地理信息的不断泛化对经典的地理信息分析模式提出了巨大挑战，网络化的知识服务将逐渐成为地理信息应用的新模式，助力地理计算到社会计算的形态转变。地理知识服务需要打通人、机构、自然环境、地理实体、地域单元、社会事件之间的关联，促进知识辅助下的数据智能与计算智能。本文聚焦地理时空知识获取与形式化表达及分析的迫切需求，首先分析了时空知识图谱的基本概念与特征，认为时空知识图谱是指具有地理时空分布或位置隐喻的知识构成的有向图，即以时空分布特征为核心的知识图谱；然后提出了时空知识图谱的研究框架，该框架可实现时空大数据到时空知识服务应用的转变，包括泛在时空大数据、时空知识获取、时空知识管理、时空知识图谱、软件系统及行业应用等多个层次；接着从文本描述地理信息抽取、异构地理语义网对齐、时空知识表达与表示学习等方面，介绍了相关研究进展；结合应用实践，介绍了面向行业的时空知识图谱构建与应用途径；最后，讨论了时空知识图谱研究目前面临的关键科学问题与技术瓶颈，提出在大模型时代，构建显式的时空知识图谱，并针对行业需求开展知识推理，仍是时空知识服务的必由之路。

新型智慧城市是城市数字化向智能化、进一步向智慧化发展的必然要求，是实现高质量发展的重要环节。本文首先介绍了智慧城市的背景和基本概念，分析了数字城市、智慧城市和新型智慧城市3个阶段的关系和区别。数字城市利用计算机网络、空间信息和虚拟现实技术实现城市信息数字化，重在建设信息基础设施。智慧城市则依赖时空大数据、云计算、物联网等技术，旨在整合城市生活的各个系统，重在搭建统一的数字平台以便智能化管理。新型智慧城市结合数字孪生、区块链、元宇宙等技术进行全城整合，并采用基于人工智能的智能生命体进行决策，融合现实与虚拟元素，实现先进的城市管理。本文随后探讨了新型智慧城市的建设，重点关注以技术和社会需求为驱动力的高质量城市发展。它突出了从数字城市到智慧城市的过渡，强调了信息基础设施和智能技术在发展过程中的作用。论文讨论了三维城市建模、数字孪生和元宇宙等关键技术，并详细介绍了它们对城市规划和治理的影响。本文还探讨了智慧城市如何促进经济增长、满足国家需求以及确保公共健康和安全。人工智能、物联网和区块链等技术的融合对于创造互联、高效和可持续的城市环境至关重要。本文最后评估了智慧城市在衡量经济发展方面的作用，展示了其作为国家进步基准的潜力。最后，基于人工智能技术的最新进展，本文分析并系统展望了人工智能在建设新型智慧城市中可以发挥的关键作用。人工智能在分析海量数据、改善决策以及整合各种城市系统的能力，都为实现智慧化城市生态系统的愿景提供了重要支撑。在“人工智能+物联网”、“人工智能+大数据”、“人工智能+大模型 ”和“人工智能+大算力”的协同作用下，新型智慧城市有望实现无与伦比的城市智能化水平，并最终实现可持续、高效和以人为本的高质量城市发展。

新型作战样式对战场环境服务保障提出了新要求，战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题，将知识图谱与战场环境相结合，提出了战场环境知识分类方法，认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式；针对三元组知识表示碎片化的问题，构建了战场环境时序超图表示模型，实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模，将各类知识表示为具备时空特点、场景特点的统一知识超图网络；最后，利用地图、事件、影响过程和作战影响效能等数据进行实验验证，超图网络从语义层面实现了各类战场环境知识的关联，可进一步为实现基于超图的智能推理和服务决策提供支撑。

地球科学（以下简称地学）知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，目前的地学知识图谱研究主要面向实验场景，缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究，导致尚未真正在地学领域现实应用中得到使用。为此，本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求，首先研究了大规模地学知识图谱的构建技术，在此基础上，提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后，以“深时数字地球（DDE）”国际大科学计划为例，开展了面向实际应用的知识图谱平台研发实践。最后，利用该平台，构建了DDE大规模地学知识图谱，开展了知识图谱开放共享，有效实现了知识图谱应用，证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。

