Geoskill: 地下水补给潜力
基于多准则评估地下水补给潜力的空间分析工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Geoskill: 地下水补给潜力。 它的用途是：基于多准则评估地下水补给潜力的空间分析工具。 完整的 Skill 内容见：https://321skill.com/skills/geoskill-地下水补给潜力/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我需要评估这个区域的地下水补给潜力，这是地形、土壤和降雨数据。请使用AHP方法，并比较两种不同的权重方案。” 它会引导你设定AHP的判断矩阵，计算权重一致性，然后运行多准则分析，生成不同权重下的潜力分区图，并附上敏感性分析结果，帮助你做出更科学的规划决策。
介绍
该技能旨在解决水文地质、城市规划及环境保护领域中，如何科学识别地下水补给潜力区域的问题。传统方法往往依赖单一数据或经验判断，难以全面、定量地评估复杂地质与气候条件下的补给能力。
它通过集成地形、土壤、地质、土地利用、排水密度和降雨等多源空间数据，支持层次分析法（AHP）、加权叠加和模糊聚合等多种决策模型，对地下水补给潜力进行综合筛选与制图。用户可以提供相关数据图层和权重偏好，技能将自动完成计算、敏感性分析和空间验证，最终生成候选补给区地图。
该技能特别适合水文地质学家、环境规划师、水资源管理者以及相关领域的研究人员使用。他们可以利用该技能进行区域水资源评估、土地利用规划、或为地下水人工补给工程选址提供科学依据。
使用建议：确保输入的空间数据具有统一的坐标系和分辨率。进行敏感性分析有助于理解不同权重方案对结果的影响，提升决策的稳健性。注意，结果依赖于输入数据的质量和模型参数的合理性，应结合实地勘察进行验证。
核心特点
与同类技能相比，它不仅提供加权叠加等基础方法，还集成了AHP（用于科学确定权重）和模糊聚合（用于处理数据不确定性）两种高级决策模型，并内置了敏感性分析和空间验证功能，使评估过程更系统、结果更可靠。
注意事项
不适合仅需粗略定性判断或缺乏基础空间数据（如地质图、土壤图）的场景。
常见问题
地下水补给潜力分析需要哪些数据？
通常需要地形（坡度、高程）、土壤类型、地质岩性、土地利用/覆被、排水密度和降雨量等空间栅格数据。
AHP和加权叠加有什么区别？
加权叠加直接对各图层按固定权重叠加；AHP则通过两两比较准则重要性，科学计算出一致性权重后再叠加，决策过程更严谨。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/geoskill-地下水补给潜力/raw/index.md 读取 Geoskill: 地下水补给潜力 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/geoskill-地下水补给潜力/raw/index.md（查看排版版本）