【意义】在开放科学背景下，不断涌现的开放数据增加了可用的资源，但也同时因为数据的分散、异构、多语义等特征，为数据的深度挖掘和知识发现带来挑战。地球表层系统圈层交互强烈且人类活动活跃，由此产生的科学数据尤其丰富，围绕该领域的数据挖掘与知识发现是全球科学前沿和竞争焦点。【进展】本文围绕地球表层系统科学数据的发现、管理、挖掘、模型共享与集成应用，开展了系统深入的全链条关键技术研究。通过本体更新与对齐方法，构建了可动态更新、规模庞大的地球表层系统科学数据目录和关联网络，提升了数据共享评估的准确性与效率；结合云计算、容器虚拟化等前沿技术研发的智能服务工具，实现了对海量遥感数据的高效处理与信息提取，探索了多源数据管理的标准化路径；研发了融合遥感大数据与智能算法的高精度地球表层系统参数数据产品，并实现了时空演变规律的高效挖掘分析；通过创新性的异构模型容器化服务技术，解决了地表系统科学模型共享与计算的难题；建立了可在线计算的协同分析环境，并在蒙古高原生态屏障建设和长三角城市群可持续发展评估等应用场景中示范。【展望】在以上技术进展基础上，指出地球表层系统科学数据挖掘与知识发现研究面向FAIR化、智能化、产品化、模型化以及场景化的未来发展趋势。

【目的】地球表层系统科学数据有向加权关联网络的关键节点识别对科学数据精准推荐与知识发现具有重要意义，但现有方法存在评估片面、特征利用不足及权重分配科学性欠缺等挑战。【方法】本文提出一种基于主客观融合权重的逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS）的关键节点识别方法。首先，提出节点相似中心性指标，通过融合关联度与强度平衡局部拓扑与全局影响力；然后，构建整合网络拓扑、数据关联及节点相似性的多指标评价体系，全面刻画节点重要性；接着，提出双层权重优化策略，结合层次分析法（Analytic Hierarchy Process, AHP）和指标相关性定权法（Criteria Importance Through Intercriteria Correlation, CRITIC）方法，融合主客观权重，提升评估科学性；最后，结合TOPSIS评估方法进行节点重要性的综合评估。【结果】实验基于团队构建的不同规模的地表系统科学数据有向加权关联网络，结合加权易感-感染-恢复（SIR）模型进行实验验证，结果表明：与传统网络加权中心性以及基于主观或客观权重的TOPSIS等方法相比，本文方法在肯德尔相关系数值和TOP-K命中率方面表现更优，且在网络中展现强鲁棒性。【结论】该方法为地表系统科学数据网络分析提供了新方法，可支撑智能推荐、资源优化及系统脆弱性分析等实际应用，助力地球系统科学研究的深度发展。

【目的】智能解译土地利用空间地理要素“在哪里”、“是什么”以及“怎么样”等问题是地学研究的经典问题，但相关方法在实际业务中常存在不准确、不好用的问题。近年来，将地理实体视为表达单元已成为重要的分析应用模式。然而，地理实体在不同粒度表现出相异的空间与语义特征，导致地理实体形态与属性的刻画仍存在难精准的弊端。为此，本文以系统性解构土地利用空间、精准表达地理对象为目标，剖析地理分区、地物分层、地类分级在解析复杂地表时的关键作用，并将其有序整合至遥感计算技术。【方法】本研究紧扣地理分析与遥感计算耦合的核心要义，将多粒度解构问题拆解为基于历史信息数据的地理空间区域划分、基于高分辨率影像的细粒度对象化建模、层级结构优化的递进循环3个关键过程。该方法遵循“全域-区域-局部-对象”由粗到细的多粒度层级空间，首先由地理分区为切入点认知全域背景、拆分全域单元；继而引入地理信息数据和各类专题数据构建局部约束单元；然后依托图像处理技术和地物分层策略，协同实现细粒度对象提取；最终通过层级关联优化形成动态更新的多粒度表达体系。【结果】以国土空间全要素监测监管为需求导向，选取东营市垦利区开展土地利用空间多粒度解构实验，获得了区域多要素地理对象，为后续研究提供基础数据支撑。【结论】经过初步实证研究，证明了方法的可实现性与优越性。