图像地理定位是将没有地理位置的图像，通过一系列方法获得对应地理位置，使其与现实地理空间建立关联映射的技术。该技术对进一步挖掘图像信息有着重要的作用，在网络空间测绘、情报获取、用户室外定位、增强现实等方面具有较高的应用价值。尽管计算机视觉领域取得了巨大的进展，但是由于图像地理定位涉及到图像特征提取、大规模数据检索、大规模点云处理、深度学习、地理信息特征提取、几何建模与推理、语义场景理解、基于上下文的推理、多数据融合应用等多个领域，所以对图像的高精度自动地理定位仍是需要进一步解决的难题。本文对图像地理定位研究进展进行了梳理，主要包括图像地理定位方法、图像地理定位数据集、图像地理定位评价方法和图像地理定位总结与展望4个方面。首先按照研究内容相关性将图像地理定位方法分为了图像检索、2D-3D匹配和跨模态检索3类方法，并详细介绍了每一类方法的最新研究进展；其次对图像地理定位研究所用的数据集和评价方法进行了归类与总结；最后分析了图像地理定位的研究现状，并从全球地理定位、自然区域地理定位、多方法融合地理定位、基于POI数据的地理定位和预选位置的精细化定位等方面对图像地理定位的未来研究方向进行了展望。

在我国高密度城区和人口老龄化发展背景下，加强城市口袋公园设计与建设研究不仅必要而且紧迫。本文运用CiteSpace，并结合文献综述、技术分析等方法对2000—2022年我国城市口袋公园研究进行聚类分析及文献综合分析，结果表明：当前该领域的研究热点包括口袋公园、街旁绿地、景观设计、袖珍公园、公共空间、风景园林、微绿地、街头绿地、设计策略、规划设计等；口袋公园研究进展分为基础研究（2000—2006年）、稳步推进（2007—2018年）和快速发展（2019—2022年） 3个阶段；其研究重点包括基础性研究、规划设计研究和评价研究。未来我国城市口袋公园研究的发展方向包括：多个口袋公园协同组群布局及单个口袋公园内部空间布局优化、景观设施布局优化、植物配置与优化研究；以环境行为学和环境心理学为理论基础，基于居民行为特征和心理需求的口袋公园适老性、适幼性、无障碍、人性化等方面的研究；综合运用建筑环境理论、遥感技术（RS）和地理信息系统（GIS）技术，对口袋公园与所在地区自然环境效应耦合关系进行系统性研究；口袋公园设计导则、建设和运维标准范式等的规范性研究；口袋公园设计的数字化和运维管理的智能化研究，以及在此基础上的口袋公园评价体系、评价方法、统计分析研究等。

雷达卫星能够穿透云雾，全天时、全天候获取洪涝灾害期间地面的水体信息，被广泛应用于洪水检测。本文从合成孔径雷达（SAR）卫星数据源、洪水检测方法、辅助信息在洪水检测中的应用、精度评价、SAR洪水检测的挑战与发展方向六个方面，总结分析了国内外SAR影像洪水检测领域的研究进展。首先重点梳理了基于阈值分割、分类器和变化检测等洪水检测方法，发现阈值法计算速度快、应用广泛，分类器法可以充分发挥主观性和客观性，变化检测法可有效限制过度检测与影像几何误差。接着分析了光学遥感影像、地形、纹理、水文、土地覆盖/利用等辅助信息在洪水检测中的应用，发现SAR影像结合辅助数据进行洪水检测成为研究热点。然后综合洪水遥感检测的应用需求和SAR水体信息提取技术发展历程，分析了洪水检测在影像数据源、预处理、检测算法及精度验证等方面面临的挑战及原因，总结出目前SAR洪水检测的发展方向：即SAR洪水检测辅助信息的广泛应用、同一SAR影像洪水的差异化识别和基于SAR影像的洪水概率制图等。

