建筑物提取作为遥感影像处理领域备受关注的研究方向之一，对于城市规划、灾害管理、智慧城市建设等方面具有重要意义。近年来，随着遥感技术的不断突破和深度学习算法的迅速发展，卷积神经网络凭借强大的特征提取能力成为从遥感影像中提取建筑物的新兴解决方案。本文对基于卷积神经网络的建筑物提取方法进行系统总结，并将相关文献的方法针对模型结构、多尺度特征差异性、边界信息缺失以及模型复杂度的优化策略进行归纳分析。随后，我们阐述了典型的建筑物数据集以及当前数据集存在的问题，并根据数据集上的实验结果对相关方法的精度及参数量进行详细分析，旨在帮助读者更好地理解各种方法的性能和适用范围。最后，立足于领域的研究现状，面向人工智能高质量发展的新时代，从Transformer与CNN的结合、深度学习与强化学习的结合、跨模态数据融合、无监督或半监督学习方法、基于大规模遥感模型的实时提取、建筑物实例分割和建筑物轮廓矢量提取等方面对建筑物提取的未来研究方向进行了展望。

随着城市规模的不断扩大，城市居民通勤中混合交通模式普遍出现，即需要借助不同交通工具之间的换乘完成行程。精确提取和分析城市居民换乘行为，对城市交通模式及设施便捷性等研究具有重要意义。目前，换乘行为的提取多采用GPS（Global Positioning System）、GTFS（General Transit Feed Specification）等数据，基于步行速度或经验选取距离阈值或时间阈值，进而实现换乘行为的识别。但这种方式忽略了城市空间内公交或地铁站点密度的差异性特征，识别精度可能受到较大影响。因此，本研究基于公交地铁IC卡数据，提出了一种时间-距离阈值双约束的换乘行为识别算法，即根据公共交通刷卡数据的统计特征，实现时间和距离阈值的自动选择，进而精准提取换乘行为。在此基础上，本文根据前后半程的旅行时间/距离长短将换乘行为分为九类换乘模式：长-长换乘、长-中换乘、长-短换乘、中-长换乘、中-中换乘、中-短换乘、短-长换乘、短-中换乘、短-短换乘，并分别对其出行特征进行分析。结果表明，所有类型的换乘行为的早高峰均早于公交和地铁的出行早高峰，短-长换乘的早高峰时间甚至比一般出行的早高峰时间提前了30 min，充分说明了以换乘模式通勤的乘客需要付出更大的努力。相比之下，晚高峰出行时间则各有早晚，如长-长、长-短换乘模式晚高峰明显滞后于一般出行的晚高峰时间，更凸显了换乘群体的通勤成本负担之重。从出行距离上来说，九种换乘行为的通勤距离峰值远大于一般出行的峰值，甚至多分布于20~40 km之间。总之，本文所提出的换乘行为提取算法能够实现城市换乘行为的精确提取，结合对不同换乘行为模式的有效分析，为城市交通、城市活力、公共交通设施和城市规划等方面的研究提供有效的模型算法支撑。

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量，尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例，采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时，引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明： ① 相比于重力模型和辐射模型，街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83），且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构，呈现出“环形散射状”特征； ② 在本研究所选各空间尺度下，对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离，O、D点周围公司企业数量、餐饮服务数量以及购物服务数量； ③ 同一特征对OD流预测模型的局部影响不同于全局，如科教文化和体育休闲类POI在全局尺度下对模型影响较小，但在局部尺度下却表现出极大的影响。

