工具
集中展示代码仓库、工具链、模型接口、SDK 与工程实践型资源，覆盖科研工作流中的关键实现入口。
弗吉尼亚州阿灵顿 — 2026年9月17日 — Open Geospatial Consortium (OGC) 今日宣布，Cesium 创始人、Bentley Systems 首席平台官 Patrick Cozzi 当选为 OGC 董事会董事。Cozzi 在开放标准、3D 地理空间技术及开发者社区建设方面拥有深厚经验。作为 Cesium 的创始人及长期……
AI Agents 的能力取决于其对数据的理解。CARTO 为 AI Agents 引入语义模型，提供其他层无法具备的空间上下文。
空间数据基础设施（SDI）长期存在运维成本高、使用难度大的问题。云原生格式、人工智能（AI）与数据主权理念正改变这一现状。本文介绍 Portolan 与 CARTO SDI。
CARTO 新推出的开源 Agentic Tools 库使任何 AI Agent 能够通过标准工具调用完全控制地图，包括图层、样式、分析和空间过滤器。
编码智能体现可通过自然语言提示设计完整的 CARTO 工作流：该工作流为多步骤、可审计且可直接共享。本文介绍 CARTO 智能体技能（CARTO Agent Skills）的实现机制。
介绍编程智能体如何仅凭单条提示词即可构建完整的 CARTO + deck.gl 应用（包括仪表板、故事地图及以 AI 为先的体验），其中 CARTO 负责性能优化与治理。
探讨企业团队为何从 Esri ArcGIS 转向云原生平台 CARTO，以及 AI Agent 如何端到端、分步骤地执行迁移任务。
在 Felt 中对栅格数据执行分区统计、波段分析、高程剖面和空间滤波操作（或直接询问 Felt AI）。
可再生能源数据与城市热岛效应的超分辨率建模（Sup3rUHI）引入机器学习方法，将高分辨率城市热岛（UHI）效应嵌入低分辨率的历史再分析数据及未来气候模型数据中。该数据集包含针对洛杉矶和西雅图训练的UHI估算模型，并提供开源软件及美国本土连续48州人口最多的50个城市的额外训练数据。研究展示了这些方法在高分辨率城市微气候建模中评估气候变化影响与降温策略的应用。该数据集旨在为城市规划者提供一种计算高效且可灵活适配的解决方案，以应对各类高温规划问题并优先部署降温策略。开源模型、软件与数据将助力在气候变化背景下构建更具高温韧性与可持续性的城市环境。
塞萨尔·德·拉富恩特（César de la Fuente）实验室利用 Codex 和 ChatGPT，在现存与已灭绝生物的基因组中搜索抗菌候选分子，以应对耐药性感染。
了解如何在 Power BI、Tableau、Looker Studio 及其他 BI 工具中嵌入 CARTO 地图，从而为仪表盘添加交互式空间数据可视化功能。
GPU 加速分析速度快，但全天候运行成本高昂。本文介绍如何利用云数据仓库（cloud data warehouse）中的空间分析功能，以更低的成本处理数十亿个空间点。
了解 CARTO 如何将地理空间分析能力集成至 Claude、ChatGPT 及任何兼容 MCP 的人工智能系统——涵盖工作流工具、交互式地图以及专为地理空间任务构建的命令行界面（CLI）。
超过 400 名空间数据专业人士齐聚 SDSC26 伦敦会议，共同探讨 GIS 的未来，涵盖智能体工作流、开放基础设施、环境风险及城市智能等领域。
本文介绍 CARTO for Agents 如何与 Snowflake Cortex Code 及 Snowflake Intelligence 集成，从而在 Snowflake 环境中实现完整的智能体地理信息系统（Agentic GIS）、地图、空间工作流及空间应用。
地理学与神经科学均核心关注人类在空间环境中的行为理解，但跨学科合作常受限于方法论与认识论假设的差异。为弥合这一鸿沟，我们提出认知神经科学中空间加工模型与地理空间表征之间的一种转化性联结。基于大脑预测潜在未来状态这一长期理论，预测地图假说（predictive map hypothesis）指出：空间中的位置依据其与未来可能位置的关联性而被编码。本文将该假说的一种形式化实现——后继表征（successor representation, SR）——适配至城市空间，由此构建出地理后继表征（geographic successor representation, gSR）。我们证明，这一关于地理表征的认知模型不仅能生成城市空间中若干引人注目的独特特征，且仍与大脑空间加工机制高度一致。我们概述了若干拓展该工作的有前景方向，并提出：gSR及其变体或可提供支持地理学与神经科学研究更深层次整合的空间表征。
今年 5 月，数百个恶意及垃圾软件包被上传至 RubyGems，对该托管平台造成严重干扰。目前，独立研究人员指出，此次攻击由一群 OpenAI 智能体（agents）发起。不仅如此，该 AI 还试图窃取用户的 API 密钥。当时，RubyGems 将此事件描述为……
地理空间分析在城市治理、环境监测与灾害管理中发挥着关键作用，但端到端自动化仍受限于数据获取碎片化、算子耦合复杂以及工作流可复现性不足等问题。本文提出 AutoGIS，一种以契约驱动的自主式地理信息系统（GIS）智能体框架，将地理空间分析建模为受可验证契约与环境反馈约束的程序综合问题。AutoGIS 包含数据智能体与代码智能体：数据智能体依托地理空间资产知识图谱（Geospatial Asset Knowledge Graph, GAKG）与满足性门控机制，实现无需显式数据路径的数据发现、获取与处理，生成可供分析使用的数据及数据契约；代码智能体则基于上述数据契约与算法契约，条件化生成 PyQGIS 代码，并利用堆栈跟踪与运行时日志实现自修复。此外，我们提出 QGIS-GPT，采用三阶段阶梯式对齐策略，以提升对长尾算子的理解与调用能力。实验表明，AutoGIS 在多源地理空间任务中显著提升了资产检索、任务编排、算法理解、代码生成及修复鲁棒性。缓冲区分析、归一化植被指数（NDVI）变化分析与基于规则的土地利用分类等案例研究，验证了其从用户意图到完整分析的端到端能力，为更可靠的自主地理空间建模奠定了基础。