元胞自动机（CA）是土地利用/土地覆盖变化模拟的重要工具。以往基于纯质元胞的CA模型忽略了元胞内部的混合土地覆盖结构，难以模拟现实中混合土地系统在快速城市化进程的连续演化。而混合元胞CA模型（MCCA）虽能较好地处理这一问题，却因难以获取精细尺度的混合结构数据而不易于推广。为了解决这个问题，本研究提出了耦合混合像元分解方法和MCCA模型的模拟分析框架，利用混合像元分解算法从Landsat影像中直接获取MCCA模型所需的亚元胞尺度混合结构数据；并利用SHAP方法挖掘亚元胞尺度土地覆盖变化的驱动力。本文以武汉市为研究区开展了实验，研究结果表明： ① 耦合模型在混合土地结构的空间格局表征以及未来变化模拟方面具有较高的准确性（解混精度高于0.8，mcFoM指数达到0.38）； ② 本文的耦合模型能够在有效模拟精细尺度的土地覆盖动态变化及其比例关系的同时，发现区域土地覆盖变化的相关规律。例如：未来的土地覆盖结构变化主要集中在建成区附近，土地混合度将经历先增后减的过程，靠近公司企业、市政府和高人口、高GDP是不透水面扩张的重要驱动因素，在离高铁站相对较远的地方，不透水面比近处增长更加明显； ③ 本文模型模拟的未来土地覆盖变化趋势与武汉市的未来规划布局相符，多情景间的对比体现了MCCA模型在精确捕捉像元间土地覆盖比例细微差异方面的能力。本研究通过耦合遥感领域的混合像元分解方法和GIS领域的混合元胞CA模型，解决了混合土地覆盖模拟缺乏精细尺度数据源的问题，实现了在亚像元尺度下的未来混合土地覆盖结构变化模拟，可为城市管理和规划决策提供新的方法与工具。

兴趣点（POI）对于深化理解地理空间中人类活动和环境特征的作用日益凸显，从大规模空间数据中探测与周围环境显著不同的离群点是增强人地系统认知的重要研究方向。现有离群点挖掘方法应用于POI时存在局部空间分布特征表达及量化不足的缺点，并且其有效性亟待进一步讨论。鉴于此，本文提出了基于局部集聚尺度判定的兴趣点离群分布探测方法。首先，借助Delaunay三角网构建POI的空间邻接关系，并基于交叉K近邻距离和多尺度特征参数判别点群的局部集聚特征尺度；然后，提取满足尺度约束条件的点及其邻接边集；最后，通过边长约束指标剔除不满足条件的局部长边并整合离群簇，完成POI离群探测。根据实际数据的对比实验结果可以得出所提方法泛化能力良好，且可在不破坏POI固有分布特征的前提下有效、稳健地探测离群点。本文进一步开展离群点探测结果的可解释性分析，讨论得出兴趣点离群分布成因与类型占比、空间布局、占地面积及公众认知水平等因素密切相关。本研究为全面把握城市发展动向、资源配置优化、提高城市可持续性及人居生活质量等方面提供新的方法与研究视角。

【意义】低空经济作为新质生产力代表，正逐渐成为推动经济增长的新引擎。低空经济以低空空域资源开发利用为基础，在给地理信息科技带来发展机遇的同时也对其提出了全新的挑战。【进展与分析】本文首先对低空经济下低空空域资源划分以及典型无人机应用场景进行了介绍，进而分析了地理信息科技将在空域资源精细化利用与低空环境构建、空中交通新型基础设施规划建设运行、无人机安全高效运行与运营监管等低空经济关键环节具有广泛应用前景，指出地理信息产业也将面临新的技术融合与创新、市场需求增长、政策支持与产业引导、产业升级与转型等发展机遇。【展望】本文简要分析了地理信息科技支撑低空经济发展所面临的时空升维、地图和位置服务、高频次迅捷数据获取体系、全时全域能力和泛在智能化技术等挑战，这些也将成为地理信息科技未来可以发展和突破的方向。

随着城市居民生活水平和对生活质量追求的提升，公园绿地已成为休闲娱乐的主要场所。在此背景下，如何公正地评价城市公园绿地布局合理性并提出改进意见对交通及土地利用规划至关重要。公园绿地的可达性则是评价其布局的关键指标。针对以往仅以公园绿地的面积评估吸引力所带来的可达性评估局限性，本文以苏州市区为例，在利用客观属性计算可达性的传统框架外，挖掘社交媒体数据，将居民对公园绿地质量指标的主观情感倾向纳入考量范畴。通过这一创新性的融合，本文改进了两步移动搜索法（Two-Step Floating Catchment Area, 2SFCA），深入分析城市居民对公园绿地的可达性，以及突发公共卫生事件前后可达性的动态变化。研究发现：在突发公共卫生事件期间，人们更趋向选择出行便利的公园绿地，如社区公园；而随着事件结束，人们更青睐配备良好设施的公园绿地，如专类公园。采用结合游客评论情感分析的2SFCA，能更准确评估城市公园绿地可达性，丰富公园绿地可达性研究视角。该方法不仅可应用于城市公园绿地规划，也为公共服务设施的可达性分析提供了新思路与计算框架。

