以生成式人工智能为代表的新一轮科技革命加速演进，正融入哲学社会科学研究的全过程，重塑着研究逻辑、方法与知识生态。这既为哲学社会科学高质量发展提供技术支撑，也对知识主体性、实践导向和应用规范提出新的要求。对历史地理研究而言，人工智能的应用重在通过数据汇聚、语义识别与空间关联，拓展文字资料、古旧地图、地名和空间信息之间的解释路径，为史料考证提供新的方法支撑。陕西是中华文明的重要发源地和历史文化高地，陕西古旧地图在中国古旧地图谱系中具有不可替代的独特地位和作用，人工智能赋能其整理研究，有助于推动古旧地图整理、空间分析与历史解释的深度融合，为中国历史地理研究方法更新提供实践参考。

　　在学术主体性中校准证据边界。人工智能应用于古旧地图整理研究，首先需要回答“技术为何使用、为谁服务”。历史地理学研究关注历史时期地理环境变迁，以及环境与人类和人类社会关系，而地图中的城池、道路、山川、水系、关隘、驿站、村镇和边界，只有置于具体时代、制度环境和绘制语境之中，才能成为理解区域社会与空间秩序的有效证据。人工智能的应用，也正服务于这一学术目标。

　　人工智能可以扩大资料发现范围，提高文字识别、符号提取和相似图幅比对的效率，也可以在多种材料之间提示关联线索，但无法独立完成版本辨析、地望考订和历史因果解释，因而推进古旧地图整理研究还必须把人的主体判断置于方法体系的核心。古旧地图地名辨析中，同一名称可能指向不同地点，同一地点也可能经历改名、迁治、废置和范围伸缩。地图中的路线、边界、城池和水系，也不宜被机械还原为现代地图上的空间要素。对于这些问题，算法可以提出候选，但最终判断仍需由学者依据版本辨析、同期文献互证和实地调查来厘清。

　　还应看到，传统地图具有自身的知识结构和表达逻辑。由于许多古旧地图没有统一比例尺和经纬网，图面表达的重心常常指向行政统属、交通格局、军事形势、山川屏障或水利网络分布，并不完全以精确测量为目标。某一城镇被放大、某条道路被置于中心、某些地物被省略，未必是绘制失误，也可能是为了体现特定治理需求、军事判断或地方认知。若只以现代地图的几何精度衡量其价值，就会把具有历史意义的表达差异误判为数据噪声。

　　因此，人工智能在古旧地图研究中的边界应当明确：机器负责提出候选、发现关联和执行计算，学者负责审定史料、辨析语境和作出解释，所有结论都应能够回溯到原图、原文、版本及处理过程。这种“机器辅助、学者主导、证据复核”的人机协同机制，兼具防范技术风险、维护学术主体性和保障学术可靠性的意义。只有把技术应用置于学术问题和证据规则之中，人工智能才能成为推动历史地理研究深化的有效力量。

　　在多源互证中重建资料关联。古旧地图整理之所以复杂，在于资料形态、信息层次和表达方式往往交织在一起。陕西古旧地图所呈现的，既有图像、文字、符号和地名，也有空间关系、文献记载与实地遗存等多重线索，构成了一个需要综合辨析的资料群。长期以来，相关材料分散在图书馆、档案馆、博物馆、地方志、碑刻、调查报告和个人研究笔记之中，研究者往往需要在不同载体之间反复查找、转写和核对。资料分散带来的困难，既体现为整理工作量大，也体现为证据之间难以形成稳定连接：一幅地图上的地名是否对应方志中的记载，一条道路是否可以与驿传制度相互印证，一处河渠是否与碑刻和地形条件相互契合，都需要更有层次的整理方式。多源互证的意义，正在于把分散的材料组织为能够相互解释的证据链。

　　推进多源互证，需要从地图文献著录做起。除图名、年代、作者、版本、收藏机构、尺寸、材质、比例尺和保存状况等基本信息外，还应记录编绘目的、题跋印记、钤印信息、流传谱系、摹绘关系和前人研究成果，尽可能区分原图、摹本、翻刻本、修订本和复制品。人工智能可以通过图像相似度、文字重合度、符号样式和版式特征，提示不同图幅之间可能存在的继承、改绘、转抄或拼接关系；但版本先后、材料性质和传播路径，仍需结合刻印特征、收藏记录、书目著录和相关文献来进行综合判断。著录越细，后续识别和解释便越有依据。

　　在著录基础上，应建立分层标注体系，使图面信息能够被有序整理，又不脱离原图语境。一方面，要记录图框、题记、图例等图面信息，识别政区、道路、河流、关隘、城垣、渠堰、聚落等空间要素；另一方面，还要标注这些要素之间的隶属、连通、迁治、灌溉、防守和通行等关系。更重要的是，每一项识别结果都应附带来源、年代、校订记录和可信程度，避免把“识别到一个要素”直接等同于“确认了一个历史事实”，也避免把图上一条线简单等同于真实道路或真实边界。

　　历史地名的时空辨析，是证据链能否成立的关键环节。一个可靠的地名整理结果，不应只有现代坐标，还应包含使用年代、行政层级、相邻地名、里程方位、相关文献和证据可信度等级。人工智能可以先把可能相关的地图、方志、档案、碑刻和现代地名资料集中呈现，提示字形相近、位置相邻、时代相合或相互冲突的线索；研究者再根据版本、年代、制度语境和区域知识作出判断。这样，传统考证由依赖个人研究经验中的反复核检，进一步转化为可记录、可讨论、可复核的整理过程。

