GIS研习社 GIS研习社
编程与开发 Streamlit Streamlit Qwen/Qwen2.5-7B

地理空间分析Web应用开发难？Streamlit+Qwen2.5-7B智能体实战（附：GIS交互模板）

编程与开发
Dr.GIS
wowwwai GIS研习社 · 工具流程与项目排障

《地理空间分析Web应用开发难？Streamlit+Qwen2.5-7B智能体实战（附：GIS交互模板）》这篇文章，面向想快速做出 GIS 分析 Web 应用的同学和工程师：你不一定要先搭完整前后端，也不一定要从零写复杂的 WebGIS 框架，可以先用 Streamlit 做交互界面，用 Qwen2.5-7B 作为自然语言分析智能体，再把 GeoPandas、Folium、PyDeck、Shapely 等 GIS 工具串起来，完成一个可演示、可扩展的地理空间分析应用原型。

地理空间分析Web应用开发 Streamlit Qwen2.5-7B智能体 GIS交互模板
Streamlit + Qwen2.5-7B 构建 GIS 智能分析 Web 应用的基本工作流。

引言：为什么用 Streamlit + Qwen2.5-7B 做地理空间分析 Web 应用

很多 GIS 读者在做项目汇报、课程设计或内部工具时，会遇到一个典型问题：空间分析逻辑已经会写，但不知道怎样快速做成一个可以点击、可以上传数据、可以交互提问的 Web 应用。

如果直接上 Vue、React、OpenLayers、后端 API、数据库权限、地图切片服务，学习成本会比较高。对于原型验证、教学演示和小型内部工具，Streamlit 更适合快速起步。

Streamlit 的优势是：用 Python 就能写页面，天然适合和 GeoPandas、Rasterio、PyProj、Folium、PyDeck、Matplotlib 等 GIS 分析库结合。再接入 Qwen2.5-7B 这类大语言模型后，可以让用户用自然语言描述需求，例如“找出距离学校 500 米以内的医院”，应用再把需求转换为分析参数和处理步骤。

本文聚焦一个具体目标：搭建一个地理空间分析 Web 应用原型，让用户上传空间数据、输入自然语言问题，由 Qwen2.5-7B 智能体辅助识别分析意图，并调用 Python GIS 函数返回地图和结果表。

背景：传统 GIS Web 应用开发卡在哪里

很多 GIS Web 应用不是难在某一个按钮，而是难在多个环节同时出现：

  • 前端要做地图交互、图层控制、表格展示和参数输入。
  • 后端要处理空间数据上传、坐标系转换、空间查询和结果导出。
  • 空间分析函数要考虑几何合法性、投影单位、数据量和异常值。
  • 普通用户并不熟悉缓冲区、叠加分析、空间连接等 GIS 术语。
  • 如果使用大模型，还要防止模型“凭空生成结果”，必须让它调用真实工具函数。

因此，一个实用的 Streamlit + Qwen2.5-7B GIS 智能体，不应该只是聊天窗口，而应该具备三个能力：

  1. 读取用户上传的真实空间数据。
  2. 把自然语言问题解析成明确的 GIS 分析任务。
  3. 调用可控的 Python GIS 函数，输出可验证的地图、表格和日志。

关键原则：大模型负责“理解意图和组织流程”，GIS 库负责“真实计算”。不要让模型直接编造面积、距离、数量和空间关系。

原理：Streamlit、Qwen2.5-7B 与 GIS 工具如何分工

在这个地理空间分析 Web 应用中，可以把系统拆成四层。

1. 交互层：Streamlit

Streamlit 负责页面交互，包括文件上传、参数输入、地图展示、聊天框、结果表格和下载按钮。它的定位不是替代专业 WebGIS 框架，而是让 Python GIS 分析能力快速变成可访问的 Web 页面。

2. 智能体层：Qwen2.5-7B

Qwen2.5-7B 负责理解用户自然语言，例如把“统计每个街道内的公园数量”识别为“点面空间连接 + 分组统计”。在实际项目中，它可以部署为本地推理服务，也可以通过兼容 OpenAI 风格的接口调用。

需要注意：不同部署方式的接口参数可能不同，本文代码采用“可替换 LLM 调用函数”的方式组织，便于你替换为本地 Ollama、vLLM、LM Studio 或企业内部模型服务。