传统聚落集聚了大量的古代建筑和民俗等传统文化资源，以其突出的历史、文化和艺术等价值而备受关注，提取其丰富的历史文化信息并服务于现代产业发展具有积极的意义。针对当前尚缺乏从地理知识提取和表达视角对传统聚落丰富的历史文化信息进行知识抽取、组织和表达，进而实现“数据-信息-知识-智慧”转换这一问题，本文提出传统聚落景观基因本体（Geographic Ontology of Cultural Landscape Genes of Traditional Settlements, GeoOnto-CLGTS），并探索传统聚落景观基因的内在关联特征。首先，结合地理信息本体和传统聚落景观基因特征分析了GeoOnto-CLGTS的概念及表达方法，并提出GeoOnto-CLGTS模型的构建方法。其次，结合七步法的地理信息本体建模方法，梳理景观基因概念、关联关系和数据属性特征，自顶向下构建GeoOnto-CLGTS的概念层。并以123个中国传统聚落为案例，通过protégé工具进行实例补充，实现了GeoOnto-CLGTS模型的实例层构建。最后，通过Neo4j图数据库对本体数据进行存储，构建传统聚落景观基因知识图谱，实现了景观基因信息的查询。结果表明，本文构建的GeoOnto-CLGTS可以为今后开展传统聚落文化资源的知识发现及促进传统聚落的数字化保护提供有益的借鉴。

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。

亚洲是国际人口迁移的活跃区域。除区域社会经济因素外，迁移流之间的时空依赖也不可忽视。本文基于1990—2020年6个时期亚洲国家双边移民流量数据，采用零膨胀负二项回归以及与之相结合的特征向量空间滤波和时空滤波模型（时空同期和时空滞后），分析亚洲内部国际人口迁移的影响因素，并对2020—2025年人口迁移流进行预测。结果初步表明： ① 亚洲国际人口迁移流存在显著的时空自相关，且同期邻近迁移流比过去邻近迁移流影响更大，加入表征时空依赖的特征向量能够有效提高模型拟合能力； ② 人口规模、经济水平、战乱情况以及邻近性是影响亚洲国际人口迁移流的主要因素，在1990—2020年，人口规模效应先减后增，经济差异驱动力则先强后弱，因战乱死亡人数仍具有较强的推力，地理距离的阻碍作用在减小，语言邻近和经济合作依然对人口迁移具有显著的促进作用； ③ 综合时空同期和时空滞后2种模型的预测结果，2020—2025年巴基斯坦和印度之间、印度 \to沙特、巴基斯坦 \to阿富汗和叙利亚 \to约旦的迁移趋势明显； ④ 根据2种时空滤波模型的结果，2020—2025年亚洲国际人口迁移流总量约为1.8×10⁷人。揭示亚洲内部国际人口迁移的时空依赖特性和其他规律有助于准确预测未来人口迁移趋势，同时为国家经济社会发展的宏观政策制定等提供科学决策参考。

随着我国城市化进程的加快，城市内涝灾害愈加频繁，人民的生命和财产安全受到了严重的威胁。然而，城市内涝灾害在愈加频繁的同时，产生了诸如信息获取不及时、制图时效性低、地图信息冗余等问题，难以为救援提供及时响应。基于此，本文提出了一种面向城市内涝场景下的微地图制作方法。首先，调用微博API获取任意时间段内特定主题下的社交媒体文本数据，对数据进行清洗与预处理；接着，选取BiLSTM-CRF模型提取社交媒体中有关城市内涝的地名地址信息；然后，结合Dijkstra算法为用户推荐避开危险路段的最优路径；最后，结合灾害信息与实际场景，制作城市内涝场景下的微地图。实验结果表明： ①该方法能够有效识别城市内涝点，总体准确率达到92.7%； ②对比官方发布的积水点，本文提取的积水点与官方积水点大部分重叠，能够有效为传统监测方法提供补充信息； ③根据所得内涝点生成道路网级别的城市内涝地图，能够克服在海量地理空间信息中可视化冗余的不足，即有效缓解地理信息冗余的问题。由此可知，实时显示城市内涝信息，能够为用户掌握灾害现场的信息提供便利，调动他们参与制作微地图的积极性。与此同时，结合最优路径推荐，能够提高灾害应急场景下的制图时效。