【目的】山洪灾害突发性强且常呈链式演化，现有预警模型在多源知识融合、建模自动化及全过程概率推理方面仍存不足。【方法】本研究构建了一种基于大语言模型深度挖掘、知识图谱驱动贝叶斯网络的山洪灾害链预警建模方法。研究利用大语言模型从3 000篇领域文献中抽取蕴含因果关系的三元组，构建了山洪灾害链知识图谱。该图谱经由一系列剪枝、节点聚合、离散化操作，被映射为有向无环的贝叶斯网络拓扑。研究对历史灾情报道进行结构化解析与状态赋值，在通过精确率等指标验证大语言模型各环节输出可靠性的基础上，构建了离散化数据集以支持参数学习，最终生成了可用于灾害链概率推理的预警模型。【结果】在典型案例验证中，模型准确预测了完整灾害链的演进路径与关键节点状态，总体平均Brier评分为0.160 8，证明了其良好的概率校准能力；批量案例测试Brier评分为0.184 6，进一步证实了模型在不同灾害链结构下的泛化稳定性。敏感性分析结果也揭示了多灾种叠加的非线性放大效应。【结论】该方法有效融合了领域先验知识与历史灾情数据，突破了传统建模的效率瓶颈，提升了灾害链预警的可解释性与智能化水平，为防灾减灾决策提供了新的理论路径。

【目的】街道空间感知是理解城市环境特征的重要手段，近年来受到广泛关注。然而，传统街道感知方法依赖问卷调研和宏观数据，存在主观性强、时效性差、空间分辨率低等局限，难以适应精细化空间治理的需求。本研究以北京市五环内区域为例，旨在构建一种大语言模型驱动的多模态街道空间感知分析框架，系统刻画街道空间感知及其文本语义特征。【方法】基于OpenStreetMap（OSM）路网按50 m间距采集百度时光机街景影像，依据可持续发展三重底线理论构建“生态-社会-经济”提示词体系，调用通义千问Qwen2-VL-72B大语言模型生成街景感知描述文本；进一步结合BERT和双层LSTM模型获得细粒度感知评分。在交通分析分区（TAZ）尺度上，开展感知指数的空间映射与自相关分析，并综合运用共词网络、LDA主题模型与文本知识图谱等方法，构建从街景影像到语义描述，再到量化感知，最终映射至地理空间格局的级联分析框架。【结果】以北京市五环路以内范围为研究区，研究结果揭示了研究区街道空间感知呈显著集聚分布，正向感知区域主要集中于二、三环，普遍具备较高绿化水平、整洁有序的街道环境以及较为丰富的文化、商业活动；负向感知区域多位于城市外围及功能尚不完善片区，常存在设施缺失、噪声干扰和环境污染等问题。语义分析表明，自然生态、功能效能、历史文化和商业活力是影响感知的关键主题。【结论】大语言模型与街景大数据的结合能够有效联通客观建成环境与主观感知评价，在精细空间尺度上揭示街道空间品质差异，为微观空间评估与街道更新提供了可推广、可解释的新技术路径。