　　多源证据链应服务具体专题。例如，研究关中水利图，可以把图中渠首、渠线、灌区和村落，与地形、水系、碑刻、水利志等资料互证，进而分析水利工程、聚落布局和区域开发之间的关系。研究秦岭古道和关隘，可以把地图道路、驿站、山口、河谷和关防设施联系起来，判断路线选择背后的地形限制、军事安全和行政控制等因素。研究陕北堡寨和边防图，则可以把城堡、墩台、河谷、道路和聚落纳入同一证据链，考察防御体系与地方社会之间的互动。由此形成的是一种面向问题的资料组织方式，其价值已经超出单纯数据处理流程的范围。

　　为了使这套证据链长期有效，还需要建立存疑库、校订库和争议库。残损图幅、模糊题记、尺度失真、方向偏转、难以配准的地图，以及异体字、残缺地名、重复地名、误绘符号和争议地望，都不应被简单排除。它们既是模型容易出错的地方，也是检验整理标准是否可靠的关键样本。把成功识别、人工修正和失败案例同时保存下来，可以让整理工作从一次性录入转向持续积累。

　　在机制解释中建构可信知识体系。古旧地图整理的深层目标，在于突破“图上标注了什么”的要素罗列，进一步说明历史空间为什么这样形成、怎样发生变化，并对区域社会产生了怎样的影响。陕西古旧地图呈现出长时段、多尺度、复合型的历史空间：都城营建、政区治理、军事防守、交通往来、水利开发、秦岭山地交通、黄土高原环境变迁与丝绸之路交流，都在不同类型图件中留下了线索。人工智能的作用，也应从提高整理效率延伸到知识建构层面，推动古旧地图由图像资源转化为空间关系、历史过程和区域机制的证据系统。单幅地图往往只是一个时间切片，只有把不同时期、不同类型的地图与文献、地形、考古和田野材料结合起来，才能由资料整理走向机制解释。

　　以交通路线变迁为例，地图中的驿站、关隘、渡口和道路，既是交通往来的空间要素，也承载着制度安排、地形条件、边防需求和地方社会共同作用的历史信息。人工智能可以辅助提取多幅地图中的道路信息，比较不同时期路线走向与节点分布的变化，但研究不能止步于路线复原和成本计算。若某一路线在距离和地形条件上未呈现最优形态，就需要进一步追问其背后的行政控制、军事防御、商旅活动和区域联系。技术计算提供问题入口，机制解释才是历史地理研究的落点。

　　水利空间和城市演化同样需要从图面变化走向机制解释。河渠图、城池图、街巷图、地形图和老照片，可以呈现渠线调整、城墙伸缩、街道延展和市场空间变化，但这些变化并不能仅由图面形态本身说明。只有结合考察制度变革、工程修治、交通转型、人口流动和地方社会运行，才能解释水利格局和城市空间为什么发生变化，又如何对区域开发和社会生活造成影响。由此，古旧地图由阅读和标注的对象，进一步成为提出问题、组织证据和检验解释的重要材料。

　　同时，古旧地图凝结着特定时代的知识生产方式，图面内容也承载着人们理解和组织历史空间的方式。图面取舍、符号绘制和空间秩序，既呈现绘图者理解区域世界的方式，也影响后来者进入历史空间的路径。人工智能可以通过跨图幅比较、符号关系分析和空间模式识别，发现传统阅读中不易察觉的结构性线索，使古旧地图整理由信息转录进一步走向知识解释。

　　要让这种机制解释持续推进，需要在材料整理基础上形成能够记录来源、相互关系、校订过程和不确定性的历史地理知识组织机制。其重点是把每幅地图、每个地名和每一类历史事件放入可追溯的证据关系之中，使图像汇集和数据展示进一步服务于历史解释。通过这样的组织方式，研究者不仅可以看到某一地名、道路或水系在不同图幅和文献中的记载差异，也能够追踪其识别、校订和解释过程，判断哪些结论已经相对可靠，哪些问题仍需保留争议。这样的知识组织机制，还可以在规范授权和合理开放的基础上，支持专题研究、成果展示和公共传播，使古旧地图在学术研究、文化遗产保护和地方文化传播之间形成良性循环。

　　人工智能赋能陕西古旧地图整理研究，重在把资料发现、证据组织、人工校订和机制解释贯通起来，形成更加清晰的研究链条。人工智能生成的是线索，历史地理研究完成的是从线索到证据的转化；机器可以扩展资料发现的范围，学者和学术共同体则通过校核与解释赋予其知识地位。通过明确技术边界、重构证据链条、深化机制解释和建设可信知识体系，可以形成一套可操作、可复核、可积累的方法经验。以陕西古旧地图为样本形成的整理方法，可为其他区域古旧地图整理、历史地名推理和多源证据融合提供可迁移经验，也有助于推动中国历史地理学在人工智能时代形成自主的资料体系、问题意识和方法规范，为构建中国历史地理学自主知识体系提供方法支撑。

　　（作者系国家社科基金冷门绝学研究专项“陕西古旧地图整理与研究”子课题负责人、陕西师范大学副研究员）