随着高质量发展成为全面建设社会主义现代化国家的首要任务，地理时空信息支撑国家和地方社会经济发展的重要性被提到新的高度。本文面向高质量发展对地理时空信息赋能提出的迫切需求，先从复杂地表系统表达、时空不确定性分析、地理空间智能计算等视角出发，全面综述地理时空表达计算理论方法的研究现状，进而以解构复杂地表、解析精准参数为问题驱动，提出“地理时空数字化底座”的相关理论思考与研究思路，概述了其中的基本概念与技术要点，重点分析了复杂地表系统的多重表达与知识关联、空间形态约束谱序特征重建的不确定性分析、“星-地-人”协同的信号传递与优化控制3个关键科学问题，从“全域空间可解构”、“局部空间可解析”、“空间之间可传递”3个目标切入串联“空间表达”与“参数计算”前后两阶段，阐释了可靠表达、可信分析、可控计算的难点所在及可行求解路径。在此基础上，重点以农业生产空间的监测监管为需求导向，介绍了数字化底座的农业应用案例，通过展示其搭建过程与综合智能计算实施效果，说明底座之上承载并组合发挥时空数据要素的保障优势和基础性支撑作用，彰显了为复杂山地现代农业发展提供高品质时空信息服务的潜能。

地理信息科学（GIS）既有学科自身发展的需求，也是支撑地理学、地球系统科学和未来地球学等前沿探索的技术方法，还是服务于国家战略与社会发展的支撑技术。面对当今地理信息科学发展的内在规律、相关学科发展的外在驱动，以及人工智能等新技术的牵引，本文首先从描述内容、表达维度、表达方式、分析方法与服务模式6个维度，分析了GIS的发展过程，探索了其发展规律；然后，在解读地理学发展的初心与目标的基础上，提出了面向“物理-人文-信息”三元世界的地理学学科体系，讨论了信息地理学研究对象，提出了一个综合信息7要素与地理描述7维度的概念模型；随后，从信息科学视角的地理信息科学、地理学视角的信息地理学、以及语言学视角的地理语言学3个方面分析了地理信息学科的发展趋势。最后，总结了GIS、信息时代的地理学、地理场景、地理大模型等可能的发展方向和要点，以期丰富对地理信息学科的认识，促进地理信息相关科学的发展，提升学科对国家发展需求支撑和社会服务能力。

命名实体识别（NER）是自然语言处理众多研究基础，其可以被定义为分类任务，旨在从非结构化文本中定位出命名实体，同时将命名实体分类成预定义类别。与英文相比，中文构词灵活、不具有边界性，且缺乏高质量中文NER数据集，导致中文命名实体识别难度较大。细粒度实体是粗粒度实体的细分类型，中文细粒度命名实体尤其是地理命名实体识别难度更大。中文地理命名实体识别无法同时兼顾精度和召回率，改善中文细粒度地理命名实体识别性能至关重要。因此，本文提出2种联合词汇增强模型的中文细粒度地理命名实体识别模型。首先，将词汇作为“知识”注入模型，基于词汇增强方式探究适合细粒度命名实体识别方法，并找出适合细粒度命名实体识别方法BERT-FLAT以及LEBERT；其次，为进一步提升细粒度地理命名实体识别性能，针对上述2种方法在预训练模型、对抗训练以及随机权重平均3个方面进行改进，形成联合词汇增强模型RoBERTa-wwm-FLAT以及LE-RoBERTa-wwm；最后，对联合词汇增强模型进行消融实验，探究不同改进策略对于地理命名实体识别性能影响。基于CLUENER数据集和1个微博数据集的实验表明：① 与无词汇增强功能模型相比，具有词汇增强功能模型在细粒度命名实体识别任务中F1-score提升了10%左右； ② 针对词汇增强方法进行的3处改进使模型在细粒度地理命名实体识别任务中F1-score提升了0.36%~2.35%； ③ 与对抗训练改进、随机权重平均改进相比，预训练模型改进对地理命名实体识别精度的影响最大。

