2026_DesignAI/officefile/md/supplements/04-practice

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

1. 数据准备

   • 加载土地利用覆盖数据
   • 数据预处理（投影、重分类）

2. 斑块识别

   • 使用形态学空间格局分析（MSPA）
   • 提取连通性指标

3. 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）

4. 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

1. 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）

2. 权重确定

   • 专家知识编码
   • AHP层次分析法
   • 权重一致性检验

3. 阻力面合成

   • 加权叠加
   • 阻力系数调整

4. 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

1. 最小累积阻力（MCR）分析

   • 成本距离计算
   • 最小成本路径

2. 廊道提取

   • 提取潜在廊道
   • 宽度分析
   • 质量评估

3. 网络分析

   • 连通性指标
   • 关键节点识别
   • 网络脆弱性评估

4. 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

1. 工作流设计

   • 状态定义
   • 节点设计
   • 条件路由

2. 审查点设计

   • 源地识别审查
   • 阻力权重审查
   • 廊道优化审查

3. 人机界面

   • 信息展示
   • 决策输入
   • 反馈机制

4. 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

1. 先做项目A：建立基础概念
2. 再做项目B：学习多准则方法
3. 然后做项目C：掌握空间优化
4. 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：

1. 功能完整性：是否实现了所有核心功能？
2. 代码质量：代码是否清晰、可维护？
3. 文档完整性：是否有清晰的使用说明？
4. 鲁棒性：能否处理异常情况？
5. 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）