【目的】高质量地理问答数据集是地理大语言模型训练与微调的重要基础资源。在实际应用中，数据集一旦被非版权方用于私有模型微调，侵权方往往仅开放模型接口用于商业化服务，从而规避对原始数据来源的审计与追溯。针对这一问题，本文提出了一种基于语态后门水印的地理问答数据集版权保护方法。【方法】首先通过微调代理模型的方式，构造获得将部分问答响应改写为具有积极语态特征且语义保持一致的水印响应。随后，在问题文本中嵌入语义自然且低频出现的触发器词汇，构建含水印的地理问答数据集。在版权验证阶段，仅通过黑盒访问嫌疑模型的推理接口，并结合预训练的水印判别器，根据判别器输出的语态特征判定其是否使用了版权方的数据集。【结果】在DeepSeek-Coder、Qwen3和Llama-3共3个主流开源大语言模型上的实验结果表明，在20%水印嵌入率条件下，水印模型在语义一致性和语言流畅性指标上与干净模型基本一致，且水印验证成功率可稳定达到78%以上。此外，在Llama-3模型上的对比实验结果表明，本文方法在中文地理问答数据集上可实现86.75%的水印验证成功率，而对比方法在该场景下难以获得有效的水印检测结果；在Qwen3模型上的鲁棒性实验表明，在30%干净数据子集进行两轮微调后，仍能保持70.21%的水印验证成功率。【结论】该方法供了一种在不访问原始数据集、仅依赖黑盒模型接口条件下的黑盒版权验证解决方案，为地理问答数据集的版权保护提供有效技术支撑。

【目的】海洋表面温度（Sea Surface Temperature， SST）是影响海洋生态系统的关键因素之一。为解决不同尺度的数据波动变化和多种环境变量之间相互影响问题，以提升在复杂海洋环境中的长时序预测性能。【方法】本文提出一种兼具多尺度建模时间特征和自适应挖掘变量间相互作用的时序预测模型ACAFNet（Adaptive Cross-scale Attention Frequency-aware Network），模型通过动态选择关键尺度划分时间序列，结合双注意力机制提取局部与全局特征；利用频域变换与可学习马氏距离度量多环境变量相关性，生成掩码矩阵筛选关键变量；最后融合多尺度时序特征与变量依赖关系进行预测。【结果】在1个私有数据集和3个跨纬度公开浮标数据集（覆盖热带至亚寒带）上，与5种基线模型进行在4个预测步长（96、168、336、720步）进行对比实验。实验表明， ACAFNet相比Transformer类模型在MSE、MAE和RMSE上平均降低1.81%、2.11%和1.36%，说明其在捕获多尺度波动与变量交互方面更具优势。【结论】 ACAFNet通过自适应多尺度划分与频域变量度量，有效提升了SST长时序预测的精度与鲁棒性，为海洋多变量时序预测提供了新思路。

【目的】精准提取遥感影像地表水体对水资源管理、洪涝灾害监测及生态环境保护具有重要意义。尽管深度学习已成为主流方法，但现有模型难以兼顾局部细节的刻画与长距离全局依赖的建模，导致水体边界分割粗糙、微小细长河流断裂漏检，以及在复杂光照条件下难以精准区分水体与山体、建筑阴影等难题。【方法】针对上述问题，本研究提出了一种基于双主干特征动态融合的语义分割模型（Dual Backbone Fusion Net， DBF-Net）。该模型采用编码器-解码器架构，构建了MobileNetV3与Swin Transformer的异构双主干，分别负责提取局部细节与全局语义特征，以弥补单一架构在特征表征上的固有缺陷；设计了动态融合模块，通过自适应加权机制实现异构特征的有效对齐与深度互补，解决特征差异引起的融合难题；同时，引入链式空洞空间金字塔池化，以级联方式高效聚合多尺度上下文信息，增强模型对不同尺度水体目标的感知能力。【结果】在ESWKB与GID 2个公开数据集上，与Swin-Unet、 SegFormer、 CMTFNet等6种方法进行的对比实验结果表明：DBF-Net在各项评价指标上均优于对比模型，取得全面领先。具体而言，模型在2个数据集上的总体精度（OA）与交并比（IoU）分别达到99.15%、96.34%和96.47%、86.78%。相较于主流对比模型，DBF-Net在2个数据集上的IoU分别提升了0.15%~3.38%和0.72%~4.45%。此外，消融实验显示，该模型在ESWKB数据集上的IoU较MobileNetV3与Swin Transformer单主干基线分别提升2.16%与2.07%。【结论】本文提出的DBF-Net有效提升了模型在细小水体及复杂背景干扰条件下的提取精度，为实现更加精准的水体提取任务提供了技术支持，也为今后相关领域的研究提供了更多的探索思路。

