如果说传统 GIS 解决的是“地图在哪里、数据是什么”,那么 WebGIS 解决的是“如何让更多人通过网络使用地图和空间数据”。而今天,随着大模型、人工智能、实时数据和云计算的发展,WebGIS 正在迎来一次新的变化:
地图不再只是被人操作的界面,而正在成为能够理解问题、组织数据、调用工具、执行分析并辅助决策的智能空间入口。
这种发展趋势,可以概括为 Agentic WebGIS——智能体化 WebGIS。
本文不从复杂的技术细节出发,而是沿着 WebGIS 的发展脉络,回答三个问题:WebGIS 是怎么走到今天的?Agentic WebGIS 到底是什么?未来它又会走向哪里?

一、从纸质地图到 WebGIS:地图为什么要“上网”?
在人类历史的大部分时间里,地图都是一种静态的信息载体。
一张纸质地图可以告诉我们道路、河流、行政区划和地形的位置,但它有一个明显的问题: 地图是“死”的。
城市道路发生变化,地图需要重新绘制;人口数据更新,地图需要重新制作;如果想知道“距离我最近的医院在哪里”,还需要自己在地图上查找、测量和判断。
计算机出现以后,地图开始进入数字时代。
1. 数字 GIS:地图第一次“活”起来
早期 GIS 的核心变化,是把地图从纸张变成了计算机中的空间数据。
道路不再只是一条画在纸上的线,而可以表示为:
- 一组坐标;
- 一个道路名称;
- 一个道路等级;
- 一个速度限制;
- 一个长度;
- 甚至包括交通流量等属性。
这意味着计算机终于可以“理解”地图。
例如,我们不再只是看到两个地点之间有一条道路,而可以让计算机计算:
“两点之间最短的道路是哪一条?”
或者:
“距离学校 500 米以内有哪些居民区?”
这就是 GIS 最核心的能力之一:
把“空间关系”变成可以计算的问题。
二、WebGIS:地图从专业软件走向互联网
传统 GIS 虽然功能强大,但通常需要安装专业软件,数据、程序和用户也往往集中在特定的计算机或局域网中。
互联网改变了这一切。
WebGIS 的基本思想其实非常简单:
把 GIS 的数据、计算能力和地图显示能力放到网络上,让用户通过浏览器直接访问。
于是,用户不再需要安装一个复杂的 GIS 软件,只需要打开浏览器,就可以看到地图。
1. WebGIS 的第一次革命:地图“在线化”
早期 WebGIS 主要解决的是:
“如何把地图放到网页上?”
地图服务器负责提供空间数据和地图服务,浏览器负责显示。
用户点击、缩放、平移地图,浏览器不断向服务器请求新的地图内容。
这一阶段的 WebGIS,本质上还是一个“网络版 GIS 软件”。
它让 GIS 从少数专业人员手中的工具,逐渐变成了公众可以使用的互联网基础设施。
三、从“地图图片”到“空间数据”:WebGIS开始真正理解地理对象
随着网络技术发展,WebGIS 的重点逐渐从“传输地图图片”转向“直接访问空间数据”。
这是一项非常重要的变化。
想象一下:
传统地图服务更像是:
“给我一张北京的地图。”
现代 WebGIS 则更像:
“给我北京市所有地铁站的数据。”
进一步,还可以问:
“给我北京市所有距离天安门 3 公里以内的地铁站。”
这意味着地图背后的对象开始变得可查询、可分析、可组合。
国际开放地理空间联盟(OGC)正在推动这一方向。例如,OGC API – Features 就采用现代 Web API 的方式,为 Web 上的空间要素提供发现、查询和访问能力;OGC 也在逐步推动从传统 WMS、WFS 等服务向更加现代化的 Web API 体系演进。 OGC API+2
这背后的意义可以概括为一句话:
地图开始从“图片”变成“数据”。
四、云计算让 WebGIS 从“一张地图”变成“一个空间计算平台”
再往前一步,WebGIS 不只是提供地图,而开始提供越来越复杂的空间计算能力。
例如:
- 空间查询;
- 缓冲区分析;
- 路径规划;
- 空间叠加;