图像超分辨率技术通过提升图像的空间分辨率，增强图像清晰度，增加图像细节信息，实现在硬件条件不变的情况下提高图像质量。鉴于遥感影像具有较大的像幅、复杂的特征表现和丰富的细节，结合遥感图像信息高效获取的需求，本文提出了一种基于条件控制扩散模型（Diffusion Model）的遥感图像超分辨率算法DSR（Diffusion Super-Resolution）。该算 法以同一区域的低分辨率遥感图像为扩散模型的控制条件，与添加噪声后的高分辨率遥感图像拼接作为输入，构建了一个以U-Net为主干，融合残差连接和自注意力机制的深度噪声训练网络，并改进了损失函数以获得更优的超分辨率效果。 本文实验中采用了多时相、多时期的国产卫星高分系列、高景系列的高分辨率遥感图像以及公开数据集Alsat-2B作为测试数据，测试了从32像素尺寸扩大至128像素的超分辨率效果。在这一基础上，将本文提出的算法与Bicubic、SRGAN、Real-ESRGAN、SwinIR等超分辨率算法进行比较，在PSNR和SSIM指标上取得了更好的性能。实验结果表明： DSR算法适用于遥感图像的超分辨率重建，特别是在多光谱遥感图像的超分辨率处理中，能够提升超分辨率结果质量，克服了简单卷积网络只能提取图像浅层特征的局限，避免了对抗神经网络训练过程中难以收敛的问题，显著提升了遥感图像中丰富细节的还原能力。

【目的】系统梳理基于AI大模型的文生图技术的进展，并探讨该技术在城乡规划领域的应用。【探讨】本文首先分别从训练数据集、模型和评价方法3个视角出发，对文生图技术发展进行了全面、系统的回顾，以揭示其成功背后的推动性因素。尽管文生图技术在通用计算机领域取得显著进展，但城乡规划领域的实际应用中仍面临诸多关键挑战，包括缺乏高质量领域数据、生成内容的可控性和可靠性不足，以及缺乏地学先验知识约束等。针对这些问题，本文提出了相应的研究思路，包括：面向领域需求的文生图数据增强策略、基于指令拓展的空间信息增强文生图模型、以及基于诱导布局的局部编辑文生图模型。在此基础上，结合多个实际应用案例展示文生图技术在城乡规划设计领域的应用价值和潜力。【展望】文生图技术通过技术突破和多学科融合，有望成为城乡规划设计领域的重要创新动力，为高效、智能化的设计实践提供支持。

微地图作为自媒体时代出现的新型地图，具有大众参与、个性化、快速传播等特征，然而现有微地图研究在点符号设计方面存在一定局限，难以完全满足大众个性化制图的需求。为解决这一问题，本文从微地图制作角度出发，选择手绘地图的通用地图符号作为研究对象，构建了一个包含多种类型和样式的手绘地图数据集。在现有研究的基础上，通过对比选择目标检测中常用的YOLOv5（You Only Look Once v5）系列模型，深入探索手绘地图中通用地图符号的自动提取方法，并采用YOLOv5-X模型进行手绘地图通用地图符号的提取。实验结果显示，该模型在手绘地图数据集上的point类别提取精确度、召回率和F1得分分别达到了98.42%、94.72%和97%。同时在Quick Draw涂鸦数据集上进行模型泛化能力的测试，本文所使用的模型在该数据集上展现出良好的提取效果。本研究的开展不仅扩充了微地图个性化点符号的研究数据集，还改进了通用地图符号的提取方法，为微地图制图注入了更多元化的元素，也为自媒体时代的地图制作提供了更为灵活和个性化的解决方案。

直线特征的精确匹配对三维模型的重建与优化具有重要意义。但是传统的双视图直线匹配由于视图数量较少导致直线匹配结果鲁棒性较差，且对于存在断裂的直线提取结果，同一直线在不同影像上提取直线的数目不等，导致直线匹配结果完整性较差。针对上述问题，本文提出多视图立体视觉(Multiple View Stereo, MVS)与Leiden图聚类相结合的多视图直线匹配算法。该算法首先使用直线提取算法和MVS三维重建算法对输入的多视影像分别进行直线信息提取和多视图三维信息提取，得到各视图上的直线与覆盖多视图场景的稠密三维点及其相关信息，并以此构建直线描述符；接着通过三维直线投影角度约束、点-线位置关系约束及同名点约束对匹配候选进行筛选，并根据各视图上直线间的相似性关系以各视图上的直线为节点，直线间的相似性得分为边权重构建无向图，同时剔除无向图中由单个节点构成的连通分量，得到连通分量集合，即初始匹配结果；最后对各个连通分量的节点基于同视图共线约束进行重构，得到子无向图，并对子无向图节点使用Leiden算法进行聚类。最终在多视影像上得到精确的直线匹配结果。本文选取大疆无人机拍摄的2组影像以及网上公开的1组影像进行实验。实验结果表明，采用本文算法获得的直线匹配结果较对比算法在直线匹配数目以及匹配正确率上均有所提升。

