美国国家地理空间情报局计划用人工智能替代手动地理空间分析

美国国家地理空间情报局（NGA）于2026年3月16日发布了一项信息请求，寻求行业解决方案，以开发一种自动化系统，从图像和地图中提取地理空间特征，作为其基础数字双胞胎计划的一部分。

该机构正在探索自动特征提取（AFE）技术，这些技术能够直接从图像和栅格地图中检测、提取和分类现实世界中的物体，如建筑物、道路、基础设施和地形特征。该系统预计将作为一种服务，通过应用程序编程接口访问，并集成到现有的NGA系统中。

NGA表示，该能力旨在支持其在GEOINT 2035概念下的长期现代化目标，该目标专注于更快速和更准确地向决策者提供情报。

该信息请求概述了系统的关键技术要求。解决方案必须能够处理多种数据类型，包括电光、合成孔径雷达、高光谱和多光谱图像。它们还必须处理单幅图像和大规模批处理，覆盖不同的地理区域。

该系统要求能够自动检测物体，生成准确的几何表示，并根据可观察特征分配属性。这些功能——物体检测、几何提取和属性分配——构成了AFE能力的核心。

根据NGA的要求，该系统必须在处理过程中保持空间精度、元数据和特征之间的关系。它还必须提供置信度指标，以指导分析师在验证和修正任务中的工作。

该机构还要求与标准地理空间格式（如GeoDatabase和Shapefile）兼容，以确保与现有情报系统的集成。安全要求包括遵守美国情报界标准，并支持基于用户角色和安全许可的受控访问。

NGA正在寻求能够实现高精度水平的解决方案。根据附带的技术问题，该机构的目标是实现至少90%的客观精度阈值，并希望在某些特征类型上达到99%的精度。

该机构还概述了具体的使用案例，以指导行业响应。这些包括识别建筑物和基础设施、绘制交通网络、检测电力线和管道等公用设施，以及提取跑道和直升机停机坪等航空特征。

例如，该系统应能够绘制整个城市区域，分类建筑类型，并将结构链接到更大的设施，如军事基地。它还应能够分析交通路线，识别瓶颈，并评估基础设施的限制。

AFE能力预计将支持民用和军事情报功能，包括制图、导航、基础设施分析和作战规划。

从技术角度来看，该系统将高度依赖于经过训练的人工智能和机器学习模型，以识别图像中的模式。这些模型将处理传入数据，识别相关特征，并将其转换为结构化的地理空间数据集。

自动化特征提取解决了快速处理大数据集的需求，从而加快决策过程，提高军事和情报操作中的态势感知。