迈向智能地理空间数据发现：由大语言模型驱动的知识图谱多智能体框架

地理空间数据在体量、多样性和速度上的快速增长，造就了高度分布式、异构且语义不一致的数据生态。现有数据目录、门户和基础设施在很大程度上仍依赖关键词检索，语义支持有限，常无法捕捉用户意图并导致较弱的检索性能。为应对这些挑战，本研究提出一个由大语言模型（LLM）驱动、知识图谱驱动的多智能体框架，用于智能地理空间数据发现。该框架引入统一地理空间元数据本体作为语义中介层，以对齐跨平台异构元数据标准，并构建地理空间元数据知识图谱来显式建模数据集及其多维关系。在此结构化表示基础上，框架采用多智能体协作架构执行意图解析、知识图谱检索和答案合成，形成从用户查询到结果的可解释闭环发现过程。代表性用例和性能评估的结果显示，与传统系统相比，该框架显著提升了意图匹配准确率、排序质量、召回率和发现透明度。本研究推动地理空间数据发现走向更具语义、意图感知和智能的范式，为下一代智能与自主空间数据基础设施提供了实用基础，并为Autonomous GIS的更宏阔愿景作出贡献。