在当今城市化快速发展的背景下，公共服务设施的合理选址对于提升城市居民生活质量和提供高效服务至关重要。然而，现有常用的设施选址方法往往未能满足复杂及大规模的现实场景中对于其性能及效率上需求。为弥补这些不足，本文旨在提出一种耦合设施选址图注意力网络（Facility Location Allocation Graph Attention Network, FLA-GAT）和深度强化学习（Deep Reinforcement Learning, DRL）算法的通用图强化选址模型（Graph-Deep-Reinforcement-Learning Facility Location Allocation Model, GDRL-FLAM），通过图表示和REINFORCE算法协同解决公共服务设施智能化选址问题。为了验证提出模型的性能及效率，研究在随机生成的20、50和100个点的数据集上进行训练，并完成了相应的测试实验，结果表明： ① 在20、50和100个点的测试实例上，GDRL-FLAM模型相较于遗传算法（Genetic Algorithm, GA）)性能上提升了11.79%到14.49%；在150和200个点的测试实例上，提升了1.52%到9.35%。并且随着训练集规模的增大，模型在大规模数据集上表现出更强的泛化能力； ② GDRL-FLAM模型可以在简单场景中掌握选址策略，并使其适应到更复杂的场景，展示出了其优异的迁移学习能力；③ 在新加坡的案例研究中，GDRL-FLAM模型相较于GA在性能表现上提升了1.01%到10.75%； ④ 在所有的测试及实验中，GDRL-FLAM模型在效率方面相较于GA都展示出了成倍的提升。总的来说，本研究揭示了GDRL-FLAM模型在公共服务设施选址问题上的潜在应用价值，尤其是其泛化能力及迁移学习能力为未来设施选址问题的高效解决提供了新的思路和方法。此外，该模型经过微调也可以适用于不同的空间优化问题中。最后，本研究探讨了该模型的不足之处以及下一步的研究方向。

结合无人机和深度学习目标检测算法自动检测道路病害具有范围广、成本效益高等优势。然而，道路病害的形状和 大小变化剧烈，很难完整检测它们。此外，受限于计算资源，通用的目标检测算法只适用于小尺寸影像（512像素×512像素或640像素×640像素），很难直接应用于大尺寸的无人机影像（5 472像素×3 648像素或7 952像素×5 304像素）。使用传统方法检测大尺寸影像中的多尺度目标会出现大尺寸目标切分、小尺寸目标漏检等问题。针对上述问题，本文提出了一种结合全局-局部多尺度融合策略和YOLOv5-RDD的创新解决方案。① 构建了YOLOv5-RDD模型，在现有YOLOv5模型的基础上，设计多尺度C3（MSC3）模块和上下文特征金字塔网络（CFPN），增强了对多尺度目标的检测能力。② 提出了一种全局-局部多尺度融合策略，利用下采样和切分手段获取大尺寸无人机影像的全局和局部信息，然后叠加全局和局部多尺度信息以获取整个大尺寸影像的多尺度信息，并采用中心非极大值抑制算法优化检测结果。③ 为验证所提方法的有效性，创建了一个专门用于无人机道路病害检测的UAV-RDD数据集。实验结果显示，与原始的YOLOv5模型相比，新模型YOLOv5-RDD在mAP上提升了5.8%，而全局-局部多尺度融合策略相比传统方法在mAP上提升了9.73%，充分证明了本文方法的有效性和优越性。

【意义】 数据已成为重要的生产资料，与人工智能技术相互促进，伴生发展，并不断催生新质生产力。遥感数据智能是遥感大数据和人工智能快速发展的必然产物，不仅提高了遥感数据处理效率，还增强了应对突发事件和复杂环境变化的响应能力。【目的】 本文旨在探讨遥感数据智能的发展及其在关键领域的应用潜力，分析了遥感数据智能的出现背景和技术支撑，提出了遥感数据智能技术框架，并结合具体应用案例，展示遥感数据智能在超高分辨率遥感图像中提取中国集中式和分布式光伏分布信息的应用成效。【展望】 研究强调，对于遥感数据智能而言，高质量的数据是遥感数据智能的基础，应重视AI-ready的知识库建设和小数据的作用；有针对性的高效算法是实现遥感数据智能的关键，发展实用的数据智能方法是迫切需要研究的课题；通过数据智能，推进遥感数据、信息和知识的多层次服务。

不确定性可视化是网络空间地图可视化领域的重点和难点，合理的不确定性符号设计对网络空间地图信息的快速读取挖掘与精准分析决策至关重要。本文提出了一种基于多粒度时空对象数据模型的网络空间双变量不确定性符号表达方法，解决网络空间节点链接图中变量符号无法及时高效地体现节点、连边不确定性表达不一致的情况。以地理社交网络为案例，首先采用多粒度时空数据模型建模的方法，分析网络空间对象建模的内容和流程，设计网络空间实体对象类并创建相应时空对象；在此基础上结合传统符号在网络空间节点链接图表达方面存在的问题，分析网络空间不确定性表达原理和模型，制作相应的视觉熵符号；最后开展对照实验，并采用统计方法对符号实验结果进行检验。结果表明基于对象化建模的方法有助于网络空间多粒度、全类型、多维动态的表达，通过可视化和交互技术能生动直观、全面多维地表现网络空间的发展变化；新设计的视觉熵符号在网络空间双变量不确定性差异表达方面的效果较好，有助于及时高效准确地获取网络空间的不确定性信息。研究可以为网络空间地图可视化领域的发展提供一定借鉴和参考。