【目的】准确预估未来积雪深度数据对于气候变化背景下冰雪经济发展具有重要意义，然而，现有未来积雪深度数据产品空间分辨率普遍较低，难以满足应用需求。本研究旨在设计一种降尺度方法提升北半球未来积雪深度产品空间分辨率，并分析其时空变化特征。【方法】共筛选第六次耦合模型比对计划（CMIP6）的21个主要大气环流模式（GCMs）和4个共享社会经济路径（SSPs）的积雪深度数据，时间范围涵盖1980—2100年。研究结合微波积雪深度数据和光学积雪覆盖率数据，耦合了Delta降尺度方法和空间特征迁移方法，分3个阶段将空间分辨率为1~2.5°的CMIP6未来情景数据降尺度至0.05°，并利用实地积雪深度观测数据进行精度验证。【结果】验证结果表明，降尺度积雪深度数据集在1980—2023年的均方根误差（RMSE）、偏差（Bias）和平均绝对误差（MAE）的表现均优于欧洲中期天气预报中心第五代陆面再分析数据集（ERA5-Land）和全球陆面数据同化系统（GLDAS）等主流再分析数据集。此外，基于降尺度积雪深度数据集分析发现，随着温室气体排放情景不断加剧，北半球积雪深度在2015—2100年的下降速率逐渐加快，而在空间分布上，东欧亚地区的积雪深度呈增加趋势，而北美地区则预计会减少。【结论】本研究提出的多维耦合降尺度方法有效提升了未来积雪深度数据的空间分辨率与精度，其结果可为冰雪经济发展、气候变化研究和水文过程模拟等应用提供重要数据支撑。

【目的】河口作为陆海交互作用的关键区域，其水质变化直接影响沿岸生态系统服务功能和人类健康福祉。然而，受潮汐、径流、悬浮物和有色可溶性有机物等多重因素共同作用，河口水环境往往表现出高度复杂性与动态性，发展有效的水环境遥感监测方法至关重要。FUI（Forel-Ule Index）水色指数通过21级色标（1-21）量化水体颜色，可有效表征水质特征。因此，本研究利用长时序卫星遥感数据，对南海沿岸河口开展大尺度FUI监测，以揭示河口水体颜色的空间分布格局与演变特征，探索FUI水色指数在复杂河口环境中的适用性与生态指示价值。【方法】本研究利用2013—2024年Landsat-8和Landsat-9卫星遥感影像，提取南海沿岸245个河口的FUI水色指数并分析空间分布特征，结合Theil-Sen Median趋势分析法和Mann-Kendall检验分析年际变化趋势，进一步对比干湿季的时空分布差异。【结果】① 空间格局上，南海沿岸河口FUI多年均值范围为11~21，平均值为17.30。南海周边岸带（泰国湾最低，东部海岸最高）与国家间（柬埔寨最低，菲律宾最高）存在显著差异； ② 年际变化显示，近10年南海沿岸河口FUI年际变化趋势存在差异，中国、越南等国河口水色向绿色转变，而马来西亚、印度尼西亚等国河口水色趋向更浑浊的黄棕色； ③ 干湿季河口FUI空间分布存在差异，在干季，中国广东省、泰国南部以及柬埔寨河口FUI较其他地区低，湿季FUI高值集中分布于越南北部至马来半岛西岸。年际变化上，干季年际变化率均值为-0.02/年，湿季河口FUI的年际变化率均值为-0.004/年，2013—2024年干湿季FUI整体波动幅度较小，湿季FUI始终高于干季且差异稳定。【结论】南海沿岸河口FUI的空间与时间变化特征揭示出水色存在显著的地域分异和季节特征，反映出区域人类活动、水文条件的综合影响。本研究不仅拓展了FUI水色指数在复杂河口环境中的适用性，也为南海沿岸河口水质的长期监测、生态环境评估与跨国水环境管理提供了关键的基础信息。

