从“数据一张图”到“知识一张图”：国土空间信息模型（TIM）的构建与实践
党中央、国务院印发的《全国国土空间规划纲要（2021—2035年）》和《数字中国建设整体布局规划》明确提出，推动国土空间治理数字化、智能化转型。2023 年 9 月，自然资源部办公厅印发《全国国土空间规划实施监测网络建设工作方案（2023—2027年）》，首次提出国土空间信息模型（Territory Information Model，TIM），要求构建"全域覆盖、动态更新、权威统一、三维立体、时空融合、精度适宜"的 TIM，打造"可感知、能学习、善治理、自适应"的智慧国土空间规划。
今年6月李强总理在主持国务院第二十次专题学习上要求，拓展国土空间规划“一张图”信息集成功能，推动跨部门跨层级共享共用，构建国土空间治理基础平台。TIM正在从国土空间信息模型向国土空间智能模型发展，以数据驱动、AI赋能、业务协同为运行逻辑，推动一张图从“看见”向“看懂”与“智断”发展，为提升治理效能提供有力支撑。
01 现实困境：数据汇聚之后，“经验”仍停留在人脑中
经过多年建设，各级自然资源部门已经基本实现现状数据、规划数据、管理数据和社会经济数据的汇聚，形成了可视、可查、可叠加的“数据一张图”。然而，在规划实施监测、用途管制、确权登记、权益维护等实际业务中，仍存在以下突出矛盾：
看得清现状，判不准规则。系统能够叠加显示生态保护红线、永久基本农田、城镇开发边界等控制线，但无法自动判定建设项目的"允许—限制—禁止"准入类型，也无法联动用地预审、规划调整、农转用报批等后续程序；
查得到图形，理不顺关系。林权证、承包经营权证、宅基地证分散在不同登记阶段，空间交叉、权利重叠等历史遗留问题难以被系统自动识别；
融得了数据，构不成推理。数据层之间缺少统一语义关联，业务规则以经验形式存在于经办人员和科室文件中，无法沉淀为可复用、可执行、可解释的数字资产。
究其根源，“数据一张图”本质上是以数据为中心的集成展示，而国土空间治理需要的是以知识为中心的关联推理。数据在库里而经验逻辑在人脑中——这正是当前数字化治理的瓶颈所在。
02 理念思维：一次从“信息体”到“智能体”的升维
吴志强院士提出，从BIM到CIM再到TIM，不是简单的空间范围扩大，而是从静态建模到智能生长的范式跃迁。我们认为TIM的内涵可概括为"三体"递进：数据体是基础，信息体是深化，智能体是目标。
在这一认知框架下，TIM的构建至少包含三个关键升维：
从要素汇聚到语义建模：不仅要汇聚矢量、栅格、结构化、文档等多源数据，更要通过本体（Ontology）明确"空间对象是什么、有哪些属性、与谁有关系"；
从空间叠加到关系推理：通过业务规则、空间位置、业务编码、时空序列等方式，实现地块、控制线、规划对象、产业项目、证照、权利人等多要素的内联互通；
从人工判读到规则驱动：将国土空间用途管制、规划实施监督、权益维护等业务规则形式化，形成可执行、可追溯、可解释的规则链。03
03 构建实践：本体建模、实例映射、规则驱动、图谱生成、模型赋能
基于上述政策导向与理论框架，我们设计并实现了面向国土空间治理的TIM平台。平台以“本体建模—实例映射—规则驱动—图谱生成—模型赋能”为主线，形成相互咬合的技术闭环。
本体建模：把业务语义显式化
平台首先对国土空间治理中的核心概念进行形式化定义，构建三层本体体系：
对象本体：包括地块（宗地）、控制线（生态保护红线、永久基本农田、城镇开发边界等）、规划对象、产业项目、证照（林权证、承包经营权证、宅基地证、建设用地证等）、权利人、指标等；
关系本体：包括空间关系（位于、相邻、交叉、嵌套、重叠等）、业务关系（登记于、权属人、占用、对应等）和约束关系（压占、冲突、禁止、提示等）；
规则本体：将业务办理规程抽象为可执行规则，例如“产业项目意向地块为现状农用地的，提示办理农转用：宗地与宗地空间交叉的，触发界址争议核查”等。
通过本体建模，机器能够以审批人员的概念体系“读懂”国土空间业务。
实例映射：对象按照本体逻辑映射与关系计算
在本体框架下，平台将现实中的地块、项目、证照等映射为实例。以地块对象为例：当用户在地图上绘制或调整一个地块范围时，系统自动完成空间关系计算，并将结果以“计算边”的形式写入知识图谱。具体包括：
