GIS×AI活用ガイド

# 地図画像の説明生成
def analyze_map_image(image_path):
    prompt = """
    この地図画像を分析してください：
    1. 表示されている地域
    2. 主な地物（道路、建物等）
    3. 特徴的なポイント
    """
    # VLMで処理
    result = vlm_process(image_path, prompt)
    return result

# 航空写真から建物を検出
def detect_buildings(image_path):
    prompt = """
    この航空写真から建物を検出してください。
    各建物について：
    - おおよその位置（画像内の座標）
    - 建物の種類（住宅、商業施設等）
    - 大きさの目安
    """
    result = vlm_process(image_path, prompt)
    return result

def normalize_address(address):
    prompt = f"""
    以下の住所を正規化してください：
    - 都道府県から記載
    - 数字は半角
    - ハイフンは「-」に統一

    入力：{address}
    出力（住所のみ）：
    """
    return call_llm(prompt)

# 使用例
addresses = [
    "東京都新宿区１－１",
    "新宿区1-1",
    "東京 新宿 1丁目1番"
]
for addr in addresses:
    print(normalize_address(addr))

def extract_place_names(text):
    prompt = f"""
    以下のテキストから地名（都市、地区、施設名）を抽出してください。
    JSON形式で回答：
    {{"places": ["地名1", "地名2", ...]}}

    テキスト：{text}
    """
    return call_llm(prompt)

def generate_gis_report(data):
    prompt = f"""
    以下のGIS分析結果からレポートを作成してください。

    データ：
    {data}

    形式：
    1. 概要（3行）
    2. 主な発見事項
    3. 考察
    """
    return call_llm(prompt)

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

def train_risk_model(training_data):
    """
    リスク予測モデルの学習
    """
    # 特徴量
    features = ['elevation', 'slope', 'distance_to_river',
                'soil_type', 'vegetation']

    X = training_data[features]
    y = training_data['risk_level']

    model = RandomForestClassifier()
    model.fit(X, y)

    return model

def predict_risk(model, grid_data):
    """
    グリッドデータに対するリスク予測
    """
    predictions = model.predict(grid_data)
    return predictions

# Python環境
pip install geopandas
pip install shapely
pip install rasterio
pip install requests  # Ollama API用

# Ollama
ollama pull qwen2.5
ollama pull llava  # 画像対応