移动信息通信技术与社交媒体对日常生活的嵌入日益加深，影响了居民休闲活动区位选择，但就其影响的空间规律性特征认识相对欠缺。研究基于对比的视角，选取大连市小红书休闲打卡点位数据与同类别休闲POI数据，从集中度与集群度2个维度、在主城区与行政街道两个尺度上，采用核密度估计、热点分析、DBSCAN等空间分析方法测度对比两类休闲空间的分布特征，并据此提出初步的机制解析。研究发现：① 休闲打卡地大多分布于城市核心区内，但分布范围更小、核心数量更少；② 在宏观尺度上，休闲打卡地呈现出更低的集中度（差值约3%）与集群度（平均差值约18%），分布具有明显的“均质化散布”特征，在街道尺度上分布趋势相同，但在不同街道2类指标的差值大小存在显著不同；③ 休闲打卡地的热点集聚区范围更小，就其分布位置而言，在宏观与街道尺度上分别有85%与77%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，少量休闲打卡地特有的热点集聚区主要分布于历史街区以及滨海岸线等城市特色风貌区；④ 根据街道内指标高低，休闲打卡地的分布模式可以总结为“原中心集群型”、“原中心散布型”、“新中心散布型”以及“无中心散布型”4类，不同分布模式所在街道的功能、区位等特征存在差异。研究基于行动者网络理论解析了社交媒体影响下休闲打卡行为的行动过程，并在此基础上从场所空间与流空间的差异出发，结合时间地理学的基本理论，认为社交媒体在原有时空制约的基础上构建了一种以强目的性空间探索为特征的休闲活动新“地方秩序”，它体现了基于虚拟联系的流空间对基于实体在场的场所空间的影响：强化节点吸引力的作用，降低中微观尺度上的可达性约束，增加区位灵活性。

智能网联汽车逐渐成为当代智能交通系统的不可或缺的组成部分，而作为智能网联汽车核心要素的自动驾驶高精度地图在推动交通智能化发展方面扮演着至关重要的角色。高精度地图有效地建立了驾驶员、汽车、道路环境、驾驶环境、意义环境和社会环境之间的紧密联系，推动了自动驾驶技术从L0级别逐步演进至L5级别。本文聚焦于智能网联汽车与自动驾驶高精度地图发展的迫切需求，首先对高精度地图的内涵、主流基础数据模型、概念及特点进行了介绍，强调高精度地图是实现智能网联汽车自动驾驶的全新地图数据范式；其次，浅析了高精度地图在全生命周期中的采集、构建、更新、应用、审核和管理等环节中所涉及的感知数据类型多样、地图构建方法多元、众源更新技术多种、地图应用方式多类、地图审核流程智能、地图管理模式创新等多维特征；同时，提出了一种典型的高精度地图众源更新技术路线。针对高精度地图审核当前问题，介绍了一种在线智能审图方法。以高精度地图深圳试点为案例，介绍了其应用现状及探索经验。最后，对高精度地图的发展进行了展望。

轨迹聚类是空间数据挖掘领域的一个研究热点，对城市交通规划、路网结构提取与更新等具有重要意义。轨迹聚类包括轨迹相似性度量和聚类参数设置2个核心问题。然而，由于轨迹的形态结构特征复杂，现有轨迹相似性度量指标存在对噪声敏感或未充分考虑轨迹运动方向一致性的问题，且大多数聚类算法仍需人为设置参数，聚类挖掘结果的质量受到用户主观经验的影响。针对上述问题，本文提出了一种融合多特征的移动轨迹自适应聚类方法。首先，通过融合轨迹的空间邻近性和运动方向特征定义了一种对噪声鲁棒的轨迹相似性度量指标—DSPD距离；在此基础上，通过扩展Ward层次聚类方法提出了一种基于中心轨迹概念的空间层次聚类算法，该算法使用DSPD距离作为相似性度量指标，利用聚类特征曲线自动确定最佳聚类参数。以11组模拟轨迹数据和武汉市真实轨迹数据为例进行实验与分析，结果表明，本文方法在顾及空间邻近性的基础上，可以有效区分不同移动方向的轨迹簇，同时，利用轨迹数据特征自动确定聚类参数，降低了挖掘结果的主观性。

在智能交通领域中，各种信息采集设备积累了海量的多源异构数据，如车辆轨迹、道路状态、交通事件等。如何依据这些海量的交通数据进行关联整合，并利用这些数据进行辅助决策是当前面临的挑战。为应对这些挑战，知识图谱技术由于其具有强大的实体间关联建模能力，在知识挖掘、表示、管理及推理能力等方面显现出了巨大的应用潜力。首先，本文依次针对地理交通图、多模态知识图谱及动态知识图谱的构建技术进行综述，以此展示知识图谱在智能交通领域的广泛适用性。接着对智能交通领域的各类知识图谱构建方法进行介绍。其次，对智能交通领域的知识图谱表示学习技术及知识推理技术进行归纳总结。其中涵盖了多模态知识图谱表示学习的相关算法以及动态知识图谱表示学习的探讨，并展开介绍了动态交通多模态知识图谱中的补全技术和因果推理技术，对于提高智能交通系统的数据理解能力和决策推理水平具有重要的理论意义和实际应用前景。再次，归纳整理了几个应用场景下知识图谱为城市的智能决策提供重要支撑的解决方案。最后，对现有技术瓶颈进行了分析和探讨，并对未来交通知识图谱的关键技术及其辅助应用进行了展望。