3. GIS 分析层：GeoPandas、Shapely、PyProj

GeoPandas 负责读取矢量数据、属性表处理、空间连接、缓冲区、叠加分析和导出结果。Shapely 负责几何计算，PyProj 负责坐标系转换。

这里最容易出错的是坐标系。距离和面积分析通常不应直接在 EPSG:4326 经纬度坐标系下计算，否则单位是“度”，不是米。

4. 可视化层：Folium 或 PyDeck

Folium 适合做 Leaflet 风格的二维交互地图，便于叠加 GeoJSON 图层。PyDeck 适合展示大量点、线、面和三维效果。本文模板优先使用 Folium，因为它对 GIS 初学者更直观。

步骤：搭建 Streamlit + Qwen2.5-7B GIS 交互模板

步骤 1：准备 Python 环境

建议使用独立虚拟环境，避免和 ArcGIS Pro、QGIS 自带 Python 环境混用。下面是一个适合原型开发的依赖组合：

pip install streamlit geopandas shapely pyproj fiona folium streamlit-folium pandas requests

如果你的电脑安装 GeoPandas 依赖失败，优先使用 Conda 环境：

conda create -n gis-agent python=3.11
conda activate gis-agent
conda install -c conda-forge geopandas shapely pyproj fiona folium pandas
pip install streamlit streamlit-folium requests

步骤 2：建议的项目目录

一个清晰的目录结构能减少后期维护成本：

gis-agent-app/
  app.py
  llm_client.py
  gis_tools.py
  data/
  outputs/
  README.md
  • app.py：Streamlit 页面入口。
  • llm_client.py：封装 Qwen2.5-7B 调用。
  • gis_tools.py：封装空间分析函数。
  • data：临时存放上传数据。
  • outputs：存放分析结果。

步骤 3：封装 Qwen2.5-7B 调用函数

为了便于替换模型服务，先写一个通用的 LLM 调用函数。下面示例假设你的 Qwen2.5-7B 服务提供了兼容聊天补全的 HTTP 接口。实际地址、鉴权和字段名称请按你的部署方式修改。

# llm_client.py
import requests

def ask_qwen(user_question, layer_summary):
    system_prompt = """
你是一个GIS分析助手。你的任务是把用户问题解析成结构化GIS任务。
只能返回JSON，不要编造分析结果。
可选任务类型：
1. buffer_query：缓冲区查询
2. spatial_join_count：空间连接统计
3. attribute_filter：属性筛选
4. describe_layer：图层概览
如果问题无法判断，返回 task_type=unknown。
"""

    user_prompt = f"""
图层信息：
{layer_summary}

用户问题：
{user_question}

请返回JSON，字段包括：
task_type, target_layer, distance_m, filter_field, filter_value, group_field, explanation
"""

    payload = {
        "model": "qwen2.5-7b",
        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ],
        "temperature": 0.1
    }

    response = requests.post(
        "http://localhost:8000/v1/chat/completions",
        json=payload,
        timeout=60
    )
    response.raise_for_status()
    return response.json()["choices"][0]["message"]["content"]

这里把 temperature 设置得较低，是为了减少随机性。GIS 分析应用更需要稳定、可解释，而不是每次回答都很“有创意”。

步骤 4：编写 GIS 工具函数

下面先实现三个常用函数：图层概览、自动投影到米制坐标系、缓冲区分析。实际项目中，可以继续扩展叠加分析、最近邻分析、空间连接统计等函数。

# gis_tools.py
import geopandas as gpd

def read_vector(file_path):
    gdf = gpd.read_file(file_path)
    if gdf.empty:
        raise ValueError("图层为空，请检查上传的数据。")
    if gdf.crs is None:
        raise ValueError("图层缺少坐标系，请先定义CRS。")
    return gdf

def summarize_layer(gdf):
    return {
        "feature_count": int(len(gdf)),
        "geometry_types": list(gdf.geometry.geom_type.unique()),
        "crs": str(gdf.crs),
        "columns": list(gdf.columns)
    }

def to_metric_crs(gdf):
    if gdf.crs is None:
        raise ValueError("数据缺少坐标系，无法进行距离分析。")

