كنموذج ضخم يعد موجة جديدة في تطوير الذكاء الاصطناعي، وتأثيره الثوري على نمط البحث العلمي وطريقة الإنتاج ونمط الصناعة لا يمكن تقديره بشكل غير كافي. لقد أصبح الاستثمار في بحث النماذج الكبيرة اختياراً حتميًا. في مجال الذكاء الجغرافي، لا تزال تصميمات النماذج الكبيرة وتطبيقاتها بعيدة المنال. تلتزم هذه المقالة بمبدأتفكيك أنظمة سطح الأرض المعقدة، وحل المعلمات الدقيقة للأراضي. وتقترح القيام بنمذجة الكائنات الفضائية للأراضي في إطار دعم البيانات المراقبة المتعددة ومتعددة الوسائط. استنادًا إلى ذلك، تم ترتيب نظام معلمات الأراضي الحيوية وتغير تغطية الأراضي والتربة والموارد الأرضية وأنواع الأراضي / التطبيقات الخمسة في نظام واحد لمعلمات الأراضي الفضائية وتصميم حلول بارزة لحل المعلمات على نطاق كبير. باعتبار حل المعلمات المتعلقة بالاستخدام الزراعي للمساحات الفضائية كدراسة حالة تطبيقية، أظهرت التجربة الأولية أن الإطار المقترح لديه إمكانيات كبيرة في تحسين حساب المعلمات الفضائية على نطاق كبير بدقة الحل. وهو مفيد في خدمة منتجات معلومات الأراضي للتخصيص الذكي، والتعمق في فهم الأراضي الفضائية. وأخيرًا، عُرض البحث عن دراسة النماذج الكبيرة لحساب المعلمات الفضائية من حيث تكيفها / استقرارها، وتفسير النتائج / مصداقيتها.

large model;geospatial artificial intelligence (GeoAI);land spatial object-oriented modeling;land parameter solving;attention mechanism;deep learning network;agricultural production space