- 热点分析;
- 遥感影像分析;
- 三维可视化;
- 时空数据分析;
- 实时交通分析。
与此同时,云计算和分布式计算的发展,让 GIS 不必把所有数据和计算都放在一台服务器上。
于是,一个现代 WebGIS 的结构越来越像:
数据 → 服务 → API → 空间计算 → 可视化 → 应用
这时的 WebGIS 已经不再只是“网页地图”。
它开始成为一种空间信息基础设施。
五、实时 GIS:WebGIS开始看到“正在发生什么”
传统 GIS 有一个特点:
数据通常是过去某个时间点的记录。
例如:
2025 年的土地利用数据。
但现实世界一直在变化。
车辆在移动,人口在流动,天气在变化,河流水位在变化,城市中的传感器也在持续产生数据。
于是,WebGIS 开始进入一个新的阶段:
“静态地图” → “动态地球”
例如,一个城市交通 WebGIS 可以实时接收:
- GPS;
- 摄像头;
- 交通传感器;
- 气象数据;
- 道路事件;
- 公交车辆位置。
地图上的道路颜色因此不断变化。
此时地图表达的已经不只是:
“这里有一条道路。”
而是:
“这条道路现在正在发生什么。”
OGC 当前的 API 体系也已经覆盖 Features、Tiles、Maps、Processes、Moving Features、SensorThings 等不同类型的空间信息服务,反映出 WebGIS 正从单纯的地图发布走向更加完整的空间数据与计算生态。
六、三维 WebGIS:从“看地图”走向“看世界”
二维地图擅长表达平面上的空间关系,但真实世界显然不是二维的。
城市有高楼,地下有管线,地表有山地,空中有无人机,海洋还有水下空间。
因此,WebGIS 又逐渐进入三维时代。
我们开始在浏览器中看到:
- 三维城市;
- BIM 与 GIS 融合;
- 数字高程模型;
- 三维建筑;
- 地下空间;
- 数字孪生城市;
- 三维地球。
这使 GIS 的表达能力进一步接近现实世界。
如果说二维 WebGIS 是:
“地图上的世界”
那么三维 WebGIS 更接近:
“计算机里的世界模型”。
七、AI来了:WebGIS第一次拥有了“语言能力”
但是,前面的所有变化都有一个共同特点:
仍然需要人告诉 GIS 应该做什么。
用户需要知道:
- 数据在哪里;
- 哪个图层应该加载;
- 使用什么分析工具;
- 参数应该怎么设置;
- 分析结果应该如何表达。
对于 GIS 专业人员来说,这些并不困难。
但对于普通用户来说,问题就来了。
一个城市管理者可能只想问:
“帮我找出今年夏季最容易发生内涝、同时人口密度较高的区域。”
他并不想学习:
缓冲区分析、空间叠加、栅格计算、空间统计……
这恰恰给人工智能留下了巨大的空间。
八、从 AI + GIS 到 Agentic WebGIS
过去我们常说 GeoAI,即:
AI + Geospatial
它主要强调人工智能对地理空间数据的理解和分析。
例如:
- 从遥感影像中识别建筑物;
- 从卫星影像中检测变化;
- 预测道路交通;
- 识别土地利用;
- 进行空间预测。
而大语言模型的出现,让 AI + GIS 发生了更加深刻的变化。
因为大模型不仅可以“识别数据”,还能够:
理解人的意图。
这就产生了一个重要概念:
Agentic WebGIS
可以把它简单理解为:
让 WebGIS 从“工具”变成“智能空间智能体”。
传统 WebGIS 是:
人 → GIS工具 → 数据 → 结果
Agentic WebGIS 则可能变成:
人 → 自然语言 → GIS智能体 → 数据/API/工具 → 空间分析 → 地图/报告/行动
最大的变化不是“地图上增加了一个聊天框”。
真正的变化是:
GIS 开始具备了从“理解问题”到“规划任务”再到“调用工具”和“执行分析”的能力。
九、一个例子:如果 WebGIS 变成 Agent,会发生什么?