    if gdf.crs.is_geographic:
        centroid = gdf.geometry.unary_union.centroid
        lon = centroid.x
        lat = centroid.y
        zone = int((lon + 180) / 6) + 1
        epsg = 32600 + zone if lat >= 0 else 32700 + zone
        return gdf.to_crs(epsg=epsg)

    return gdf

def buffer_layer(gdf, distance_m):
    metric_gdf = to_metric_crs(gdf)
    result = metric_gdf.copy()
    result["geometry"] = result.geometry.buffer(distance_m)
    return result

def attribute_filter(gdf, field, value):
    if field not in gdf.columns:
        raise ValueError(f"字段不存在：{field}")
    return gdf[gdf[field].astype(str).str.contains(str(value), na=False)]

这里的 to_metric_crs 函数使用 UTM 分带做近似投影，适合中小范围数据的原型分析。如果是全国、省域跨带或高精度工程测量，应使用项目指定投影坐标系。

步骤 5：编写 Streamlit 主页面

下面是一个最小可运行的 GIS 交互模板。它支持上传 GeoJSON、Shapefile 压缩包解压后的文件路径需要自行扩展、GPKG 等 Fiona 支持的矢量格式。为了简化示例，这里以单文件 GeoJSON 或 GPKG 为主。

# app.py
import json
import tempfile
import streamlit as st
import geopandas as gpd
import folium
from streamlit_folium import st_folium

from llm_client import ask_qwen
from gis_tools import read_vector, summarize_layer, buffer_layer, attribute_filter

st.set_page_config(page_title="GIS智能分析应用", layout="wide")

st.title("GIS智能分析应用：Streamlit + Qwen2.5-7B")
st.write("上传空间数据，输入自然语言问题，调用真实GIS工具完成分析。")

uploaded_file = st.file_uploader(
    "上传矢量数据（建议使用GeoJSON或GPKG）",
    type=["geojson", "json", "gpkg"]
)

if uploaded_file:
    with tempfile.NamedTemporaryFile(delete=False, suffix=uploaded_file.name) as tmp:
        tmp.write(uploaded_file.read())
        file_path = tmp.name

    try:
        gdf = read_vector(file_path)
        layer_info = summarize_layer(gdf)

        st.subheader("图层概览")
        st.json(layer_info)

        left, right = st.columns([1, 1])

        with left:
            st.subheader("属性表预览")
            st.dataframe(gdf.drop(columns="geometry").head(20))

        with right:
            st.subheader("地图预览")
            view_gdf = gdf.to_crs(epsg=4326)
            center = [
                view_gdf.geometry.unary_union.centroid.y,
                view_gdf.geometry.unary_union.centroid.x
            ]
            m = folium.Map(location=center, zoom_start=11)
            folium.GeoJson(view_gdf.to_json(), name="上传图层").add_to(m)
            folium.LayerControl().add_to(m)
            st_folium(m, width=700, height=450)

        st.subheader("自然语言 GIS 分析")
        question = st.text_input("请输入问题，例如：给这个图层做500米缓冲区")

        if st.button("开始分析") and question:
            with st.spinner("Qwen2.5-7B 正在解析问题..."):
                raw_plan = ask_qwen(question, layer_info)

            st.write("模型解析结果：")
            st.code(raw_plan)

            try:
                plan = json.loads(raw_plan)
            except Exception:
                st.error("模型返回内容不是合法JSON，请调整提示词或增加JSON修复逻辑。")
                st.stop()

            task_type = plan.get("task_type")

            if task_type == "buffer_query":
                distance_m = float(plan.get("distance_m", 0))
                if distance_m <= 0:
                    st.error("缓冲距离必须大于0米。")
                    st.stop()

                result = buffer_layer(gdf, distance_m)
                result_wgs84 = result.to_crs(epsg=4326)

                st.success(f"已生成 {distance_m} 米缓冲区。")
                st.dataframe(result.drop(columns="geometry").head(20))

                m2 = folium.Map(
                    location=[
                        result_wgs84.geometry.unary_union.centroid.y,
                        result_wgs84.geometry.unary_union.centroid.x
                    ],
                    zoom_start=11
                )
                folium.GeoJson(result_wgs84.to_json(), name="缓冲区结果").add_to(m2)
                folium.LayerControl().add_to(m2)
                st_folium(m2, width=900, height=500)

