职位描述1. 参与空间数据的获取、评估与整理：数字高程模型、正射影像、矢量数据（行政区划、道路、水系、建筑轮廓、POI）、倾斜摄影模型与激光点云，参与公开数据源筛选与客户数据的接收核验； 2. 参与空间数据的清洗与修复：缺失区域补齐、接边处理、异常值与噪声修正、拓扑错误修复、属性字段规范化、投影转换与坐标系统一——真实世界的数据几乎都有质量问题，把它们变成可用数据是这个岗位的核心价值； 3. 参与倾斜摄影模型与点云数据的处理：格式转换、坐标纠正、单体化、瓦片重组、抽稀与分类，处理模型悬浮、拉花、空洞等典型问题； 4. 把重复性的数据处理工作脚本化、自动化，参与建设可复用的处理流程与质检脚本，让"数据能不能用"有明确结论而非凭经验判断； 5. 参与 AI 方法在空间数据处理中的落地探索：点云语义分割、地物自动提取、影像变化检测、大模型辅助的陌生数据格式解析与异常排查。任职要求1、2027 届本科及以上学历，C9 及双一流院校地理信息科学、测绘工程、遥感科学与技术、摄影测量、地图学与地理信息系统等相关专业，硕士优先； 2、熟练掌握 Python，能独立编写数据处理脚本——这是硬性要求，本岗位大量工作依赖脚本化批处理而非界面点选； 3、掌握空间数据处理的基本原理：坐标系与投影转换（CGCS2000、WGS84、Web 墨卡托、高斯克吕格分带）、矢量与栅格数据结构、拓扑关系，理解七参数与四参数转换的适用条件； 4、使用过 ArcGIS 或 QGIS 完成实际的数据处理任务，了解 GDAL / OGR 的基本用法； 5、有独立完成的项目经历——课程设计、科研课题、竞赛作品、实习项目均可，要求能讲清数据来源、处理思路与遇到的质量问题； 6、具备深度使用 AI 编程工具的习惯，能说明你如何用它解析陌生数据格式、如何交叉验证其输出——空间数据领域的格式与坐标问题是 AI 最容易给出似是而非答案的地方； 7、具备扎实的数据质量判断意识：拿到一份数据能主动去看它对不对，而不是直接往下走。 加分项 1、熟悉 Python 空间数据生态（GeoPandas、Rasterio、Shapely、PyProj、laspy 等）； 2、接触过实景三维建模软件（ContextCapture / Metashape / DJI Terra 等），理解其处理流程与关键参数； 3、了解三维瓦片规范（3D Tiles）、OGC 服务标准（WMS / WMTS / WFS）或空间数据库（PostGIS）； 4、有点云深度学习、遥感影像智能解译、地物自动提取等方向的课题或竞赛经历； 5、有测绘或 GIS 方向的学科竞赛获奖、发表论文，或 GitHub 上可展示的数据处理工具。