对于具有复杂几何结构特征的建筑物，三维网格模型重建结果易存在表面扭曲、边缘特征平滑的问题，无法较好地反映重建目标的真实信息。针对上述问题，本文提出一种结合三维边缘约束的网格模型优化方法。该方法以OpenMVS算法得到的初始网格为基础数据，利用变分原理构建能量函数，将网格模型优化问题转换为能量函数最小化问题。首先，从多视图像中提取三维边缘点，以三维边缘点构成的边缘轮廓来定位网格模型边缘区域；接着，利用灰度一致性测度构建数据项，利用顶点自身曲率构建平滑项，利用三维边缘轮廓约束构建附加约束项，将3个约束项构建为一个总体能量函数；最后，采用梯度下降法迭代求解总体能量函数最小值，将梯度变化量分配到网格模型的顶点上来驱动网格形变，以此优化模型。选取Strecha数据集中两个真实室外场景和ETH3D数据集中一个真实室内场景进行优化实验，使用ETH3D评估框架对实验结果进行评估。结果表明，经本文算法优化后的网格模型完整度和精度最高为89.76%、94.45%，本文算法在解决复杂几何结构建筑物模型边缘优化问题的基础上，提高了建筑物模型的准确程度。

在卫星碳观测用于区域减排存在技术壁垒的背景下，全球尺度的高分辨率化石燃料二氧化碳（FFCO₂）排放清单成为区域FFCO₂排放研究的主要数据来源，但现有的全球尺度FFCO₂排放清单用于区域研究仍存在显著的不确定性。为此，本研究定量分析3种全球尺度的高分辨率FFCO₂排放清单（ODIAC 2020b, EDGAR v6.0, PKU-CO₂-v2）用于区域尺度研究的差异性和变异性，然后基于卡尔曼滤波将3组数据进行特征融合，探讨了粤港澳大湾区FFCO₂排放的时空演变格局。结果表明： ① 当前FFCO₂排放清单数据间存在着显著的差异性和变异性特点，以大湾区为例，在最佳表征空间分辨率3 km×3 km下，区域内网格单元的平均差异性达到140%，变异系数达到16.3%，单一的全球尺度FFCO₂排放清单数据用于区域或城市的FFCO₂排放研究结果不准确； ② 经卡尔曼滤波融合重构的2000—2018年长时间序列的新数据显示：卡尔曼滤波融合结果的不确定性由±15%~20%减少至±10%； ③ 2000—2018年，大湾区FFCO₂排放的总体布局是广深港澳中心高排放，向外围区域逐渐降低为低排放区，并形成深圳、香港→广州→佛山、东莞→中山的排放转移路径。本文提出的区域FFCO₂排放研究思路在大湾区进行了示范应用，同时可应用于其他区域和城市。本研究的结论将为大湾区能源、资源优化布局提供科学依据，对低碳转型及高质量发展和“美丽湾区”建设具有重要意义。

锥形模型和矩阵模型因计算简单、可查询性好，常被用于方向关系查询，但由于忽略了空间对象的大小、形状、以及相互之间的距离对方向关系的影响，容易导致方向关系查询结果出现偏差。为解决该问题，本文利用锥形模型、矩阵模型和 Voronoi图模型在方向关系判断上的互补性，提出一种集成三者优势的方向关系组合模型，并基于该模型实现了方向关系查询。其基本思路是：为了能够集成不同模型的优势，将方向关系分为外部方向关系和内部方向关系；然后，组合锥形模型和矩阵模型实现外部方向关系查询，从而兼顾空间对象的大小和相互之间的距离对方向关系的影响；并使用Voronoi图模型进行内部方向关系查询，以顾及空间对象的形状对方向关系的影响。实验结果表明，组合模型在方向关系查询中具有良好的适用性和可行性，能够有效克服锥形模型和矩阵模型存在的缺陷，提高方向关系查询的准确性。该模型将有助于提升空间信息智能查询、智能推理、以及多尺度空间关系相似性计算等空间数据处理方法的准确性和可信度。