            elif task_type == "attribute_filter":
                field = plan.get("filter_field")
                value = plan.get("filter_value")
                result = attribute_filter(gdf, field, value)
                st.success(f"筛选到 {len(result)} 条记录。")
                st.dataframe(result.drop(columns="geometry").head(50))

            elif task_type == "describe_layer":
                st.info("图层概览如下：")
                st.json(layer_info)

            else:
                st.warning("暂不支持该问题，请尝试缓冲区、属性筛选或图层概览类问题。")

    except Exception as e:
        st.error(f"处理失败：{e}")

步骤 6：运行应用

在项目目录下执行：

streamlit run app.py

浏览器会打开本地页面。你可以先上传一个 GeoJSON 点图层，然后尝试输入：

  • 给这个图层生成 500 米缓冲区。
  • 筛选名称包含学校的要素。
  • 概括一下这个图层有多少条数据和哪些字段。

如果模型返回的 task_type 不准确，不要急着改 GIS 函数，先检查提示词、图层摘要和示例问题是否足够明确。

常见坑：Streamlit GIS 智能体最容易出错的地方

1. 经纬度坐标系下直接计算距离

很多 GeoJSON 默认是 EPSG:4326，坐标单位是度。若直接 buffer(500)，结果不是 500 米，而是 500 度，地图会完全异常。

解决办法：距离、面积、缓冲区分析前，先转换到合适的投影坐标系，例如 UTM、国家或地方投影坐标系。

2. 让大模型直接输出分析结果

如果用户问“500 米内有多少医院”，模型可能会根据语言习惯直接回答一个数字。这在 GIS 应用中是不可接受的。

正确做法是：模型只返回任务计划，实际数量由 GeoPandas、PostGIS 或 ArcPy 计算。

3. 上传 Shapefile 时只上传了 .shp

Shapefile 不是单文件格式，通常至少需要 .shp、.shx、.dbf、.prj。只上传 .shp 往往会导致属性缺失或坐标系缺失。

原型阶段建议使用 GeoJSON 或 GPKG。正式系统中可支持 zip 上传后自动解压。

4. 模型返回 JSON 不稳定

即使提示词要求“只返回 JSON”，模型有时也会附带解释文字。解决方法包括：

  • 降低 temperature。
  • 在 system prompt 中强调只返回 JSON。
  • 增加 JSON Schema 校验。
  • 对返回内容做 JSON 提取和修复。
  • 在生产环境中使用工具调用或函数调用机制。

5. 数据量过大导致页面卡顿

Streamlit 适合原型和中小数据量工具。如果一次加载几十万面要素，再转 GeoJSON 给浏览器渲染，页面很容易卡顿。

可选优化包括：

  • 地图预览只显示抽样数据。
  • 对几何进行简化。
  • 使用 PostGIS 做后端空间查询。
  • 使用矢量瓦片替代一次性 GeoJSON 加载。
  • 只在表格中展示前若干行结果。

方法比较：Streamlit、传统 WebGIS 与 PostGIS 后端怎么选

方案 适合场景 优点 限制
Streamlit + GeoPandas 教学演示、原型验证、小型内部工具 开发快，Python GIS 生态友好，部署简单 不适合高并发和超大规模地图渲染
Streamlit + Qwen2.5-7B 智能体 自然语言 GIS 分析、低门槛交互、辅助参数配置 用户不用记复杂工具名，可通过问答触发分析 必须控制模型输出，不能让模型替代真实计算
Vue 或 React + OpenLayers 正式 WebGIS 产品、复杂地图交互 前端能力强，交互可定制，适合生产系统 开发周期更长，需要前后端协作
PostGIS + API 服务 多用户、大数据、稳定业务系统 空间索引强，适合复杂查询和数据管理 需要数据库设计、接口开发和权限控制
ArcGIS Enterprise 或 GeoServer 企业级地图服务和空间数据发布 服务体系成熟，便于图层发布和权限管理 部署和运维成本更高