【目的】作为典型的干旱区生态系统与人类活动高强度交互作用区域，新疆的甲烷循环过程受人类活动与自然地理条件的双重影响显著。分析多源数据驱动下新疆XCH₄浓度时空变化及影响机制，对于应对气候变化、制定精准的区域甲烷减排策略具有重要意义。【方法】本文针对新疆独特的自然地理与人文环境特征，基于2019—2023年Sentinel-5P卫星XCH₄数据，综合集成地表起伏度、气象条件、植被指数、畜牧活动强度、煤矿开采强度和夜间灯光等多源时空数据，采用SHAP值解析方法定量分析各影响因素对甲烷浓度时分异特征的贡献度及交互作用机制，通过特征重要性排序筛选核心影响因素，构建XGBoost-DF混合模型进行XCH₄数据重建，进而揭示新疆地区甲烷柱（XCH₄）浓度的时空分布特征及演变规律。【结果】 ① 构建的XGBoost-DF混合模型预测精度优于单一模型，能够有效填补XCH₄遥感观测数据的缺测区域，为复杂区域甲烷时空变化及影响机制研究提供了可靠的数据支撑，SHAP-XGBoost为新疆甲烷源汇精准识别提供了可解释性工具； ② 影响因素分析显示，畜牧强度是人为排放主导因子，牛类养殖贡献占畜牧业总增量的88.7%；自然因素中地表温度通过增强甲烷生成菌活性对浓度变化起正向驱动作用，而近地面10 m风速通过扩散效应抑制局部积累； ③ 新疆XCH₄浓度呈现“南高北低、盆地高于山区”的空间分异特征，2019—2023年年均浓度范围为1 727.3~1 972.61 ppb，整体呈上升趋势，增幅1.5%，季节性波动呈夏秋双峰特征。【结论】本文提出的遥感数据重建与影响因素分析方法，用于新疆XCH₄浓度的时空变化与影响因素分析，为后期该区域的甲烷减排举措与管理制度提供了理论依据和技术支持。

【目的】海量网络旅游行程文本已成为旅游地理大数据的重要来源，为旅游行业分析、规划和游客出行推荐提供了新的信息支撑。规则匹配和深度学习技术能够提高旅游行程文本提取的准确率和效率，但仍存在方法灵活性不足、数据标注工作量大以及提取内容覆盖不够全面等问题。【方法】本文提出了一种基于DeepSeek的旅游行程链自动提取方法，该方法主要包含4个核心模块：旅游行程链描述模型的构建、基于提示工程的旅游行程链数据生成、基于检索增强的旅游节点名称匹配以及基于高德地图API的地理编码。为检验该方法的有效性，采集了来自马蜂窝、去哪儿、携程网3个平台共计2 834篇河南省网络旅游行程文本作为数据源，开展旅游行程链提取任务，并将其与自然语言处理模型HanLP进行对比。【结果】本文方法提取的旅游节点宏精确率和宏F1分数均在92%~95%，优于HanLP的87%~91%，宏召回率均在94%~96%，略低于HanLP的94%~97%；旅游行程链平均相似度均处于94%~95%，显著优于HanLP的84%~87%。【结论】本文方法展现出了更高的精度与实用性，操作灵活便捷，仅需少量样本提示就可完成提取任务。此外，在提取的旅游行程链数据集中，除旅游节点信息外，还包含时间、游客行为、交通方式等更为丰富的信息。