建筑垃圾是城市更新过程中不可避免的产物，造成严重的环境污染和生态压力，精准量化城市建筑垃圾年产量与资源转化率对衡量城市更新代价至关重要。传统人工估算建筑垃圾产量的方法严重依赖统计数据和历史经验，在实际应用中缺乏灵活性，耗时耗力，准确性和时效性亟需提升；现有深度学习模型针对小目标、多尺度特征提取与融合能力相对较差，难以处理形状不规则、碎片化检测区域。因此，本文提出一种多尺度特征融合与注意力增强网络MS-FF-AENet，动态跟踪检测建筑物和建筑垃圾消纳场变化，从而精准量化城市建筑垃圾年产量。使用深度编码网络，获取细粒度高阶语义信息，提高分类识别的精度。解决感受野不足导致提取大型目标时产生不连续的孔洞问题，利用双注意力增强机制更好地保留空间细节，使特征提取更丰富。在解码器中融合骨干网络的浅层和中层特征，更好地捕捉上下文信息，增强复杂场景下高效、准确的特征提取能力。利用MS-FF-AENet提取研究区不同时期的遥感影像数据，通过分析建筑物面积变化情况，计算新增建筑物产生工程垃圾以及拆除建筑物产生拆除垃圾，得到城市建筑垃圾年产量；使用MS-FF-AENet提取不同时期的建筑垃圾消纳场，根据填埋垃圾变化量得出城市建筑垃圾填埋量，间接估算城市建筑垃圾资源转化率。本文基于北京市昌平区2019—2020年高分遥感影像，实验结果表明： ① 在包括UNet、SegNet、PSPNet、DeepLabV3+、DSAT-Net、ConvLSR-Net和SDSC-UNet在内的一系列基线中， MS-FF-AENet在提取建筑物和建筑垃圾的精度和效率等方面更具优势； ② 2019—2020年研究区由于城市更新产生的建筑垃圾年产量约为4 101 156.500 t，其中填埋部分约为2 251 855.872 t，资源转化部分约为1 849 300.628 t，建筑垃圾资源转化率为45.09%，进一步印证政府统计报告结果。本文为城市更新代价精准量算提供了一个便捷且有效的分析思路。

我国是受地质灾害影响最大的国家之一，研究高精度、高可靠性的滑坡形变监测与预测方法对于防灾减灾工作具有切实意义。以三峡库区藕塘特大滑坡为例，针对时序InSAR技术滑坡形变提取过程中面临大气干涉效应问题，在时序InSAR滑坡形变提取中引入GACOS进行大气校正，并通过GNSS观测数据进行验证对比；针对滑坡形变预测前较少考虑时空分析的问题，计算莫兰指数、Hurst指数分析滑坡形变时空特征；针对滑坡形变不仅受历史形变影响，还与多种影响因子密切相关的问题。本文提出将滑坡影响因子与形变量耦合用于滑坡形变预测，并采用结合变分模态分解（Variational Mode Decomposition, VMD）和麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的长短期记忆网络（Long Short-Term Memory, LSTM）模型进行预测。通过VMD分解滑坡位移数据为趋势项、周期项和随机项，构建LSTM网络结构并使用SSA寻找LSTM模型最优的隐藏单元数目、最大训练周期和初始学习率，同时通过数据归一化、正则化和模型评估等方法提升LSTM模型的性能和稳定性，最后利用影响因子与分解后的位移数据训练LSTM模型并完成预测，得到滑坡形变的预测结果。结果表明： ① 2021年1月—2023年6月藕塘滑坡形变最高与最低速率分别为-72.75 mm/a、50.74 mm/a； ② 研究区形变具有正向空间自相关性、沉降区域滑坡形变具有持续趋势； ③ 结合VMD和SSA优化的LSTM模型滑坡形变预测误差仅为0.37 mm，较LSTM的精度提升了11.004%。本文基于时序InSAR技术，结合时空分析结果，构建了一种耦合多个影响因子与滑坡形变的高精度预测模型，为滑坡灾害的防治提供了重要的参考依据。

【意义】预测是地理空间人工智能（Geospatial Artificaial Intelligence, GeoAI）重要研究方向，也是测绘地理信息技术与人工智能技术深度融合、智能化创新的关键，支撑空间智能技术走向广域多样化应用场景落地应用。【进展】本文回顾了地理空间智能预测的技术发展历史，综述了基于统计学习、深度学习及生成式大模型的智能预测模型，阐述了智能预测模型中的时空依赖关系嵌入机制，解耦了时间关系建模、空间关系建模及时空关系建模等通用计算算子。【挑战与展望】本文总结归纳了智能预测模型在标注数据稀疏、可解释性缺失、泛化能力匮乏、模型压缩轻量化及模型高可靠性不足等挑战，思考并提出了地理空间智能预测技术未来4个发展趋势与研究方向：耦合多算子的可配置通用空间智能预测平台、融合多模态知识的生成式预测模型、先验指导的深度学习智能预测模型，以及地理空间智能预测模型拓展地球系统深度预测应用领域。