如果你的目标是“尽快把 GIS 分析能力做成一个可演示的 Web 应用”，Streamlit + Qwen2.5-7B 是很好的起点。如果目标是长期生产系统，则建议逐步引入 PostGIS、API 服务、前端地图框架和权限体系。

检查清单：上线前至少检查这些问题

  • 坐标系：数据是否有 CRS？距离和面积分析是否使用米制投影坐标系？
  • 数据格式：是否优先支持 GeoJSON、GPKG 或 zip Shapefile？
  • 几何合法性：是否检查空几何、无效几何和混合几何类型？
  • 模型输出：Qwen2.5-7B 是否只输出结构化任务，而不是直接编造结果？
  • 异常处理：字段不存在、距离为空、坐标系缺失时是否给出明确提示？
  • 性能：大数据是否抽样预览？是否避免一次性渲染过大 GeoJSON？
  • 安全：上传文件是否限制类型和大小？是否避免执行用户输入的任意代码？
  • 可追溯：是否记录模型解析结果、分析参数和输出文件路径？
  • 可扩展：GIS 工具函数是否独立封装，方便后续接入 PostGIS 或 ArcPy？

FAQ：关于 Streamlit + Qwen2.5-7B GIS 应用的常见问题

Q1：Qwen2.5-7B 可以直接完成空间分析吗？

不建议让它直接完成真实空间分析。Qwen2.5-7B 更适合做自然语言理解、任务拆解、参数提取和解释说明。真正的缓冲区、叠加、空间连接、距离计算，应交给 GeoPandas、PostGIS、ArcPy 等确定性 GIS 工具。

Q2：Streamlit 能不能做正式 WebGIS 系统？

Streamlit 可以做内部工具、分析看板和原型系统，但如果你需要复杂图层管理、高并发访问、用户权限、地图编辑、瓦片服务和长期运维，通常需要传统前端框架、后端 API、PostGIS 和地图服务共同完成。

Q3：为什么我的缓冲区结果看起来特别大？

最常见原因是在 EPSG:4326 经纬度坐标系下直接做 buffer。请先把数据转换到合适的投影坐标系，再按米计算缓冲距离。

Q4：可以把 GeoPandas 换成 PostGIS 吗？

可以。原型阶段用 GeoPandas 更快；当数据量变大、多人访问或需要空间索引时，可以把空间分析迁移到 PostGIS。例如用 ST_Buffer、ST_Intersects、ST_DWithin、ST_Within 等函数完成查询，再把结果返回给 Streamlit 展示。

Q5：如何让 GIS 智能体支持更多分析类型？

建议按“一个任务类型对应一个工具函数”的方式扩展。例如增加 nearest_neighbor、overlay_intersection、clip_by_polygon、spatial_join_count 等 task_type。每增加一个任务，都要定义输入参数、输出结果、异常提示和测试样例。

Q6：本地运行 Qwen2.5-7B 对硬件有要求吗？

有。具体取决于模型量化方式、推理框架和并发需求。用于学习和原型开发时，可以选择较轻量的本地推理方案；如果是团队使用，建议部署为统一模型服务，并设置超时、限流和日志。

Q7：Streamlit 地图展示应该用 Folium 还是 PyDeck？

如果你主要展示常规二维 GIS 图层，Folium 更容易上手。如果你要展示大量点、三维柱状、轨迹或 WebGL 效果，PyDeck 更合适。对于初学者，建议先用 Folium 跑通流程，再按需求替换。

结论：先做可控的 GIS 智能体，再谈复杂平台化

地理空间分析 Web 应用开发并不一定要从完整 WebGIS 架构开始。对于教学、汇报、原型和内部分析工具，Streamlit + Qwen2.5-7B 可以快速打通“自然语言提问、GIS 参数解析、真实空间计算、地图结果展示”的闭环。

真正需要坚持的是两点：第一，大模型只负责理解和调度，不负责编造空间分析结果；第二，所有距离、面积和空间关系都要由可靠 GIS 工具在正确坐标系下计算。

如果你已经会写 Python GIS 脚本，可以先按本文模板把一个缓冲区分析、属性筛选或空间连接统计做成 Web 应用。等流程稳定后，再逐步接入 PostGIS、矢量瓦片、用户权限和正式前端框架，这样会比一开始就搭大平台更稳、更容易落地。