分享三个AI（Nano Banana）结合GIS应用方向
最近一段时间里，Nano Banana 可谓是爆火，网上出了不少关于Nano Banana的新鲜玩法，什么生成手办啊、图片修复、建筑图片生成模型等。小编也是被吸引过去玩了一下，发现了两个与GIS有关的小应用，今天给大家分享一下提示词（Code is Cheap ，show me the talk）。
场景一：从照片推断拍摄地理位置
这是一个很有趣的赛道，相信大家都看过不少博主根据一张照片，结合各种地图、人文、光照、地质等条件成功推断出图片的拍摄位置的视频，甚至还能推测出具体在哪个建筑拍摄的。这类视频看的小编内心澎湃，但奈何自己没文化，每次尝试几次推理之后都找不到头绪。但现在有了Nano Banana等AI之后，这个功能门槛直接被拉低了。
提示词：
推测图片的拍摄位置
原图：
运行结果：
这张照片是在美国纽约市拍摄的, 推断依据：
- 商店招牌： 左侧大楼上清晰可见“BLOOMINGDALE'S”的标志，这是一家著名的美国高档百货公司，在纽约市拥有旗舰店。
- 出租车： 照片中黄色的出租车是纽约市的标志性“Yellow Cab”。
- 建筑风格： 周围的摩天大楼和城市街道的风格与纽约市的景观高度一致。
- 旗帜： 建筑物上悬挂的美国国旗进一步证实了地点。
不过小编测试了一下，这个结果仅对美国等地的照片友好，面对国内的照片的时候基本就是瞎猜测。国内拍摄的图片，经过小编认真测试，还是国内的AI表现的稳定一点，比如这张：
Nano Banana 推测是在上海拍摄的，但实际是小编在武昌江滩拍摄的，使用元宝的模型，得到的结果是：
基于现有信息，我推断拍摄地点最可能是武汉（如从武昌江滩拍摄汉口天际线）或上海（如从长江口附近拍摄浦东天际线）。
推理理由见图：
另外小编测试了其他几张图片，比如咸宁131、庐山芦林湖等，结果表现都是国内的DeepSeek都要明显优于Nano Banana，并且给的推理结果也十分充分。
场景二：基于地图生成照片
这个是目前比较火的一个玩法，直接给一张地图，拉一个箭头，然后让AI生成一张照片，这个场景下，Nano Banana 模型效果非常不错。
提示词：
draw what the red arrow sees
输入及输出结果：
不过小编测试了一下，这个结果仅对美国或者国内相对大城市友好，上海的测试结果挺不错的，但使用武汉的地图的话生成的照片基本是合成的，小编推测可能街景采集没有足够的数据的缘故。
场景三：基于地形图生成照片
做GIS的一定记得自己被那密密麻麻的等高线所支配的痛苦吧，很多大佬基本上看到等高线图就能直接知道大约的地形是什么样的，但非专业的人员可能就要费力一点，有了Nano Banana，这个场景也可以非常容易被实现。
提示词和上面的一样：
draw what the red arrow sees
输入及输出结果：
是不是很神奇，和我想象的差不多少。不过要注意：不要上传涉密的地图，不要上传涉密的地图，不要上传涉密的地图！！！！
网友补充
@DY. nano banana卫星影像转手绘地图或者插画地图效果也挺不错的
结语
目前小编发现的就是这些，如果还有其他更好的方向，也欢迎留言分享。也请大家多多关注麻辣GIS，有其他玩法，小编也会在第一时间更新，毕竟咱地图也是图啊～
相关阅读
声明
1.本文所分享的所有需要用户下载使用的内容（包括但不限于软件、数据、图片）来自于网络或者麻辣GIS粉丝自行分享，版权归该下载资源的合法拥有者所有，如有侵权请第一时间联系本站删除。
2.下载内容仅限个人学习使用，请切勿用作商用等其他用途，否则后果自负。
感觉国内严格的测绘地理信息管控政策，限制了地图应用的蓬勃发展。比如街景地图记录了历史的街道风貌，而国内比谷歌地图街景相对较少，导致历史上规模最大的中国城市化进程未被完整记录，有点可惜。
空间大模型依赖于泛地理信息数据的积累，比如照片、视频、gps轨迹、航拍、三维模型、历史地图、建筑模型、文字隐含地理信息等，这些数据的积累在未来可能是一笔宝藏，谷歌的数据优势很有可能让它可以继续领先。