特大城市生活必需品供应保障体系直接影响社区的供应韧性，而社区系统无法孤立存在，其作为城市治理基本单元对推动供需联动与增强城市韧性具有关键作用。本研究探索性提出一种基于复杂网络理论的城市社区供应保障韧性评估方法，尝试测度社区动态韧性，实现从“单系统评价”走向“多系统关联评价”的韧性评估底层理论思维突破。以广东省广州市中心城区六区为例，充分利用手机信令等多源数据，基于市民时空间行为构建“市场-社区”生活物资供需网络，同时基于社区韧性5个指标制定网络攻击策略；引入级联失效机制评估其网络抗毁性，结合熵权法赋予权重得到社区韧性评估结果；并通过研究供应网络不同阶段节点失效的社区影响因素，进一步解析社区韧性与供应体系间的影响机理。研究发现：① 基于本研究构建的城市生活物资网络模型，可实现较好地模拟城市社区供需网络和评价社区韧性，其中潜在供应保障缺失的低韧性社区主要分为老旧街区、城中村、城郊街区3种空间类型；② 通过针对社区5种不同攻击策略下网络抗毁性分析，发现社区韧性主导影响因素不同，其中人口密度为首要考虑因素；③ 社区韧性与供应保障间存在复杂双向影响，包括低韧性社区在面对城市突发事件时存在明显脆弱性，社区自组织能力、供应设施布局与供应点间联动调度等都会影响社区整体韧性。

许多复杂的物理现象和动态系统尚未为科学家所完全理解和解释，因此不能构建确定的数学方程来描述，不能直接使用紧凑的物理机理模型来进行分析和预测。随着观测数据的日益丰富，数据驱动的机器学习方法可以较好地描述复杂非线性现象，但是纯数据驱动模型在表征能力、可解释、泛化能力、样本利用效率方面还存在很多不足。常规机器学习方法在地学领域的应用还面临时空异质性、样本稀疏等带来的挑战。近年来感知物理先验的机器学习方法可以在物理原理不太明确的情况下更有效地利用观测数据描述和分析动态系统，受到了广泛关注，并在物理、计算机、生物、医学和地学等领域得到了一定的应用。近年来人工智能和机器学习技术已经大量应用于地理学尤其是地理信息和遥感领域，受到地理学者广泛重视，被称为地理空间智能，并已成为一个热门的研究方向。感知物理先验的机器学习方法融合了模型驱动和数据驱动思想，为地理空间智能研究带来新的研究范式，促进各种复杂地理现象的精细描述和预测。本文首先分别从物理先验的表达形式和如何在机器学习中集成物理先验两方面概述了该领域的进展。物理先验是在机器学习建模之前已经存在、独立于机器学习方法的知识。本文从增广的数据和定制特征、物理定律和约束规则、支配方程、几何特性等方面总结物理先验知识的表达形式。主要从机器模型约束建模、辅助任务设计和模型的训练推理角度总结如何在机器学习模型中有效集成各种物理先验。本文基于以上的综述框架，结合地学机器学习和地理空间智能的发展和前沿问题，探讨了地理时空先验与其他物理先验的关系，简要总结和分析了目前感知时空先验的地理空间智能方法研究案例，探讨了时空先验表征以及集成时空先验地理空间智能的未来研究规划和应用前景。随着感知物理先验的机器学习方法研究的快速发展，我们相信感知时空先验的地理空间智能研究未来将逐步构建起跨多时空尺度的通用地理表征、分析、预测和解释框架，不仅能更好地解决地理信息科学的传统问题，还将鼓励地理学者与其他相关学科一起建立交叉研究的前沿机会，探索解决人类未来面临的共同挑战。