【目的】洪涝灾害是我国最严重的自然灾害之一，造成巨大的经济社会损失。【方法】面向洪涝灾害影响评估，本文构建基于大语言模型的新闻文本挖掘方法。首先，利用DeepSeek-R1-0528设计检索策略，通过慧科数据库获取洪涝灾害相关新闻，采用TF-IDF算法进行去重，形成新闻数据集；其次，构建涵盖18个维度的经济社会影响分类体系，经重复实验优选模型温度参数，提取新闻文本中的洪涝灾害影响信息；最后，结合官方发布的灾情统计数据验证提取结果，针对洪涝灾害案例展现灾情演变过程。【结果】从2024年的10 556篇新闻文本中提取出14 778条洪涝灾害影响信息，结果表明：大语言模型准确率和F1评分的中位数分别为0.91和0.73；洪涝灾害影响信息数量与省级行政区受灾人口数据之间的相关系数为0.68，其空间分布与2024年十大自然灾害中洪涝灾害的受灾地区基本吻合。并且，大语言模型有效捕捉到2024年4月粤北（清远、韶关）及6—7月初湖南岳阳暴雨洪涝灾情的动态演变，展现新闻焦点从灾中抢险到灾后恢复的转变。【结论】整体上，本文结果表明大语言模型可作为传统灾害调查评估的重要工具，对于灾情评估和应急决策具有重要的应用潜力与参考价值。

【目的】地貌写景图风格迁移的目标是在保持地貌表达准确性的基础上，为其赋予特定的艺术形式，以丰富和优化地貌写景图的效果。广泛应用于图像生成任务的生成对抗网络（GAN）为地貌写景图的风格迁移提供了新的方法。然而，当GAN应用于地貌写景图的风格迁移时，存在2个方面的关键问题： ① 难以获取图像长距离像素之间的上下文关系，导致风格迁移效果不佳； ② 在训练过程中易丢失高频信息，造成生成的图像模糊、边缘特征丢失，无法保证地貌制图表达的准确性。针对上述问题，本文在GAN的基础上进行改进，提出了一种地貌写景图风格迁移模型RGAN。【方法】首先，在GAN编码器中设计了混合卷积-Transformer特征提取模块MixTrans用于图像特征提取，增强了对图像长距离上下文关系的提取能力；其次，通过构造拉普拉斯高频损失模块LPCLoss改进传统GAN的损失函数，减少训练过程中图像高频细节的丢失；然后，人工构建千里江山图数据集用于RGAN模型训练；最后，将模型应用于真实地区的地貌写景图生成任务，制作具有千里江山图风格的地貌写景图。【结果】基于自建数据集，将本文模型与现有主流风格迁移模型（CycleGAN、StyTr、ArtFlow）进行对比。定量结果显示， RGAN的MSE、PSNR、SSIM、LPIPS指标分别为0.017 8、17.90、0.324、0.371 1，是所有模型中的最优值。相较于综合表现最佳的CycleGAN模型， MSE降低了23.9%， PSNR提升了3%， SSIM提升了2.6%， LPIPS降低了4.6%；可视化结果也进一步表明了RGAN的优越性。在江西庐山、四川凉山和福建武夷山3个不同地貌类型区域的地貌写景图生成任务中，成功生成了千里江山图风格地貌写景图，表明RGAN模型对多种地貌类型具有较好的适用性。【结论】本文提出的RGAN模型具备优异的图像特征提取与图像生成能力，在地貌写景图的风格迁移任务中表现突出，成功实现了地貌的艺术化制图表达，为地貌写景图的制作提供了一种新的自动化方法。