假设城市管理人员说:
“请帮我找出本市最需要增加公共绿地的区域,并说明理由。”
传统 WebGIS 需要用户自己完成一系列工作:
- 加载人口数据;
- 加载现有绿地;
- 加载道路;
- 加载土地利用;
- 计算人口密度;
- 分析绿地服务范围;
- 进行空间叠加;
- 设置评价指标;
- 制作专题地图;
- 输出分析结果。
而 Agentic WebGIS 可以尝试把这个过程变成:
“好的。我会综合人口密度、现有公共绿地覆盖率、居民到绿地的可达性以及土地利用情况进行分析。”
然后智能体开始工作。
第一步:理解任务
它把自然语言问题转换为空间分析任务。
第二步:寻找数据
自动寻找:
- 人口数据;
- 绿地数据;
- 道路网络;
- 土地利用数据;
- 其他相关数据。
第三步:制定分析方案
例如:
人口密度 + 绿地可达性 + 现有绿地覆盖率 → 综合评价
第四步:调用 GIS 工具
智能体调用空间查询、缓冲分析、网络分析、栅格计算等工具。
第五步:生成地图
把分析结果自动转换成专题地图。
第六步:解释结果
最后告诉管理人员:
“根据综合评价,A、B、C 三个区域的公共绿地短板最明显,其中 A 区人口密度最高、现有绿地覆盖不足,同时距离大型公共绿地较远,因此优先级最高。”
这时候,WebGIS 已经发生了质变。
用户不再需要操作 GIS,用户只需要提出空间问题。
十、Agentic WebGIS的核心,不是“大模型”,而是“智能体 + GIS能力”
这里有一个非常重要的区别。
如果只是:
“给 GIS 加一个 ChatGPT 聊天窗口。”
这并不等于 Agentic WebGIS。
真正的 Agentic WebGIS 至少应该具备几个核心能力。
1. 空间理解能力
智能体必须理解:
- 什么是位置;
- 什么是距离;
- 什么是邻近关系;
- 什么是空间范围;
- 什么是时间;
- 什么是空间尺度。
例如:
“离学校近,但距离高速公路远。”
这实际上包含多个空间关系。
2. 数据发现能力
智能体应该知道:
“回答这个问题需要什么数据?”
而不是让用户自己寻找几十个图层。
未来的空间数据目录可能不再只是给人浏览,而会同时面向 AI。
3. GIS工具调用能力
智能体不能只会“说”。
它必须能够调用真正的 GIS 工具,例如:
- 空间查询;
- 空间连接;
- 缓冲区;
- 叠加分析;
- 路径分析;
- 可视域分析;
- 栅格分析;
- 时空统计;
- 三维分析。
换句话说:
大模型负责“想”,GIS 引擎负责“算”。
4. 多智能体协作
未来甚至可能不是一个 Agent 完成所有事情。
例如:
- 数据 Agent:寻找和检查数据;
- GIS Agent:执行空间分析;
- 遥感 Agent:分析影像;
- 规划 Agent:进行城市规划评价;
- 可视化 Agent:生成地图;
- 报告 Agent:解释结果。
它们共同组成一个“GIS 智能体团队”。
十一、Agentic WebGIS真正改变的,是人与 GIS 的关系
过去几十年,人和 GIS 的关系大致经历了这样几个阶段:
第一阶段:人操作地图
人 → 地图
第二阶段:人操作 GIS
人 → GIS软件 → 地图
第三阶段:人通过 Web 使用 GIS
人 → WebGIS → 数据与地图
第四阶段:人通过自然语言使用 GIS
人 → AI → WebGIS
第五阶段:人提出目标,Agent自主完成空间任务
人 → Agent → 数据 + 工具 + GIS → 结果 + 行动
这可能是 WebGIS 下一阶段最重要的变化。
因此,Agentic WebGIS 的终极目标并不是让 GIS 变得“更复杂”,恰恰相反:
让复杂的 GIS 变得越来越不需要被用户直接操作。
十二、未来的 WebGIS,可能会出现哪些变化?
方向一:从“地图驱动”走向“问题驱动”
过去 WebGIS 的入口通常是一张地图。
未来入口可能变成一句话:
“哪里最适合建设新的医院?”
“哪些区域最容易发生洪涝?”
“如果这里修建一条地铁,会影响多少居民?”
“未来十年这个城市应该在哪里增加公共服务设施?”
用户面对的可能不再是几十个按钮,而是一个能够理解空间问题的智能助手。
方向二:从“数据查询”走向“数据自主发现”
未来用户可能不再需要知道:
“这个数据集叫什么名字?”
而只需要告诉 Agent:
“找最近三年的城市人口和绿地数据。”
Agent 自动完成数据发现、筛选、质量检查和匹配。
这要求空间数据拥有更加清晰的元数据、语义和机器可理解的接口。
OGC 正在推进的现代 Web API 体系,实际上正为这种机器间协作提供重要基础。其 API 采用模块化、资源导向的方式,并使用 OpenAPI 等现代 Web 技术构建空间数据接口。
方向三:从“单次分析”走向“持续智能”
传统 GIS 分析往往是:
做一次 → 得到一个结果。
未来 Agentic WebGIS 可能变成:
持续监测 → 自动发现变化 → 自动分析 → 自动提醒 → 必要时提出行动建议。
例如:
“持续监测城市内涝风险。”
系统发现降雨增强后,可以自动:
- 获取实时降雨;
- 更新水文模型;
- 重新计算风险区域;
- 更新地图;
- 判断影响人口;
- 向管理人员发出预警。
这时 WebGIS 就不只是“分析系统”,而开始成为一种空间智能基础设施。
十三、从数字孪生走向“智能孪生”
数字孪生解决的是:
“计算机里有一个现实世界的数字副本。”
而 Agentic WebGIS 可能进一步解决:
“这个数字世界能够理解现实、预测现实,并参与现实世界的决策。”
例如,一个城市数字孪生系统不仅展示:
哪条道路堵车。
还可以进一步回答:
“如果关闭这条道路 30 分钟,会发生什么?”
