文章提出自主GIS作为下一代人工智能驱动的地理信息系统，利用生成式AI（如大语言模型）作为决策核心，自动生成和执行地理处理工作流以进行空间分析。文章阐述了自主GIS的五个自主目标、五个自主级别、三个操作规模，并通过概念验证展示了其在空间数据检索、空间分析和地图制作中的应用。同时，文章指出了自主GIS面临的关键挑战和未来研究方向，包括决策核心的微调与自增长、自主建模以及社会影响评估。
地理信息系统（GIS）历经从桌面系统到网络GIS、云GIS和网络GIS的演变，当前生成式人工智能的突破性发展为地理信息科学带来范式变革。文章提出自主GIS作为下一代GIS的核心形态，其本质是通过人工智能代理实现地理空间问题的自动化求解，包括数据收集、分析建模和结果可视化全流程。
自主GIS包含五大功能模块：决策生成（创建地理处理工作流）、数据准备（自动化收集与清洗空间数据）、数据操作（空间分析与可视化）、记忆处理（记录工作流与知识）和核心更新（通过任务经验微调AI模型）。这些模块协同实现地理分析任务的闭环执行。
文章定义五大自主目标：
建立五级自主化路径：
按资源能力划分三类规模：
自主建模需解决三大挑战：地理现象的多模型选择（如回归模型与空间交互模型）、时空动态表征的复杂性，以及创新性研究问题的生成机制。文章建议建立地理元模型框架指导AI理解系统关联性。
自主GIS部署需应对：
自主GIS标志着地理信息科学从工具辅助向智能代理的范式转变。其核心价值在于降低空间分析技术门槛的同时，通过自动化探索增强人类解决全球性挑战的能力。未来研究需着力突破空间编程能力增强、动态环境建模和人机协同机制，构建负责任的地理空间智能生态系统。