网络空间测绘已经成为各领域普遍关注的热点问题。其核心任务是探明网络空间组成要素，分析网络空间现象规律，绘制网络空间结构。网络空间测绘的研究存在概念术语多样、研究框架不统一，要素及规律的认识不清晰，网络空间地图表达方法不规范、缺乏统一标准等问题。在系统梳理各领域对网络空间测绘研究现状的基础上，分析了各领域对网络空间内涵的共性认识；从网络空间的空间特性、地理特性和人文特性出发，剖析了从测绘地理学角度研究利用网络空间的特点和优势；提出了网络空间测绘的研究框架，重点描述了网络空间“测”与“绘”的核心内容和关键技术，并阐述了其与实景三维、数字孪生及元宇宙之间的关系；将网络空间“测量”分为狭义的和广义的网络空间测量，指出其缺少从整体角度对网络空间特征测量和缺乏针对人在网络空间活动现象和规律的测量研究；从网络空间认知需求出发，提出了网络空间地图概念模型和分类；从网络空间坐标系、“地理-网络”关联映射、网络空间地图表达方法等方面重点描述了网络空间地图制图的关键技术，系统分析了网络空间地图表示方法及其适用性；最后，对网络空间顶层概念、网络空间建模方法、网络空间地图理论与方法以及网络空间地图应用场景设计等需要重点研究的关键科学问题和关键技术进行了展望。

中亚降水数据存在缺失、地理偏差、分辨率低和采集难度大等问题。近年来，神经网络模型被广泛应用于降水降尺度研究。然而，由于山区自然环境复杂多变，普通神经网络模型的预测结果难以解释且适用性差。为此，本文以地理差异分析作为先验知识约束生成式对抗网络，构建一种新的降水降尺度模型，提高了阿姆河流域复杂环境下降水数据的空间分辨率和精度。首先，依据地形数据通过空间变形模型对输入的Climate Research Units Time Series (CRUTS)降水数据进行空间校正。然后，输入校正后的CRUTS降水数据、气温风速湿度等同化数据及遥感数据到条件生成式对抗网络，重建高分辨率降水数据。最后，考虑到山区降水的各向异性，尤其在地形复杂的上游区域，该模型基于气象站点的真值，对降水数据进行了反距离权重的地理差异分析。结果表明，基于地理差异约束生成式对抗网络的降水降尺度模型能够提升复杂环境降水数据的分辨率和精度。针对中亚阿姆河流域的实验表明，本方法可将CRUTS降水数据的分辨率由55 km提升至11 km，其R²值增加了0.34，均方根误差(RMSE)和平均绝对误差(MAE)分别减小19.4 mm和10.65 mm，偏差(Bias)也由原来的0.24降至0.08。本文为数据采集难、地形地貌复杂区域的降水数据空间分辨率的提高，提供了鲁棒性好、普适性强的方法和思路。

船舶航线提取与交通流分析是航线设计、海事管理、贸易分析等研究的基础。面向海量船舶轨迹，现有船舶航线提取方法在大范围海域的适应性、方法复杂性以及与真实船舶交通航线的符合性方面还存在不足。本研究以海量船舶自动识别系统（Automatic Identification System， AIS）数据为研究对象，提出一种船舶轨迹提取模型构建与交通流分析方法。首先，将船舶航行轨迹抽象为船舶停留特征点（停留点）与移动特征点（航路点）的组合，其中停留点为船舶在港口处停留轨迹段的特征点，航路点为船舶移动轨迹段中航行速度或航行角度发生明显变化的特征点，构建“出发港（停留）→移动（航路）→目的地港（停留）”船舶航行轨迹抽象模型，实现船舶航行轨迹划分;然后，以船舶航行轨迹抽象模型为基础，基于图论理论进一步聚类海量船舶航行轨迹的停留点和航路点，提取表征船舶航线的航线点（停留航线点和航路航线点）;最后，建立航线点连接矩阵，以船舶交通图的形式实现船舶航线提取，为船舶航线提取、交通流分析等提供新方法。以南海丝路海域为研究区，利用2017年全年的历史AIS数据，分析研究区内典型商船（集装箱船、散货船、油轮）的交通流特征和船舶航线。结果表明，提取航线与船舶交通高密度区域高度吻合，能够反映南海丝路区域真实的船舶交通航线。进一步与现有航线数据比较可知，本文提取航线的细节更加丰富，结构更加完整。与现有船舶航线提取方法相比，本文方法具有两方面的优势。① 本文方法提取的船舶航线具有更大的丰富度。本文方法不仅提取出船舶航线，还识别船舶航行过程中的特征点，即船舶停留特征点和航路特征点，这对于航线设计和航行安全无疑是重要的知识支撑; ② 本文方法提取的航线更易于分析海运交通网络。由于本文方法提取的航线是点对点的形式，且每条航线都是从港口出发，易于构建海运交通网络，可以实现潜在的运输网络分析。本研究可为船舶航线规划、交通流分析、航行安全等提供决策支持。