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。

可解释的准确预测PM_2.5浓度变化可以有助于人类规避暴露风险，对人类健康风险评估和政策实施具有重要意义。目前已有PM_2.5浓度预测模型过多专注于提升模型预测精度，但忽略了模型的可解释性，造成模型可复用性和可信任度较差。鉴于此，本文提出了一种兼顾模型预测精度与模型可解释性的注意力时空常微分方程模型（Attentional SpatioTemporal Ordinary Differential Equation，ASTODE）用于PM_2.5浓度预测任务。具体而言，本文将神经常微分方程集成至PM_2.5浓度预测任务中，以提升预测模型的可解释性。此外，针对传统神经常微分方程难以挖掘PM_2.5浓度数据中空间依赖关系的挑战，本文提出了一种新颖时空导数网络将传统神经常微分方程扩展到了时空常微分方程。针对传统神经常微分方程难以挖掘PM_2.5浓度数据中长期依赖关系的挑战，本文设计了一种时空注意力机制去融合多个时间节点的隐藏状态。本文采用真实的PM_2.5浓度数据集对提出的ASTODE模型进行了验证。实验结果表明，ASTODE模型不仅在预测精度上优于或逼近于存在的6个基线方法，并且在可视化的视角下具有良好的可解释性。

城市街道与老年人的日常活动密切相关，探讨街道环境适老性水平的空间分布特征及其关键影响因素，对老年友好型城市公共空间建设有重要指导作用。然而，既有研究难以贴近真实的人本视角、快速、大规模且精准地评估街道适老性水平的地理空间效应。因此，本研究从人行视角采集街景图像，结合语义分割和目标检测技术提取环境要素，利用人机对抗众包评价与残差神经网络50（ResNet50）技术测度街道环境适老性水平，采用莫兰指数（Moran's I）、普通最小二乘回归模型（OLS）、空间滞后模型（SLM）和空间误差模型（SEM）综合分析街道适老性水平的地理空间异质性及其影响因素；最后，选取了老龄化程度明显、街道环境多样的广州天河核心区为例进行实证研究。研究发现： ① 本研究结合了人视街景图像、机器学习和空间统计学方法，能够快速、有效地开展街道适老性水平评价，揭示其空间效应特征和关键影响因素； ② 街道适老性水平指标在研究区存在中等偏高程度的空间聚集性，商业型街道和靠近住宅区的街道、滨水街道差异大。水平较高的是商业型街道和靠近低密度住宅区的街道，较低的是靠近高密度住宅区的街道。老年人在滨水街道的活动性和安全感高，但愉悦感低；对靠近住宅区街道的归属感低； ③ 不同街道环境要素对适老性水平的影响存在差异。绿视率、开敞度和围合度对街道适老性水平的影响较强，拥挤度、人行道占比与场景多样性几乎无影响。研究有助于为精细化、具身性的城市街道适老化空间研究与实践提供参考和理论依据。

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。

随着三维传感器和三维重建技术的发展，跨源点云的配准融合成为了一个研究热点。传统的配准方法使用单一特征作为配准基元，会存在空间几何约束弱的问题。为了高精度融合跨源点云数据，充分表达场景中的立面信息，本文提出一种基于线面特征约束的跨源点云配准方法。通过RANSAC算法提取跨源点云中的同名线、面特征；利用四元数法描述空间变换参数，将线特征作为配准的约束条件，构建空间变换目标函数，估算变换相关参数完成粗配准，解决尺度差异性；在粗配准的基础上将面特征作为约束条件，求解旋转矩阵和平移参数完成精配准。以面特征代替点特征作为配准基元能避免从海量的点云数据中选取公共点，减少由人为选择的偶然误差，避免了误差的积累，进一步提高配准精度。最终使用影像匹配点云与激光雷达点云数据进行实验，结果为：在小区域单建筑、多建筑和大区域建筑群中RMSE值分别为0.364 7、0.032 0和0.614 6，且同名面之间的夹角最大不超过1.5°，最小不到0.1°，夹角角度均值在1°范围内。结果表明本文方法对具有尺度差异的跨源点云具有较好的配准效果。

