pengxiao
219232de74
以讲义内容为骨架迁移到标准目录格式： - officefile/ 主内容（12章 + 附录 + CC4SI补充） - dofile/ 代码示例（11个Python脚本） - data/ 图片资源 - output/ 生成输出（忽略） - Archive/ 归档旧目录（忽略） - .claude/skills/ 保留markdown-to-docx工具链 - .pandoc/ 保留CSL和本地化配置 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
第五部分：综合实践
本部分目标
通过完整项目将所学知识整合应用：
- 将空间智能与自主设计结合
- 实现端到端的智能分析系统
- 处理真实场景的复杂性
- 建立可复用的解决方案
项目概览
| 项目 | 描述 | 难度 | 涉及章节 | 预计时间 |
|---|---|---|---|---|
| 项目A | 生态源地自动识别与优先级排序 | ⭐⭐ | 02.1, 02.3, 03.1 | 8-12小时 |
| 项目B | 生态阻力面的多准则构建 | ⭐⭐⭐ | 02.3, 02.5, 03.3 | 12-16小时 |
| 项目C | 生态网络的自主分析与优化 | ⭐⭐⭐⭐ | 02.2, 02.4, 03.4 | 16-20小时 |
| 项目D | 带HITL的完整工作流设计 | ⭐⭐⭐⭐⭐ | 全部章节 | 24-30小时 |
项目结构
每个项目包含：
projects/
├── project-a-source-identification/
│ ├── README.md # 项目说明
│ ├── requirements.txt # 依赖
│ ├── data/ # 示例数据
│ ├── notebooks/ # Jupyter notebooks
│ ├── src/ # 源代码
│ └── tests/ # 测试
├── project-b-resistance-surface/
├── project-c-network-optimization/
└── project-d-hitl-workflow/
项目A：生态源地自动识别与优先级排序
问题背景
生态源地是生态网络的核心节点，需要从土地利用数据中自动识别并排序。
涉及技术
- 空间表征 (02.1)：栅格数据处理、斑块提取
- 多准则决策 (02.3)：适宜性评价、权重设计
- 工作流编排 (03.1)：数据→处理→排序的流水线
实现步骤
-
数据准备
- 加载土地利用覆盖数据
- 数据预处理（投影、重分类）
-
斑块识别
- 使用形态学空间格局分析（MSPA）
- 提取连通性指标
-
适宜性评价
- 计算每个斑块的适宜性得分
- 多指标综合（面积、形状、连通性）
-
优先级排序
- 按适宜性排序
- 输出源地列表
扩展方向
- 添加不确定性评估
- 支持多物种的源地识别
- 可视化源地优先级
项目B：生态阻力面的多准则构建
问题背景
阻力面反映物种在景观中移动的难易程度，需要综合考虑多种因素。
涉及技术
- 多准则决策 (02.3)：AHP权重分配
- 不确定性量化 (02.5)：敏感性分析
- 技能组合 (03.3)：多个阻力源的组合
实现步骤
-
阻力源识别
- 土地利用类型阻力
- 地形阻力（坡度、高程）
- 人为干扰阻力（道路、建筑）
-
权重确定
- 专家知识编码
- AHP层次分析法
- 权重一致性检验
-
阻力面合成
- 加权叠加
- 阻力系数调整
-
敏感性分析
- 权重扰动测试
- 结果稳定性评估
扩展方向
- 支持不同物种的定制阻力面
- 时间维度的动态阻力面
- 基于遥感的自动更新
项目C：生态网络的自主分析与优化
问题背景
在源地和阻力面基础上，自动提取生态廊道并优化网络结构。
涉及技术
- 空间推理 (02.2)：图算法、连通性分析
- 空间优化 (02.4)：网络优化算法
- Agent设计 (03.2)：自主分析智能体
- 记忆管理 (03.4)：结果缓存与检索
实现步骤
-
最小累积阻力（MCR）分析
- 成本距离计算
- 最小成本路径
-
廊道提取
- 提取潜在廊道
- 宽度分析
- 质量评估
-
网络分析
- 连通性指标
- 关键节点识别
- 网络脆弱性评估
-
优化建议
- 廊道优先级排序
- 新增源地建议
- 网络强化方案
扩展方向
- 多目标优化（生态+经济）
- 动态网络模拟
- 与GIS软件集成
项目D：带HITL的完整工作流设计
问题背景
整合A、B、C项目，实现完整的生态网络分析工作流，在关键点加入人类审查。
涉及技术
- 全部章节的综合应用
实现步骤
-
工作流设计
- 状态定义
- 节点设计
- 条件路由
-
审查点设计
- 源地识别审查
- 阻力权重审查
- 廊道优化审查
-
人机界面
- 信息展示
- 决策输入
- 反馈机制
-
系统集成
- 持久化与恢复
- 错误处理
- 日志记录
交付成果
- 完整可运行的系统
- 用户手册
- 技术文档
- 演示视频
学习建议
循序渐进
- 先做项目A：建立基础概念
- 再做项目B：学习多准则方法
- 然后做项目C：掌握空间优化
- 最后做项目D：整合所有知识
遇到困难时
- 回顾相关章节的理论
- 查阅示例代码
- 参考延伸阅读
- 寻求社区帮助
提升挑战
- 为项目添加新功能
- 使用自己的数据
- 优化性能
- 改进用户体验
评估标准
完成项目后，自问：
- 功能完整性：是否实现了所有核心功能？
- 代码质量：代码是否清晰、可维护？
- 文档完整性：是否有清晰的使用说明？
- 鲁棒性：能否处理异常情况？
- 可扩展性：是否容易添加新功能？
下一步
完成所有项目后，你已经：
- ✅ 掌握了空间智能的核心方法
- ✅ 理解了自主系统的设计模式
- ✅ 实现了完整的AI辅助分析系统
- ✅ 建立了可复用的技能库
准备好进入：05-reflection（反思与展望）