[GIS筆記] 運用 AI 助理 Antigravity 整理「流域情報開放地圖」：以濁水溪為例

2026流域探索_濁水溪

最近在研究 LASS 社群維護的「流域情報開放地圖」 QGIS 專案，這是一個集結了政府開放資料與民間調適計畫成果的龐大資料庫。

資料雖豐富，但若只想專注於特定流域（例如：濁水溪），要從全台的圖資中「萃取」並「整理」出有結構的資料，手動操作相當繁瑣。這次我嘗試透過 AI 助理 Antigravity 來協助處理，發現這是一個非常高效的工作流，特別是針對舊式 Shapefile 資料結構的梳理。

以下分享這次的實作筆記，以及一個關鍵的發現：河川代碼 CSV 的重要性。

1. 任務目標

從全台的 GIS 圖資中，提取出 濁水溪流域 的完整資料，並轉換成 Google Earth 可用的 KMZ 格式。需求包含：

在專案目錄中，主要的幾何資料位於 1-流域水文地理環境 下的 RIVERL.shp（全台中央管河川）。原本以為只要用 SQL 篩選 BASIN_NAME = '濁水溪' 即可，但 AI 分析後發現了一個隱藏的寶藏檔案：

📂 檔案位置：

這份 CSV 檔案是解析河川「拓撲關係（Topology）」的關鍵，沒有它，GIS 圖資就只是一堆沒有從屬關係的線條。所以也很容易做出下圖

Shapefile 本身雖然有 RV_NO (河川代碼)，但要從代碼反推「誰是誰的上游」需要複雜的解碼邏輯。而這份 CSV 直接建立了樹狀結構：

透過 Antigravity，我們利用 river_link 欄位快速算出了河川的「層級 (Stream Order)」，邏輯出奇簡單：

計算 river_link 被 @ 切割後的數量，再減去 2，就是該河川的層級。

這讓程式可以自動將數百條支流分類上色，完全不需要人工判斷。

有了邏輯後，我請 AI 撰寫了一個 Python 腳本 (export_zhuoshui_full_kmz.py)，執行了以下自動化步驟：

屬性篩選：從 RIVERL.shp 中撈出所有 BASIN_NAME 為「濁水溪」的圖徵。
幾何合併 (Merge)：
- 原始 Shapefile 中的河川通常是被切成很多小段的 (LineString)。
- 腳本將相同 RV_NAME 的幾何物件全部合併成單一的 MultiLineString。這解決了在 Google Earth 點選河川時「只會亮一小段」的困擾。
層級賦予：讀取 CSV，判斷每條河川是 Level 0, 1 還是 2。
KML 樣式生成：
- 🔴 Level 0 (主流)：紅色粗線
- 🟠 Level 1 (一級)：橙色中線
- 🟡 Level 2 (二級)：黃色細線
封裝 KMZ：最後將流域面 (Baisn Polygon) 與河道線 (River Lines) 打包成單一 KMZ 檔。

最終產出的 濁水溪流域完整地圖.kmz 結構非常乾淨。在 Google Earth 左側目錄中，不再是幾千條雜亂的線段，而是清楚分類的：

這次經驗顯示，在處理傳統 GIS 資料時，「資料表 (Table/CSV)」往往比「圖形 (Geometry)」更關鍵。透過 AI 快速理解資料表中的關聯邏輯，能大幅減少 GIS 手工編輯的時間，將數小時的工作縮短為幾分鐘的腳本執行。

備註：本專案使用之圖資來源為流域情報開放地圖，感謝社群貢獻。

AI 協作聲明：本文內容由筆者與 AI 助手 Antigravity 共同撰寫。AI 在本專案中協助分析了複雜的 Shapefile 與 CSV 資料結構，找出了關鍵的 river_link 拓撲邏輯，並撰寫了 Python 自動化腳本以完成大規模的 GIS 資料清洗與轉換。