摘要
历史街区的可持续再生需要谨慎实施小规模干预，因为保护约束、有限资源以及多样化的街道条件使得全面更新并不适用。我们开发了一种不确定性审核的GeoAI工作流，支持保护敏感型微更新中的现场审核优先排序。以北京南锣鼓巷为案例，2144张定向街景图片代表536个全景图，其中535个进入最终感知分析。语义分割和重复的视觉语言模型评分生成了街道景观指标和AI估算的视觉印象建构。在一个盲测的20个全景子集上，10名独立评分者对感知活力和压抑感的平均测量显示了极好的信度（ICC(2,10) = 0.967和0.954），人类平均评分与Qwen评分高度相关（Spearman rho = 0.951和0.921；两者p < 0.001）。抗泄漏的空间嵌套验证解释了保留活力方差的30.0%和保留压抑感方差的40.0%。48个规格的随机优先分析得出的中位前15名重叠为13/15，与参考规格一致。测量、分割架构、空间/模型、全景到边缘以及决策权重的不确定性联合传播识别出E0079、E0076和E0129作为最强的核心候选点，其保守条件选择频率分别为0.608、0.605和0.577。这些频率是在测试假设下算法可接受性度量，而非校准概率、因果效应或建设建议。对同一20个面板的独立本地Gemma 3 12B检查显示，与人类平均相比活力一致中等正相关（Spearman rho = 0.752），与Qwen评分一致中等正相关（rho = 0.752），与人类平均相比压抑感一致正相关但较弱（rho = 0.671），与Qwen评分一致正相关但较弱（rho = 0.654）。Gemma平均低估活力0.700分，但压抑感平均偏差接近零（+0.010），因此跨模型有效性仍为建构特定而非全局确立。该工作流支持透明的资源靶向和后续现场调查，同时保留利益相关者协商、工程评估、跨模型验证和跨街区复制的需求。此处，保护敏感性作为后续现场验证和干预评估的约束实施；遗产重要性不由排序模型直接估算。