【目的】高发频发的传染病疫情对高度城市化地区现有的传染病防控体系形成重要挑战。为提升城市地区的传染病精准防控能力，本文构建了一套面向城市内部传染病传播流行空间节点的识别方法。【方法】本文基于经典的共位置模式挖掘算法，通过调整空间邻近阈值确定方式、优化搜索策略以及引入蒙特卡洛模拟方法等改进，形成了面向城市地区传染病传播流行的典型城市场所识别方法。通过广州市2017—2019年登革热传播流行空间节点识别的实例验证，计算参与指数（Participation Index, PI）以度量传染病病例与城市场所之间的共位置关系，并对其进行0.05水平上的显著性检验；在此基础上，从空间节点数量、空间邻近距离、病例密度等角度对比分析了广州市登革热传播流行空间节点的识别效果。【结果】基于蒙特卡洛模拟方法的显著性检验可以有效剔除一些与登革热病例虚假空间关联的城市场所；相较于统一阈值策略，采用K-D树搜索的自适应阈值确定策略能够识别出更多的空间节点，这些节点与病例之间的空间邻近距离更符合实际情况。同时，报刊亭（0.22<PI<0.73）、疗养场所（0.41<PI<0.61）等空间节点附近区域的登革热流行强度（病例密度）明显高于区域平均水平及非节点附近水平。此外，2017—2019年登革热在广州市传播流行的空间节点呈现较为明显的区域、年际差异，且空间节点的识别结果与病例的年龄、职业特征关系密切。【结论】基于共位置模式挖掘算法的城市疾病传播流行空间节点的识别方法，能够在城市的复杂环境与人群中准确识别影响传染病传播流行的关键城市场所，具有较好的应用效果。本研究有助于加深对城市传染病传播流行过程的理解，将为登革热等传染病的精准防控提供方法支撑。

【目的】针对降雨诱发型滑坡位移序列在阶跃型突变阶段呈现强非平稳性、跨尺度耦合及动力学突变失配的特征，现有基于单一分解或纯数据驱动的深度学习模型在突变起始时刻普遍出现相位滞后、幅值削弱甚至虚假振荡失效，难以同时兼顾长期蠕滑演化与短期突变响应的预测精度，本文提出一种融合改进二次分解与物理特征约束的深度学习预测模型，以解决滑坡位移在突变触发阶段的结构性预测失真问题。【方法】首先，针对原始位移序列的模态混叠问题，采用完备集合经验模态分解（CEEMDAN）提取趋势项与非平稳分量；其次，为解决高频降雨响应信号的提取难题，引入冠豪猪优化算法（CPO）自适应寻优变分模态分解（VMD）的关键参数，实现高频残差的精细化二次分解；进而，构造速度、加速度及改进切向角等运动学特征，通过LSTM-Transformer串联网络捕捉时序依赖与跨尺度全局关联，并在损失函数中引入物理一致性正则项以约束预测结果的动力学合理性。【结果】以湖北省十堰市郧西县枣树洼滑坡为例的实验表明：该模型在强降雨突变段的相位滞后小于 1 d，综合预测精度（RMSE=2.975 mm, R²=0.985）较单一分解模型提升约38%，有效克服了纯数据驱动模型在非降雨期易产生虚假波动的缺陷。【结论】研究不仅验证了物理特征约束策略的有效性，更为解决滑坡中突变信号的精细化分离提供了新范式，同时显著增强了深度学习模型在地质灾害预测中的物理可解释性与工程应用信度。