海岸线位于陆地与海洋交汇的关键地带，其利用模式与陆海两侧的空间规划与开发密切相关。本研究主要基于2022年SDGSAT-1卫星影像，兼顾海岸线两侧的陆域和海域空间，从中国海岸带整体、省（市区）海岸带、剖面线3个层面探究中国大陆海岸线与陆海两侧空间利用的关联特征。结果表明： ① 中国大陆海岸线开发利用比例较高，未利用岸线仅占35.11%；在已开发的岸线类型中，养殖围堤岸线占比最大，其次是港口码头岸线； ② 在土地利用方面，建设用地面积最大，其在天津和上海占有较大比重；人工湿地次之，在辽宁和山东占比较高。对于海域利用，渔业用海在山东和福建占比较大；交通运输用海在上海占比最大；能源开发用海在上海、天津和河北占有较大比重； ③ 从开发利用强度来看，海岸线利用程度综合指数、土地利用程度综合指数和海域利用程度综合指数两两之间均存在明显的正相关关系。与向海一侧相比，海岸线利用程度与陆域土地利用活动之间的相关性更强；空间上，3个指数高值和低值所在的地区基本一致，高值区主要分布在天津和河北等北方省份，低值区主要分布在浙江和福建等南方省份； ④ 从海岸线角度观海望陆：未利用岸线向陆一侧林地占比最高、土地利用程度综合指数值最低，而在未利用岸线向海一侧，旅游娱乐用海的占比高于其他岸线类型；港口码头岸线陆海两侧利用程度综合指数均为最高，陆侧以建设用地为主，海侧以能源开发用海和交通运输用海为主；养殖和盐田围堤岸线海侧的生态保护用海占比高于其他岸线类型。研究结果可为科学规划和管理海岸线、优化陆海空间结构等提供科学数据和决策支持。

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。

灾害预警通过提前发布灾害信息，引导居民及时采取避灾行动，从而有效降低灾害损失和伤亡，在减灾管理中发挥重要作用。面对自然与社会耦合下的复杂洪涝灾害系统，如何考虑居民的预警响应行为，评估不同洪涝灾害预警策略有效性是当前亟待解决的问题。本文提出了基于主体建模的城市暴雨洪涝灾害预警策略仿真方法，设定基于降雨预报、基于洪涝淹没、基于人群暴露性的3种预警策略，并以深圳市福田区为例，分析不同预警策略下城市洪涝灾害风险的变化。结果表明：① 考虑洪涝灾害风险感知与个体出行决策概率的城市暴雨洪涝灾害预警策略ABM仿真模型，能够准确模拟不同洪涝灾害预警策略下居民出行响应行为及洪涝灾害风险的变化，科学、全面评估城市洪涝灾害预警策略的有效性；② 不同洪涝灾害预警策略下人群出行响应行为差异显著，导致城市暴雨洪涝灾害风险降低效果不同。面对20 a一遇的降雨情景，基于洪涝淹没和人群暴露性预警能够帮助研究区居民快速识别高危险区，从而显著降低建筑物和道路的风险；③ 不同暴雨情景下不同洪涝灾害预警策略效果不同。面对较小的降雨情景，基于洪涝淹没和基于人群暴露性的精细化预警策略下城市洪涝灾害风险降低效果更好；而面对极端暴雨情景，采用基于降雨预报的统一预警策略效果优于精细化预警策略。