时空插值可以捕获时空数据中的依赖关系，估计地理现象随时间的几何和属性数据变化。现有的时空插值方法大多未同时考虑数据的长期时间相关性以及全局空间信息，本文结合长短时记忆网络LSTM （Long Short Term Memory）与数据的空间特性构建了时空插值模型：①模型利用空间层剔除弱相关性的信息，提取相关性更强的空间信息输入LSTM网络；②由于传统人工神经网络ANN （Artificial Neural Network）模型无法考虑时间对插值的影响以及单向LSTM模型仅能考虑过去时刻对当前时刻的影响而不能利用未来时刻的信息，本文使用双向LSTM模型BiLSTM（Bi-directional LSTM）体现时间相关性；③为了有效提取全局空间特征并保留BiLSTM双向建模的优势，本文将自注意力机制引入BiLSTM中，构建了融合自注意力的双向LSTM插值模型SL-BiLSTM-SA （BiLSTM Model Fused with Spatial Layer-Self attention）。在实验设计阶段，模型被应用于山东省PM_2.5浓度数据集进行插值效果研究，并与其它模型进行性能比较。实验表明，SL-BiLSTM-SA模型有着更低的误差度量，相较时空普通克里金STOK （Spatio-Temporal Ordinary Kriging）和遗传算法优化的时空克里金GA-STK （Genetic Algorithm-optimized Spatio-Temporal Kriging）精度分别提高了39.83%、36.63%，且能较准确地预测高值和低值。本文融合空间信息，结合BiLSTM和Self-attention构建了时空插值模型，扩展了时空数据的插值手段，为时空数据分析提供了一定的理论和方法支撑。

城市绿地是城市生态系统的关键组成部分，对改善生态环境和提高人居质量具有无法替代的作用。高精度的城市绿地识别是城市更新及绿色基础设施优化的基础，目前针对超大城市绿地的识别与空间异质性研究相对较少。本研究以西安市为例，结合城市街景图像与高分二号（GF-2）遥感影像，采用ISODATA分类、K-Means分类及卷积神经网络模型等方法，对绿地进行多维度、降尺度、高精度的识别与分析。结果表明： ① K-Means分类方法的识别精度（84.5%）显著高于ISODATA分类方法（62.4%），且更能准确映射绿地的空间特征与异质性规律， K-Means方法识别的绿地覆盖率为0.277 0，低于ISODATA的0.360 7； ② 西安主城区内街道平均绿视率为0.156 0，表明整体绿化水平良好，但不同道路存在明显的两极分化，其中30%的采样点的绿视率低于0.080 0；主城区整体呈现出高等级道路平均绿视率高于低等级道路的趋势，即主要道路>次要道路>干道>三级道路； ③ 西安主城区内街道绿视率与片区植被覆盖率整体呈现正相关，但在部分路段关联性较小，反映了街道地面纵剖面与天空俯视图的差异，二者结合可以更准确地评估和量化城市绿地。本研究可为西安市绿地规划、绿色基础设施建设和智慧管理提供一定借鉴，同时可为其他城市绿地的高精度识别与空间解析提供技术参考。

【目的】户外步行路网是导航地图的重要组成部分，也是户外活动路径规划的重要依据，对于户外旅行开发和事故救援等具有重要意义。然而，当前路网地图生成方法主要关注城市区域车行导航路网的构建与更新，对复杂户外环境下的徒步旅行导航路网地图构建研究较少，此外，现有方法多侧重于道路的二维几何形态信息提取，而对于路网真实三维几何和拓扑结构的重建研究还比较缺乏。【方法】鉴于此，本文提出一种融合众源轨迹数据的户外徒步旅行导航路网地图构建方法。该方法利用户外活动轨迹数据，通过路网生成层和高程提取层分别提取道路的二维几何拓扑形态和三维高程信息。在路网生成层，采取轨迹密度分层策略构建户外矢量二维路网；在高程提取层，对轨迹覆盖的区域进行高程估计与优化，生成高程格网栅格图，再将二维路网与高程格网进行高程匹配，生成户外三维徒步旅行导航路网。【结果】本文选取2021年来源于六只脚户外网站的1 170条长沙岳麓山风景区的户外轨迹数据进行实验，构建的户外三维徒步旅行路网地图在二维空间定位上的平均偏移距离为4.201 m，高程估计的平均误差为7.656 m，结果表明，本文所提出的三维路网提取方法能适应旅行者户外轨迹数据噪声大、密度差异大等特点，生成质量较好的户外三维徒步旅行路网地图。【结论】相较于传统户外二维路网，本文方法构建的户外三维导航路网提供了更丰富和精确的地图信息，支持在复杂户外环境下的步行路径规划与导航应用服务。

通信与移动计算技术的快速发展产生了各种出行大数据，为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而，新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元，提出了一种处理高维网约车出行时空模式的分析框架，通过聚类同质的出行分布群体来识别不同的时空模式。首先，将六边形分区内集计的出行分布时空特征概括为起点的需求量分布、终点的空间分布和终点的需求量分布。进一步，提出了基于时空密度峰值的快速聚类（CFSFSTDP）算法，通过计算时空相似性来识别各分区的网约车出行分布时空模式。最后，采用近邻传播算法来对各分区聚类出的出行分布时空模式的时间变化序列进行聚类分析，捕捉网约车出行分布时空模式的时间序列模式。对成都一个月的滴滴出行订单数据进行实证分析验证了该方法，分析了不同的时空模式在需求大小、位置和时间上的差异，探讨了网约车出行在不同区域的功能类型。其识别出的6类时间序列模式把握了网约车出行分布时空模式的时间连续性，有助于进一步构建网约车出行时空演化数字孪生平台。