街道空间是旅游者在旅游地的主要接触空间，良好的街道视觉品质对旅游产业的可持续发展至关重要，而如何建构视觉品质评价方法则需要进一步探索。本文以厦门市鼓浪屿作为研究区域，首先建立街道空间视觉品质量化模型，采用人工模拟旅游者行进的方式采集街景数据，进行成像参数校正和图像编码；其次，采用全卷积网络进行图像语义分割和视觉要素提取，获得街道环境视觉参数；最后，根据量化模型将视觉参数聚合到地理要素中，建立地理信息数据库进行街道空间视觉品质评价。结果表明：① 鼓浪屿街道空间视觉品质存在明显的空间分异性；② 建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素；③ 植物类公园、主要交通枢纽、主要商业设施的分布对街道空间视觉品质产生显著影响。本文为街道视觉品质评价工作提供了可供迁移应用的数据采集方式和研究方法，基于全卷积网络的街景图像语义分割精度较高，能够为街景图像以及其他类型的图像数据分析提供参考。在管理实践上，本文可以为旅游地街道空间的管理与规划、资源整合与配置、人流引导与调控等工作提供有价值的借鉴。

在文旅融合、数字中国、遗产活化利用的综合背景下，遗产旅游成为学界与业界讨论的热点。承载遗产价值的空间表征与旅游者空间感知的不匹配问题是当前遗产旅游最突出的矛盾之一。本文从遗产价值视角出发，采用文献计量与系统性述评相结合的方法，围绕遗产价值的阐释与量化、遗产价值的空间计算与表征、旅游者遗产价值与空间感知、遗产旅游者的空间行为反馈主题对国内外相关研究进行梳理和比较。研究发现：① 遗产价值阐释成果丰富，主要围绕遗产价值的内涵与阐释技术而缺少量化方法探索； ② 遗产价值的空间计算与表征具有对象针对性和应用导向性，技术方法以地理信息系统与空间信息技术为核心； ③ 旅游者遗产价值与空间感知多从遗产地的旅游目的地视角出发，忽视遗产价值和空间属性，缺乏遗产价值、遗产空间、旅游者的关系探索，感官知觉测量维度以视觉为主； ④ 遗产旅游者空间行为反馈关注行为特征、模式、成因和影响因素，重视实践应用并且体现出遗产责任导向； ⑤ 自然遗产和混合遗产语境下的遗产价值空间计算与表征、旅游者遗产价值与空间感知缺乏关注； ⑥ 国内外相关文献在对象关注、技术方法和内容聚焦上存在相似性和差异性；⑦ 未来遗产价值阐释与表征将从传统叙事走向空间量化，遗产空间感知与计算将从空间足迹走向感知行为。基于此，本文提出了遗产价值视角下旅游者空间感知与计算的理论框架与方法路径，体现多学科的理论交叉和技术融合，以期为相关研究提供理论参考，为促进遗产地保护、管理、旅游发展、价值传承提供实践借鉴。