系统可以进行模拟:
交通数据 → 路网模型 → 情景模拟 → 交通预测 → 影响区域 → 可视化
如果再加入 Agent,它甚至可以比较多个方案:
“方案 A、B、C 哪一个对整体交通影响最小?”
这意味着:
数字孪生 + AI Agent + WebGIS = 面向决策的智能空间系统。
十四、从“二维地图”走向“时空世界模型”
未来 GIS 还可能发生一个更加根本的变化:
地图不再只是空间坐标的集合。
它可能逐渐成为一种包含:
- 空间;
- 时间;
- 物体;
- 行为;
- 状态;
- 关系;
- 事件;
- 因果信息
的综合世界模型。
例如,一栋建筑不只是:
一个 Polygon。
而可能包含:
建筑位置 + 高度 + 建成年份 + 用途 + 人流 + 能耗 + 周边环境 + 历史变化 + 当前状态 + 未来预测。
这时候,GIS 与:
- 知识图谱;
- 物联网;
- 数字孪生;
- 大模型;
- 机器人;
- 自动驾驶;
- 遥感
之间的边界会越来越模糊。
十五、Agentic WebGIS也会面临几个关键问题
当然,智能体化并不意味着 GIS 的所有问题都自动解决了。
恰恰相反,它会带来新的挑战。
1. AI会不会“胡说”?
GIS 是一个非常强调事实的数据领域。
如果 AI 判断:
“这个地方距离医院只有 500 米。”
但实际上距离是 2 公里,那么后果可能远比普通聊天中的错误严重。
因此,未来的 GIS Agent 必须做到:
每一个重要结论,都能够追溯到数据、算法和计算过程。
2. 谁来决定 AI 可以做什么?
如果 Agent 可以修改数据、发布地图甚至影响现实决策,就必须解决权限问题。
例如:
Agent 可以查询数据,但不能删除数据。
Agent 可以提出规划方案,但不能直接审批规划。
Agent 可以生成分析结果,但重大决策必须由人确认。
因此:
Human-in-the-loop(人在回路中)
将成为未来智能 GIS 的重要原则。
3. 空间数据的质量仍然是核心
再聪明的 Agent,如果拿到的是错误数据,也只能得到错误结果。
因此未来 GIS 的竞争力不仅来自模型大小,更来自:
高质量、可信、及时、可追溯的空间数据。
十六、WebGIS的下一站:从“Software”走向“Spatial Intelligence”
回顾 WebGIS 的发展,我们可以把它浓缩成一条路线:

这条路线背后的核心变化其实非常清楚:
地图 → 数据 → 服务 → 计算 → 智能 → 行动
过去,我们让计算机显示世界。
后来,我们让计算机分析世界。
现在,我们正在尝试让计算机:
理解世界、预测世界,并辅助我们改变世界。
十七、结语:未来的地图,可能不再只是“地图”
如果把 GIS 看成一棵树:
- 空间数据是它的根;
- GIS 算法是它的枝干;
- Web 是它的网络;
- 三维和实时数据是它不断长出的新枝;
- AI 则可能成为它新的“认知能力”。
而 Agentic WebGIS 的意义就在于:
让地图第一次拥有了“行动能力”。
未来,当我们打开一个 WebGIS 时,也许不再面对复杂的图层列表和工具栏,而只需要说:
“帮我看看这个城市未来最应该在哪里建设新的学校。”
系统会自己寻找数据、理解需求、进行空间分析、模拟不同方案、生成地图,并把结果解释给我们。
到那个时候,GIS 的使用门槛会大幅降低,但 GIS 本身的重要性反而会进一步提高。
因为我们使用 GIS 的方式,将从“操作地图”,转变为“与一个理解空间的智能体共同认识世界”。
这或许正是 WebGIS 从“网络地图”走向“空间智能”的下一站。