技术知识成为新时期区域创新发展的关键要素，探究技术转移网络生长发育内在机制对于提高区域创新活力具有重要意义。本文基于2001—2020年中国专利权转移数据构建了4个时段的城市技术转移网络，并采用社会网络分析法和随机行动者模型，研究了中国城市技术转移网络演化的内生机制及空间差异。研究发现： ① 中国城市技术转移网络的演化格局具有明显的“核心—边缘”结构特征。网络整体表现出较强的极化特征，但这种极化性有逐渐下降的态势。同时围绕着核心城市，大量涌现的三方关系在影响链接关系形成的同时，也进一步促成了网络局部等级的分化； ② 内生结构动力是中国城市技术转移网络生长发育的关键因素。互惠链接和网络闭合构成了城市技术转移网络演化的微观基础；偏好依附是强化城市技术转移网络链接关系的关键力量； ③ 中国城市技术转移网络演化的内生机制具有明显的空间异质性特征。东部南方区城市技术转移网络具有较强的动态性，互惠链接、网络闭合和偏好依附成为技术转移网络生长发育的内生结构动力；东部北方区网络演化速率呈现出下降的趋势，互惠链接和偏好依附促成了网络链接格局的形成；西北内陆和青藏高原区网络演化速率趋于上升，但网络密度小，仅有互惠效应显著。

科学认知中亚-西亚经济走廊国土空间时空演变过程及形成机制，对服务当前“走出去”对外战略和“一带一路”倡议具有重要科学价值与实践意义。依据地域主导功能划分中亚-西亚经济走廊城乡建设、农业生产和生态保护三大国土空间类型，整合多源时空数据构建2002—2022年长时序国土空间分析底图，利用时空立方体模型刻画空间演变过程及典型模式，综合空间转型强度模型从规模-位置-强度3个维度分析空间结构转型特征，基于可解释机器学习模型VIVI-SHAP框架从驱动因素重要程度、交互作用强度和非线性依赖关系等方面分析演变机制。结果表明： ① 2002—2022年中亚-西亚经济走廊约6.14%的国土空间发生了结构转型，城乡建设空间占比小但稳定增长0.17%，农业生产空间整体下降19.04%；生态保护空间内部结构变化明显； ② 生态保护空间内部绿色与其他生态空间的动态互转占主导地位，绿色生态空间向农业生产空间转化呈现出系统倾向性，而城乡建设空间扩张的主要来源为绿色生态空间，占总转入规模的56.36%； ③ 中亚-西亚经济走廊国土空间格局由多个规模量级不同、转型强度各异、驱动机理多样的国土空间转型过程共同塑造，自然地理因素及交通区位因素起到决定性作用，而人口增长和社会经济发展对国土空间结构转型的全局性影响并不突出。本研究为揭示中亚-西亚经济走廊国土空间类型的变化规律和机制提供了新视角和新方法，进一步为决策部门制定合理的国土空间规划提供了数据支持，并在实现更大的空间综合收益及推动区域经济协同发展方面展现了应用价值。

高分辨率遥感图像中存在物体视觉特征模糊和同物异谱的问题，在单一模态下对相似地物和阴影遮挡的地物分割较为困难，因此本文提出了一种基于多模态特征提取与层级感知的遥感图像分割模型。本文引入了多模态特征提取模块来提 取不同模态的特征信息，并通过坐标注意力机制充分融合不同模态的特征。抽象特征提取模块采用具有双路径瓶颈块的MobileNetV3作为主干网络，并引入了层级感知网络来提取深层次的抽象特征，通过嵌入像素的场景感知来改进注意力机制，实现高效且准确的类级上下文建模。解码部分设计了多尺度聚合双重融合，将低级特征与高级抽象语义特征相结合，利用逐步上采样实现特征恢复。本文基于ISPRS Vaihingen和Potsdam数据集上的高分辨率遥感图像，实验结果表明： ① 在包括C3Net、AMM-FuseNet、MMFNet、CMFet、CIMFNet和EDGNet在内的一系列对比模型中，MFEHPNet在各项性能指标上得到了显著提高，验证了遥感图像的语义分割性能； ② MFEHPNet在ISPRS Vaihingen和Potsdam的总体精度为92.21%和93.45%、平均交并比为83.24%和83.94%、Kappa为0.85、频率加权交并比为89.24%和90.12%，显著提高了遥感图像的语义分割性能，能有效解决分割中的特征边界模糊和同物异谱等问题。

