地理信息系统作为IT系统的重要组成部分,其技术的每一次进步都与最新IT技术的兴起息息相关。随着云计算、大数据、人工智能等技术的发展与应用,如今GIS基础软件已经形成五大技术体系：大数据GIS技术体系,增加了对空间大数据的存储管理、分析处理以及可视化的能力,丰富了空间数据的内涵;人工智能GIS技术体系,GIS通过结合人工智能相关算法,增强了GIS模型的分析预测能力,同时二者之间相互赋能,在增强GIS能力的同时,也让人工智能具备空间分析和可视化能力,拓展了其应用范围;新一代三维GIS技术体系,实现了二三维GIS一体化和多源异构数据的融合,推动了三维GIS从室外走向室内,从宏观走向微观;分布式GIS技术体系,突破了数据类型和容量的限制,数量级提升了GIS软件的性能,让高可用和高可信GIS应用成为可能;跨平台GIS技术体系,使得GIS软件可运行于不同类型的CPU架构和操作系统,满足日益丰富的多终端应用需求。五大技术相辅相成,进一步拓展了GIS基础软件的能力和应用场景。本文以SuperMap GIS为例,详细介绍了GIS五大技术体系的具体内容,阐述了每项技术的难点与创新点,并用光环曲线对五大技术体系的发展阶段进行了划分,探讨了未来GIS技术的发展趋势。

由于地球表面的时空异质性与复杂性,传统从遥感影像具有的信息特征出发,构建智能解译算法解决遥感地学认知的思路在应对面向全球的海量遥感大数据分析时,其精度和地学实用性已触及瓶颈。为此,本文从地学知识为核心的角度出发,结合当前知识图谱理论的发展,提出一种新的面向遥感大数据分析的地学思维构想——地学知识图谱。本构想将地学知识的概念进行重构,依次划分为数据性知识、概念性知识和规律性知识3个层次,并分别利用图模型的节点和边进行统一化表达和关联,打通不同层次地学知识间的反馈迭代与更新,在此基础上赋予地学知识图谱分析遥感大数据分析时知识的查询检索、知识推理、动态校正、拓展更新等功能。其中,如何构建具有多尺度、高维度特征的地理实体以及大体量、异质性的知识层级间的关联推理是地学知识图谱构想实现的关键难点。得益于知识的分层次和图模型结构的统一化表达,提出的地学知识图谱构想在促进遥感大数据时代背景下的地学知识精准化,提升遥感大数据解译精度和地学实用性,深化地学规律认知等方面应该具有广阔的前景。

犯罪防控警务策略是犯罪地理研究的重要话题之一,西方国家在此方面展开了大量研究,而我国的相关研究仍较缺乏。本文从不同类型犯罪防控警务策略特点、犯罪防控实验及其防控效益评估3个方面出发,综述国内外研究进展。研究结论包括以下4个方面：① 社区警务、问题导向警务、热点警务和智能警务为4大主要犯罪防控警务策略。社区警务以社区为单位,通过警民合作以减少犯罪;问题导向警务通过SARA（Scanning, Analysis, Response, Assessment）找出并解决社会中存在的问题;热点警务基于犯罪热点制定警务方案,对犯罪热点地区加以干预以降低犯罪率;智能警务利用大数据,人工智能等先进技术开展警务防控;② 国外的犯罪防控实验大多是通过划分实验组和对照组的方式,对比警务策略干预前后的犯罪变化。大部分警务实验以热点警务为主,且在试验区能有效降低犯罪,但同时存在犯罪转移或效益扩散现象;国内犯罪防控实验的研究仍有待开展;③ 传统的警务防控评估主要从破案率、公众安全感和社会经济效益评估3方面出发。鉴于犯罪转移或效益扩散的存在,国内外学者提出了加权位移商（WDQ）、时空加权位移商（STWDQ）、双重差分（DID）、倾向评分匹配（PSM）、双重差分倾向评分匹配（PSM-DID）和基于双重差分（DID）的象限法评估警务时空效益,丰富了警务防控评估体系。整体而言,国外对犯罪防控警务策略与时空效益评估研究得较充分但仍存在不足,而国内尚处于起步阶段。本文在最后探讨了中国警务策略可深入研究的方向。

犯罪时空预测作为预测警务的核心支撑技术,自2000年左右至今得到了快速的发展。本文介绍了犯罪时空预测的实践背景和理论基础,将犯罪时空预测解构为利用历史案件的时空位置、时空环境和个体行为等要素,结合相应的算法模型预测未来案件时空分布的过程。然后,从输入要素的视角对当前的犯罪时空预测方法进行了总结和归纳,将其划分为基于案件时空位置信息的犯罪时空预测、基于时空环境要素的犯罪时空预测,以及融合行为轨迹和时空环境要素的犯罪时空预测3种类型,详细总结了不同类型犯罪时空预测的方法原理,并从适应场景和预测效果等方面对不同的方法模型进行了比较。最后,结合当前的大数据技术发展趋势,对未来的犯罪时空预测进行了展望。本文认为犯罪时空预测未来需要从数据角度重点解决输入数据的体系融合、粒度细化和新型数据融合等问题,从模型优化角度应着重提高多源异构数据融合能力,平衡模型的可解释性与预测效果。

消除贫困是人类社会的共同目标。贫困分布具有明显的空间特征,同时呈现出空间异质性和空间相关性。时空统计学以时空分析为优势,在贫困的时空分布及形成机制研究中发挥了重要作用。本文综述了不同时期我国贫困分布的空间特征、贫困数据的空间类型和特征以及贫困时空分布的影响因素,并总结了时空统计学方法在贫困空间研究中的4类应用,包括：探索性空间数据分析,主要为了识别和量化分析贫困的时空分布格局;空间贫困归因分析,通过构建贫困和各地理要素之间的关系模型来分析贫困的影响因素;贫困制图,通过采样区数据得到整个区域的贫困分布;以及贫困的时空变化分析,揭示贫困要素的时空变化过程和其背后的驱动因素。在阐述这些方法的原理基础上,选取了具体案例阐释了时空统计学方法如何应用于空间贫困研究,进一步总结了时空统计学方法在贫困研究中的主要应用和价值;在此基础上,分析了目前空间贫困研究的不足,提出重点应从4个方面拓展时空统计学方法在目前空间贫困领域的研究。