清晰,整体表现较好。代码2的主要效率问题在于将InsertCursor游标嵌套进循环中,使系统不断的对小格要素类打开和关闭,若要提高效率,应当将循环产生的计算结果暂存,循环完成后使用InsertCursor游标一次性写入小格要素类中。使用问题2生成5次代码,文中所示代码2是第2次生成的结果,5次中有3次运行结果正确,可以得到小格要素类及编号(图5)。其余两次出现了错误代码,分别是左上到右下的编号排序错误和起始点坐标获取错误,用户可手动修复,不影响整体逻辑。在该逻辑难度的问题下,Baidu Comate的表现仍然像一个开发者,会犯开发者常犯的错误。

此步骤由用户提供上一步骤生成的小格要素类路径,小格要素类字段名称、采样点要素类等3个参数,输出结果为采样点要素类增加编号字段,并填充正确的值。

将此需求翻译为AI问题,在Baidu Comate中输入问题3:根据已知的小格要素类,给采样点要素生成采样点编号,并保存至采样点要素类的属性中,采样点编号是以被包含的小格要素编号为基准,后加采样顺序号,采样顺序号从1开始,排序方向为从左上到右下,例如:001a1、001a2。每个小格内的采样点序号均从1重新排列。采用点要素类路径、小格要素类路径,小格编号字段名称由用户输入。

返回的代码中,除去参数设置部分,核心代码见代码3:

# 增加排序字段

arcpy.AddField_management(sample_point_feature_class, "X", "Double")

arcpy.management.CalculateGeometryAttributes(sample_point_feature_class, "X POINT_X", '', '', None, "SAME_AS_INPUT")

arcpy.AddField_management(sample_point_feature_class, "Y", "Double")

arcpy.management.CalculateGeometryAttributes(sample_point_feature_class, "X POINT_X", '', '', None, "SAME_AS_INPUT")

# 遍历每个小格

with arcpy.da.SearchCursor(small_grid_feature_class, ["SHAPE@", grid_id_field]) as cursor:

for small_grid in cursor:

# 初始化小格内采样点序号

sample_point_counter = 1

small_grid_geom = small_grid[0]

small_grid_id = small_grid[1]

# 遍历采样点要素类,检查哪些点在小格内

with arcpy.da.UpdateCursor(sample_point_feature_class, ["SHAPE@", "SampleID"],sql_clause=(None, "ORDER BY X,Y")) as sample_cursor:

for sample_point in sample_cursor:

sample_point_geom = sample_point[0]

# 检查采样点是否在小格内

if small_grid_geom.contains(sample_point_geom):

# 生成采样点编号

sample_id = f"{small_grid_id}{sample_point_counter:d}"

# 更新采样点属性

sample_cursor.updateRow([sample_point_geom, sample_id])

# 重置小格内采样点序号

sample_point_counter += 1

其中:sample_point_feature_class为采样点要素类路径;small_grid_feature_class为小格要素类路径。

斜体部分的代码是笔者手动增加,非AI生成。在该逻辑难度的问题下,Baidu Comate似乎很难实现采样点从左上到右下的顺序号排列方法,笔者尝试了若干次,并尝试重新编写问题3内容,都不能让Baidu Comate理解该如何处理,此时可以看出AI思维的一些局限性。在人类开发者看来,生成采样点坐标并配合sql后缀,即可简单地实现采样点规则编号,若告诉Baidu Comate采样点中有顺序字段,它可以使用该字段配合游标按顺序取出,但先建立顺序字段,再利用该字段排序,目前看Baidu Comate并没有这种思维方式。好在Baidu Comate已经将整体框架结构搭建好,开发者只需要做适当修改即可,最终结果如图6所示,可以看出,采样点已经按照约定规则编号。

将上述步骤的核心代码依次封装,并将采样点要素类、大格起始点坐标(左上角)、大格边长和大格行列号作为输入参数,上述步骤中其余参数均可以作为过渡参数,以内部固定的形式传递。这样便制作成了一个全新的化探不规则网采样点自动编号工具,未来使用时直接调用即可。

使用封装后的工具对12 000个化探点做自动编号操作,总耗时2 min,较传统手工编号效率提高99.8%,经检查所有编号准确无误,正确率提高至100%。

尝试使用问题4,将化探不规则网采样点自动编号的3个步骤串联起来,以期Baidu Comate能一次性回答出来,实现2.5小节中工具封装后的效果。但这种复杂需求,Baidu Comate的答案过于冗长,包含多层循环嵌套,出现错误后极难排查问题,从效率上讲,并没有分步骤实施快捷。笔者共计尝试10次,其中也尝试变换问题4的说法,没有一次得到正确的编号结果。问题4如下:

使用ArcGIS Pro Python,对采样点进行编号,编号规则:首先根据点A建立大格,大格是若干边长固定方形,相互相邻,大格编号为3位,从上到下从左到右编号,例如:001、002。在大格的基础上建立小格,小格边长为大格的一半,小格编号是在所被包含的大格编号基础上,从上到下从左到右顺序,增加1位子母,例如:001a、001b。采样点编号是在所被包含小格的基础上,以从上到下、从左到右的顺序,增加序列号。采样点路径、点A坐标、大格边长均由用户输入。而大格行列数应该由采样点范围计算求得,无需用户输入。

对Baidu Comate下指令,应尽量清晰简洁,不要使用过多的修饰词,不要存在歧义,在合适的时候,应该举一些例子,让Baidu Comate更容易接受。

测试过程中,一开始使用“从上到下、从左到右的顺序”字眼,笔者认为优先级应该是上下方向高于左右方向,但Baidu Comate并没有理解,后期修改为“由左上到右下方向”后,便解决了这一问题。

从2.4小节中可以看出,相对复杂的逻辑下,AI不能辨识,使用问题5尝试获取一种自动布设采样点的算法,Baidu Comate很巧妙地避开了核心问题,在回复的答案中,提到了需要先识别沟谷区域,并给出了识别建议,但具体代码是从获取到沟谷区域以后编写。问题5如下:

ArcGIS Pro Python中,根据提供的等高线要素类布设采样点,要求采样点位于沟谷内。

从目前AI给出的答案来看,完全没有编程知识储备或刚入门级的人员暂不适合使用,有时代码错误仅需要修改一行就可以使程序正常运行,但初学者可能会将精力放在重复生成代码和测试代码上,并不会认真读代码并发现问题,最终导致效率不如自己重新编写。或许未来AI可以给出正确率更高的结果来解决这类问题。

1)语言型AI发展迅速,对各行各业影响巨大,AI在地质行业信息化方面已经有所作为。基于Baidu Comate,可以快速编写正确率较高的ArcGIS Pro Python代码,可以应用在地质行业的各类数据批处理上,本次示例中,所有代码生成仅用了30 s,阅读代码并修改正确也仅花费10 min,较传统工作方式极大地提高了生产效率。使用封装后的工具对12 000个化探点做自动编号操作,较传统手工编号效率提高99.8%,正确率提高至100%。

2)本文以化探不规则网采样点自动编号为例,提出在使用AI解决批处理问题时,应该结合实际需求,将需求拆解成一系列步骤,一步步“诱导”AI给出正确答案。当“诱导”AI回答有误时,可以通过问题清晰度增强和问题复杂度简化两个方面来进行修正。

3)AI的应用仅能提高生产效率,不能完全替代完成日常工作,生成的代码还需要有一定代码阅读能力的人员修改后使用。一旦代码验证通过,应将其封装为工具以备后用,不可每次都使用AI重新生成代码。