道路网作为一种重要的交通基础设施，路网数据的及时更新对交通管理、应急救援和城市规划等领域有重要应用意义。通过路网匹配来确定不同来源的路网数据中要素间的对应关系，既是实现路网更新的重要技术途径，也为众源路网数据质量评估等任务提供技术支撑，因而备受地理信息领域学者的关注。传统的路网匹配方法主要通过路网数据的几何和拓扑属性来度量路网结构的相似性，以此确定路网要素的匹配关系。但人工设计的特征和阈值易受专家经验局限，使其在复杂路网结构下性能下降。近年来，基于图神经网络的路网数据建模成为研究热点，已在多个路网建模任务中取得优异性能。但现有方法多采用在图拓扑结构上直接进行邻域聚合的方式，学习路网结构的嵌入表示，未在这一关键步骤中考虑路网要素的空间关系，没能充分利用图神经网络的表示学习能力。为此，本研究面向路网匹配任务，采用空间显式建模的思想，提出一种基于改进的邻域聚合图嵌入学习方法。首先，构建路网数据的道路图模型并提取几何、语义和位置特征。然后，基于GraphSAGE框架，提出空间、分类和混合3种邻域聚合算子，在邻域聚合操作中引入路网要素空间关系、属性类型的计算。最后，利用图节点嵌入的相似度确定路网要素的匹配关系。为验证本文方法的有效性，利用真实路网数据开展了充分实验，本文方法在实验区数据上的各项指标取得最优表现，比基线图神经网络方法的匹配正确率提升11%以上、召回率提升6.8%以上。并对路网图嵌入特征进行分析，从图嵌入结构和嵌入路网结构两方面，探讨了改进邻域聚合对图嵌入表示能力的作用，为进一步提升图神经网络路网建模提供了新视角。

在大城市出租车队电动化转型过程中，出租车充电需求呈现出充电负荷高、时空分布随机性强的特征。为精确估计出租车队完全电动化转型后的充电需求，本文提出了一种仅基于燃油出租车轨迹数据的潜在充电需求识别概念模型以及基于轨迹地图匹配的二叉树实现算法，为电动化转型滞后地区提供了新的充电需求估计范式。本文使用890辆带有电池状态字段的电动出租车轨迹数据对模型和算法进行验证，结果表明，充电区段数量、充电需求电量等指标的估计误差小于6.5%。此外，模型和算法在不同电池电量消耗阈值θ和不同空间尺度（500、1 000和10 000 m栅格）下具有较高的时空分布估计精度。在此基础上，本文提出以北京市六环内真实道路网为空间分析单元，运用奇异值分解算法对潜在充电需求时空矩阵进行分解降维，以挖掘潜在充电需求的时空特征模式。最后，运用北京市连续3 d共1 913辆出租车轨迹数据进行案例研究，结果表明，北京市出租车潜在充电需求的空间分布呈现出明显的重点区域、关键通道聚集性特征，与该区域的高出行活动强度以及长途出行相关的高密度充电需求高度吻合。分解后的充电需求呈现出常态化充电需求为主导、上下午异质性充电需求以及工作时段和非工作时段异质性充电需求为辅的时空结构特征。该分析方法有助于挖掘潜在充电需求的空间分布结构特征及时空耦合关系，为出租车队电动化转型下的充电基础设施中长期规划、电网负荷调度调节和充电需求管理等提供决策参考。

城市内涝灾害不断频发，不仅对城市基础设施和居民财产造成严重破坏，更损害了居民的生活质量和幸福感。排水抢险救援能力与城市内涝灾害强度的空间匹配性直接影响抢险救援效率。本研究以“信息集成-仿真建模-情景模拟-效率对比-方案优选”为思路，基于多智能主体构建了城市内涝排水抢险单位救援行为仿真模型，以北京市凉水河流域为例，结合内涝、交通与排水抢险单位分布信息开展了实证研究，模拟对比了不同情景下城市内涝排水抢险救援效率。结果表明，通过采用“全局分散，局部聚集”的排水抢险单位空间布局方案，抢险救援效率在早晚高峰、抢险水平和救援组合情景中分别提升了18.27%、18.24%和10.34%，模型结果稳定性达到了93.85%。在该布局方案下，排水抢险单位具有更均衡合理的任务分配，有效降低了高峰时期交通流量和信号灯对排水抢险救援效率的影响，同时排水抢险能力组合选择时更具优势。本研究提出的城市内涝排水抢险单位布局优化方案可提升抢险救援效率，降低灾害风险的社会影响，为城市内涝应急管理提供科学依据。

城市活力是提高和维持城市竞争力和生命力的关键。随着城市化进程的发展，城市治理的难度越来越大，亟待城市规划和管理者对城市提出更合理且更精准的措施。本研究以南京市中心城区为研究区，基于基础路网和建筑数据、百度热力图数据、餐饮店铺数据、社交媒体签到数据、POI数据和创新源数据等多源地理大数据，分别从人群活动、网络互动和建成环境 3个层面入手，构建一种深入且细致的城市综合活力评估框架。结合基于实数编码的加速遗传算法优化的投影寻踪模型（RAGA-PPM），对9个城市活力影响因子进行降维得到各因子对综合活力的贡献值，最后分析南京市单维活力和综合活力的空间分布格局，并与熵权法（EWM）计算的活力结果进行差异对比。研究结果表明：从活力产生的角度，整合人群活动、网络互动、物理建设3个维度的城市活力新框架得到的城市综合活力结果，能够更加精准地识别研究区的潜在活力极，通过对活力团样本区域分析，验证了本文提出的城市综合活力评估框架的有效性；南京市单维活力呈现出相似的空间特征，与综合活力一样都呈现出单中心的城市结构，高值区从新街口商圈往外围逐渐递减，且RAGA-PPM方法比EWM识别活力结果的更符合实际。本研究可以为城市设计者提供更加全面且多维的城市活力模式提供借鉴依据。