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。

大数据正在改变捕捉和分析人类活动与行为的方式。多种新兴数据渠道不断涌现，为旅游领域研究提供了大量具有潜在应用价值的数据，克服了传统旅游研究中普遍存在的数据不足问题。本文以地理大数据的研究前沿为基础，明晰地理大数据在旅游领域人类旅游活动、旅游地理环境、旅游人地关系3个方面的理论支撑重点，梳理人类旅游活动/行为数据（UGC、设备数据、交易数据）和旅游地理环境数据（POI、客观环境数据）等地理大数据在旅游领域的创新应用，探讨地理大数据在理论研究更新、多源数据融合、分析方法突破3个方面的挑战和展望，为旅游领域时空认知、理论支撑、建模方法、分析框架等方面研究的深入开展提供一定参考。研究建议在理论上需要将科学研究范式标准化系统化，结合不同的事件和场景创造基于“过程-结构-机制”的中国旅游地理解释体系；数据上需要向大数据与其他数据的互补结合转变；分析技术需要向提高分析方法自适应性、涉入旅游现象特殊性变量的方向转变。

随着科学技术的发展与推动，网络空间与人们的日常生活深度融合，已经成为人类活动新的空间形态。网络空间与现实空间有区别、有联系，具有鲜明的地理学特征，地理学的时空关系仍然是网络空间不可或缺的关键要素。因此，将地理学思想应用于网络空间认知，对于刻画网络空间态势、维护网络空间安全具有重要意义。本文回顾了网络空间的产生与发展，剖析了网络空间的基本结构与特征，针对网络空间特征的不同观点，分析了网络空间的地理学属性。从地理学三大定律的视角出发，本文探讨了如何运用地理学思维和地理信息科学的方法描述网络空间，并以网络空间可视化表达、网络空间地理图谱构建与网络空间行为智能分析为例，说明了如何应用地理学思维进行网络空间的分析和研究。探索网络空间的地理学属性与地理学思维，并将地理学技术应用于网络空间防护，可以为网络空间安全综合治理提供新的视角与维度，从而促进新时代网络空间认知水平与治理能力的提升。

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的 2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。

我国城镇化处于后期增速放缓及质量提升阶段，城市增长方式逐步从“增量发展”向“存量提质”过渡，进入城市更新的城镇化新模式。城市更新作为城市国土空间全域范围内持续完善功能、优化空间布局、提升环境品质、激发经济社会活力的空间治理活动，地理空间信息正在其中发挥重要的技术和思维支撑作用。本文在“生产空间”、“生活空间”、“生态空间”（简称“三生空间”）视角下，重新审视了城市更新的内涵，指出城市更新本质上是对“三生空间”的统筹优化。基于“城市认知”中的感知、评估和优化等全过程，构建了“三生空间”视角下的城市更新逻辑架构，并基于此架构梳理了地理空间信息技术在“三生空间”中要素感知、效益评估和空间优化方面的应用与研究现状。立足城市更新实际需求，基于现代地理空间信息技术，通过对城市的综合感知、综合评估和综合优化，提出构建涵盖“感知-评估-优化”城市认知全过程的全空间城市更新技术体系，以提高城市适应未来发展的自我调控能力，实现国土空间治理体系和治理能力现代化。

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。

冰湖作为冰川融水主要储蓄载体，能在一定程度延缓区域冰川淡水资源流失，但也为冰湖溃决洪水(Glacial Lake Outburst Floods, GLOFs)、滑坡、泥石流等山地灾害发生提供了孕灾场所，是众多山地冰川灾害链的重要环节。升温、极端气候变化扰动下，冰川物质亏损/减薄速率进一步加剧，冰湖形态变化速率加快、GLOFs发生频次与规模有所提升、灾害影响效应愈发显著，对高海拔山地冰川区下游居民生命财产和基础设施安全带来潜在风险。鉴于此，本文以冰湖与GLOFs研究为主题，首先，通过冰湖研究文献计量分析确定了近些年研究热点专题；其次，围绕山地冰川冰湖与GLOFs研究的3个主要方向：冰湖与GLOFs遥感监测、冰湖时空演化与冰川变化分析及未来潜在冰湖探测、冰湖灾害风险评估与GLOFs案例研究，遴选10项重要专题内容，分门别类、系统梳理总结、剖析了国内外研究进展，阐述了当下研究存在不足；最后，针对所选专题结合技术发展趋势与研究热点问题，围绕冰湖形态信息与GLOFs智能提取、冰川-冰(前/面)湖系统演化及其气候变化响应关系、冰湖监测预警与灾害防治内容，对未来研究做了一定展望，以期为山地冰川冰湖灾害管理与适应性规划提供借鉴与参考。

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。