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。

大规模室外点云具有丰富的空间结构，是地理信息获取重要手段之一，由于其本身具有不规则性、复杂几何结构特征及地物尺度变化大等特征，点云分割的准确性依然是一个巨大的挑战。特别是目前大规模点云几何信息及颜色等信息利用不充分等问题，为解决这些问题，本文提出了一种融合颜色信息和多尺度几何特征的点云语义分割方法（Integrating Color Information and Multi-Scale Geometric Features for Point Cloud Semantic Segmentation（CMGF-Net））。该方法中，分别设计了几何特征信息提取和语义特征信息提取模块。在几何特征信息提取模块中，为了充分利用点云数据的几何特征信息，设计了2个特征提取模块，分别是局部邻域的相对位置特征提取模块（RPF）和局部邻域的几何属性提取模块（LGP）。其中，RPF模块利用三维点云的空间法向信息以及相对空间距离，提取邻域点与当前点的相对位置关系； LGP模块利用点云几何属性在不同地物上有独特的表现特性，融合局部区域的几何属性特征；然后通过所设计的几何特征融合模块（LGF）将RPF模块和LGP模块所提取的特征信息进行融合得到融合后的几何特征信息。此外，为了从点云中学习到多尺度的几何特征， CMGF-Net在不同尺度的网络层中都进行了几何特征的提取，最终将所提取的几何特征与基于颜色特征提取的语义特征信息分层进行融合，以提高网络的学习能力。实验结果表明所提出的网络模型在Semantic3D数据集上的平均交并比（mIoU）和平均准确率（OA）达到了78.2%和95.0%，相较于KPConv提高了3.6%和2.1%；在SensatUrban数据集上达到了59.2%和93.7%，由此可见本文所提出的网络模型CMGF-Net在大规模室外场景点云分割具有较好的结果。

光学影像和SAR影像具有丰富的互补属性，有效的融合策略可为地物解译提供夯实的信息基础。道路作为条状地物，其拓扑结构、分布规律和应用场景往往会对解译效果带来挑战。基于此，本文提出一种多分支双任务的多模态遥感影像道路提取方法。首先，构建结构相同但参数独立的编码—解码网络分别对光学和SAR影像进行特征提取，并利用道路表面分割标签监督训练；其次，引入SAR影像的编码层特征进行道路边缘检测，并将其中间特征输入至SAR影像的解码层特征，从而优化道路与背景的切割效果；最后，利用设计的通道—条状空间注意力（Channel Attention-Strip Spatial Attention, CA-SSA）充分融合光学影像和SAR影像的浅层和深层特征，从而预测最终的道路提取结果。为验证本文方法的有效性，利用Dongying数据集进行实验，在定量精度评价指标中，本文方法的IoU相比单模态对比方法至少提升1.04%，相比多模态对比方法至少提升1.95%；在定性效果分析中，本文方法在道路交叉口以及低等级道路等重难点区域具有明显优势。此外，在光学影像受云雾影响时，本文方法的道路提取效果最佳。

【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。

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。

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。

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。

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。

【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。

高质量的降水数据是气象服务与水文应用的基础资料保障，多时空尺度的卫星降水数据作为重要的降水数据源，现已被广泛应用到水文气象领域。然而，卫星降水产品存在空间分辨率粗糙、准确性差等问题，难以满足精细化水文和气象的应用需求。本文以随机森林（Random Forest，RF）为基础模型，提出一种顾及空间自相关性的多源遥感日降水数据融合方法(Spatial Random Forest Multi-source Fusion, SRF-MF)。该方法首先基于降水与环境因子之间存在较强的相关性，在月尺度上利用空间随机森林对多种卫星降水产品分别进行降尺度，然后根据日比率将月降水分解为日降水，最后借助随机森林将降尺度数据和站点数据融合，最终生成高质量的日降水数据。利用2015—2019年四川省5种卫星降水产品（CHIRPS、CMORPH、PERSIANN、GAMaP和IMERG）和实测雨量计数据，通过SRF-MF方法生成了逐日降水数据集，并将该数据集与原始卫星降水产品和5种机器学习方法比较，包括随机森林合并方法（RF-MEP）、单机器学习方法（RF、ANN）和双机器学习方法（RF-RF、RF-ANN）。实验结果表明，在不同时间尺度上（日、月、季、年）SRF-MF方法产生的降水数据集精度均明显优于其他几种方法，而且针对不同强度降水事件的捕捉精度更高，其降水分布图的空间细节信息更加丰富，准确性更高。本文研究结果将为提高卫星降水数据质量，以及扩大应用领域提供研究思路。

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。