【背景】2025年7月5日凌晨，四川省雅安市汉源县富乡乡磨子沟突发山洪泥石流灾害，造成道路损毁但未导致人员伤亡。该地区地处青藏高原东缘过渡带，地质构造复杂，地质环境脆弱，降水集中且多短时强降雨，导致山洪泥石流灾害风险较高。【方法】本研究创新性构建“水-土-气-生”多因素耦合分析框架，系统集成水文、物源、气象与生态4个维度的致灾因子，综合运用无人机航测获取高精度地形与物源数据，融合多源遥感影像进行植被监测与积雪覆盖解译，结合地面实地调查验证，并基于物理机制重现全过程数值仿真模拟，系统分析灾害成因与动力演进过程，实现从降雨入渗、坡体失稳、物质输移到最终堆积的全链条动态模拟。【结果】短时强降雨是灾害主要触发因子，其空间分布与地形湿度指数及径流强度指数高值区吻合，显著加剧沟道侵蚀，物源条件与高泥沙连通性共同构成灾害物质基础，植被退化与人类活动进一步削弱岸坡稳定性；数值反演沟口区域受灾风险显著，最大泥深达14.17 m，峰值流速达23.22 m/s，对基础设施构成严重威胁。【结论】该研究克服了传统方法难以全面反映多因素间的复杂交互作用的局限，系统揭示了极端降雨条件下山洪泥石流的致灾机制，为山区山洪泥石流精细化预警与防治提供了科学依据，未来可结合AI技术优化灾害管理，助力推进科技赋能防灾减灾救灾工作。

【目的】本文总结了具备高穿透和高分辨率特点的星载激光雷达技术在森林群落空间分布结构以及物种多样性方面的应用研究进展。相比传统遥感，该技术主动获取森林三维垂直信息，精确刻画森林剖面结构，为理解空间异质性与物种多样性关系提供了关键技术支撑。【进展】系统梳理并深度剖析了其在森林群落结构参数估测领域的研究进展、方法体系及其适用条件，包括星载激光雷达数据的探测精度评估、不同方法的校正成果，并客观评述了该技术现存优势与不足。进一步探讨了不同星载激光雷达数据衍生的结构指标在估测森林结构多样性，以及区分森林类型与判别森林演替阶段的当前研究焦点与未来发展趋势。【意义】星载激光雷达技术有助于理解森林群落变化对生态系统组成功能的影响、监测并优化森林生态系统的养分循环状况、强化水土保持工作、开展恢复力评估以及了解土壤微生物功能群等。【展望】未来研究可进一步完善在不同环境条件下模型反演植被结构参数的精度和迁移性，以及多源数据协同和林下灌木层空间分析的深度研究。

【目的】高光谱图像因其丰富的光谱信息而备受关注，然而，由于成像硬件条件的限制，通常很难直接获得高空间分辨率的高光谱图像。为了提高分辨率，将高光谱图像与从同一场景采集的高空间分辨率的多光谱图像融合是一种经济有效的方法。然而，现有的大多数基于深度学习的方法未充分挖掘图像间空间和光谱相关性，导致融合性能受限。【方法】本文提出了一种结合图像去噪、光谱特征与空间特征增强的高光谱图像超分辨率融合方法。首先，通过使用不同标准差的高斯模糊核对高光谱与多光谱图像进行高斯模糊处理，有效减少这2种模态图像中包含的噪声。其次，为了提高融合图像的精确度，在利用不同模态图像间光谱和空间相关性重建高分辨率图像时，分别引入通道注意力和空间注意力，利用增强图像关键信息的方式获得不同模态间更好的空间和光谱相关性。最后，利用增强的空间和光谱相关性，将映射得到的高分辨率图像特征聚合起来，重建出高空间分辨率的高光谱图像。【结果】在ZY-m和Chikusei数据集上融合结果的PSNR分别为53.586和53.738，在ZY-m数据集上较次优方法空谱解耦互引导网络（Spatial-Spectral Unfolding Network with Mutual Guidance，SMGU-Net）提高2.8%，在Chikusei数据集上较次优方法带有双条件调制模块的扩散模型（Diffusion Model with two Conditional Modulation Modules，DDIF）提高1.70%； SAM值达到0.006和0.018，在ZY-m数据集上较次优方法SMGU-Net降低14.28%，在Chikusei数据集上较次优方法DDIF降低5.26%。【结论】本文方法具有良好的光谱保真度和空间细节增强能力，为高光谱图像的超分辨率提供了一种有效技术方案，展示了其在国土资源勘查、环境监测等领域的良好应用潜力。