一张覆盖全区的土地类型预测图，看起来很完整，却可能把相邻地块一起判错。直接把它当真值，结论会偏；只看少量实地核准点，又浪费了地图提供的信息。这项工作把 Prediction-Powered Inference（预测驱动推断，先用大规模模型预测，再以少量可靠真值纠偏）改写为空间抽样版本：地图负责提供线索，真值样本负责校准误差和置信区间。
关键在于，它采用设计型推断——把区域内各地点的值视为固定，区间有效性由“哪些地点如何被抽中”保证，而不要求地图误差符合某种概率模型。论文推导了简单随机抽样和分层抽样下的精确设计方差，也允许按地图信息选择核准地点。作者还提醒：若抽样概率模型设错，且地图错误在空间上成片聚集，增加真值样本也未必修复遗漏项，区间覆盖反而可能恶化。换句话说，强地图能提效，但可靠推断最终仍取决于真值样本与抽样设计是否匹配。