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。
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。
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。
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。
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。
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。
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。