与生态保护红线、永久基本农田、城镇开发边界等控制线的压占判定；
与既有规划对象、周边地块的空间关系判定（位于、相邻、交叉、嵌套等）；
控制线冲突的语义状态标注，例如红线压占标记为"阻断"，地灾易发区标记为“预警”。
空间关系不是人工录入的，而是基于几何算法实时计算、自动更新，对于业务规则核心采用语义理解，自动生成该对象应遵守的规则约束，并与空间对象关联。当实例的空间范围或属性发生变化时，全场景关系网会自动重算，避免旧边残留、结论过时。
规则驱动：让业务规则可执行、可追溯
在知识图谱的基础上，规则引擎沿着“对象—关系—规则”链自动执行审查，举例如下：
R1-R11选址合规链（siting场景）：现状地类允许建设性、生态保护红线压占、永久基本农田压占、城镇开发边界、地灾风险区等11项；扩展规则覆盖R9农转用提示；
L1-L6项目全生命周期链（lifecycle场景）：立项、报批、供地、建设、验收等阶段的合规性检查；
D1-D6一地多证治理链（multicert场景）：识别台账、同权利人变更注销、争议调处、地类认定、征占未注销、落宗检查；
M1-M6海域使用管理链（marine场景）：用海类型、用途管制、空间约束、陆海统筹等审查规则。
每一条结论都不是黑箱输出，而是白盒推理：结论、依据规则、涉及对象、空间位置一一对应，可核验、可追责。
图谱生成：从计算结果到可视化知识网络
要让业务人员真正“读懂”这些关系，还需要将其转化为可交互、可探索的知识图谱。平台采用图数据库与前端力导向可视化引擎相结合的方式，将实例及其空间关系、业务规则关系以节点—边的形式动态呈现。
具体而言，当实例完成映射或关系发生变化时，图谱会同步更新和生成：
实时生成图谱三元组：例如将"地块—位于—城镇开发边界内""项目—意向—地块""宗地—登记于—林权证"等关系写入图结构；
自动布局与分层渲染：按对象类型（空间对象、控制线、规划对象、产业项目、证照等）对节点着色、分层，关键关系边以不同线型区分；
支持交互式探索：点击任意节点可展开其属性详情与关联关系，聚焦单实例子图，或按业务场景切换视图；
与地图双向联动：图谱中选中节点，地图自动定位并高亮对应几何对象；地图上选取要素，图谱同步聚焦。
图谱生成
模型赋能：可解释的智能推理
当前，大语言模型在垂直领域的应用普遍存在“答得出一般规定、答不出具体地块”的问题。平台采用“知识图谱负责事实、规则引擎负责结论、大模型负责表达”的分工模式：
用户以自然语言提出问题；
大模型理解问题意图并组织回答结构；
知识图谱和规则引擎提供具体地块、具体规则、具体结论；
最终生成一份带规则依据、带对象追溯、带空间关系的审查报告。
这种模式既发挥了通用大模型的语言理解能力，又规避了其在事实准确性和可解释性上的不足，使智能问答成为被本体约束、被规则校验的可信服务。
数据底座、知识图谱、地图图谱问答联动
场景的落地验证
目前，TIM 平台已在多类典型业务场景中完成端到端验证（演示均为测试数据，非真实数据）：
产业项目选址合规审查
建设项目全生命周期图谱
一地多证权属重叠化解
04 结论与展望
从“数据一张图”到“知识一张图”，本质是从“以数据为中心”向“以知识为中心”的治理范式转变。TIM不是对 CIM或“一张图”的替代，而是对其能力的升维：在统一时空框架之上，通过本体建模、要素关联、规则驱动和智能服务，使国土空间数据从“可视”走向“可算”、从“可查”走向“可断”。
正如UP前沿论道多位专家所指出的，TIM的终极目标是一个具备“自我生长、自我循环、自我适应”能力的数字化生态和智能体。下一步，平台将在以下方向持续演进：
规则本体的自学习：从历史审批案卷中自动归纳沉淀新规则，降低规则维护成本；
多层级模型贯通：按照国家级、省级、市级、县级、乡镇级五级事权，探索TIM模型的分级适配；
与大模型、智能体的深度融合：在严守可解释、可追溯底线的前提下，进一步释放空间智能的决策辅助能力。
从数据到知识，从查图到推理，从人找问题到问题找人——国土空间治理的“数智化”转型，正在由TIM筑牢底座。