一些社会参数可能只与特定辐射强度范围内的夜间灯光保持相关性，而传统的夜间灯光指数局限于夜光遥感影像的全体辐射像元，在一定程度上限制了夜光遥感的应用潜力。本文提出一种顾及灯光强度区间的夜间灯光指数构建方法，利用2012—2020年的NPP-VIIRS夜间灯光数据计算了中国各省和36个主要城市的5 050组特定连续灯光辐射强度区间的区域灯光总值，在省、市2个空间尺度上分别与筛选后的39项和24项社会参数进行相关性分析。除了省级尺度一项、市级尺度2项未通过显著性检验的社会参数，确定了其他社会参数对应的最佳灯光辐射强度区间。与传统的区域灯光总值相比，最佳区间的灯光辐射总值与省、市两级各种不同类型的社会参数的相关性显著提高，相关系数平均分别提高了0.06和0.08；一些与区域灯光总值无明显相关性的社会参数，与最佳区间的区域灯光总值表现出较强的相关性。大部分社会参数的最佳灯光辐射强度区间比较稳定，随时间变化波动较小。各行业社会参数的最佳灯光辐射强度区间表现出明显的差异性与层次性，它们有助于更深入地分析参数与夜间灯光之间的关联关系，评估夜光遥感数据的背景噪音对参数分析的影响。顾及灯光强度区间的夜间灯光指数构建可以提高夜光遥感在社会参数研究领域的应用潜力。

低空作为城市空间的重要组成，是精细化城市空间管理的目标对象，通过空间坐标进行位置刻画，具备显著地理基因。随着城市低空应用的日益增多，以低空通行为代表形成的复杂空间利用情况已经突破传统空域，介入城市贴地表空间，影响城市建筑和人居环境权益，突显三维土地空间的役使问题。在城市的土地管理方面，宗地被用作管理城市土地空间的基本单元，承载权属关系及空间权益信息，宗地之间构建地役权可以确保权属方对他属空间的合法利用。由于贴地表的低空飞行活动已经进入城市土地空间的管理范围，厘清低空通行过程对宗地空间的利用和影响，构建城市低空通行役权是保障低空权益的迫切需求。常规地役权概念受限于土地平面认知约束，忽视立体空间的建模与表达，城市低空作为立体空间因低空通行活动而形成地役权关系时难以被清晰描述，如何实现低空通行役权的建模与表达成为关键。采用GIS技术对城市空间进行建模，实现物理世界到数字世界的特征刻画与映射是城市空间管理的重要信息化手段。本文以概念建模为目标，提出城市低空通行役权概念建模方法：通过剖析城市低空通行中飞行器运动条件、低空通行的人居权益影响、路径利用，来实现低空通行役权的约束性空间建模，作为概念模型的几何描述；以三维宗地的空间类型为基础，结合宗地内空间利用情况、飞行器起降模式和路径利用情况探讨宗地的供役条件，形成面向通行需求的宗地供役模式；抽取现有研究和法规中关于低空通行的概念，建立低空规划、价值和役权3个方面的语义关系，形成概念模型；最后，采用深圳市的低空物流案例进行实验论证，完成模型实例化与三维视图呈现。结果表明，围绕概念模型实现的“空间利用条件-数据建模-可视化表达”一体化方案能够清晰刻画城市低空通行役权和表达城市土地空间在低空通行情景下的权益关系，为城市低空管理提供支持。

地理空间知识的本质在于揭示地理事物和现象的时空分布、时空变化过程及其相互作用规律。地理空间知识库管理系统（GeoKGMS）以“图-文-数”一体化的地理空间知识库引擎为核心，致力于支撑地理空间知识资源的高效汇聚、地理空间知识图谱的自动构建和一站式地理空间知识工程建设，旨在形成新一代地理信息系统（GIS）的重要基础平台。本文重点阐述了基于云原生的地理空间知识库管理关键技术，包括云原生的地理空间知识库微服务统一调度技术、人机协同的地理空间知识图谱构建技术、地理空间知识图谱时空混合编码技术、以及多模态地理空间知识存储技术。在此基础上，设计了GeoKGMS的服务框架，实现了地理空间知识库管理、多模态地理空间知识抽取、地理空间知识图谱人机协同构建、地理空间知识推理、地理空间知识图谱质量评估和地理空间知识可视化六大管理服务功能。以喀斯特地貌知识图谱为例，充分发挥机器挖掘和专家知识的优势，实现了可持续的地理空间知识图谱工程化协同共建。

跨区域知识迁移是在少样本地区开展空间预测的一种重要手段。目前基于迁移学习技术和基于地理学第三定律的跨区域空间预测分别是计算机领域和地学领域的主流方法。本文对2018年以来国内外基于以上两大类方法开展的相关跨区域空间预测研究进行了文献综述，主要工作包括： ① 对比分析了基于地理相似性和基于迁移学习进行空间预测的基本原理及二者的技术流程异同； ② 总结了2类方法在相似性表征指标及相似性度量方法方面的差异； ③ 梳理了2类不同预测方法在常用的辅助数据、空间分析单元、模型方法与评价指标选取方面的差异； ④ 探讨了2类跨区域知识迁移的空间预测方法面临的问题及挑战。研究表明，2类方法的技术思想基本一致，但在适用范围、相似性表征与度量、相关辅助变量及参数选择等方面均存在一定局限性。研究可为两类方法优化完善及有效融合、跨区域预测方法的创新、应用领域的扩展等提供有益参考。