在犯罪空间分析和空间建模过程中，模型残差中的空间自相关问题对模型参数估计的准确度和犯罪相关因素的分析构成了极大的阻碍，模型残差存在显著空间自相关会导致模型的有偏估计及误导性的推断，甚至导致错误的研究结论。本研究采用一种较为新颖的空间统计方法，即特征向量空间滤波方法（Eigenvector Spatial Filtering），来消除犯罪回归模型估计过程中的残差自相关问题，以及由此引发的模型参数有偏估计问题。以此为基础，立足犯罪模式理论和社会解组理论，以浙江省海宁市主城区为研究区，采用2018年1月—2021年9月室外盗窃警情立案数据、海宁市建成环境数据、珞珈一号夜间灯光遥感数据以及WorldPop人口网格数据，在网格尺度上构建基于特征向量空间滤波的泊松回归模型，在消除模型残差自相关、纠正模型参数估计偏误的基础上，识别出海宁室外盗窃犯罪的影响因素。研究发现：① 基于特征向量空间滤波的泊松回归模型提取出了模型残差中的自相关部分，确保残差无显著空间自相关，将显著的空间滤波加入回归模型，较大幅度提升了模型拟合优度，纠正了系数估计偏误问题，缓解了过度离散问题，并找回了遗漏变量。该方法可推广至其他计数模型和广义线性回归分析场景中，有助于提升模型参数的准确估计水平，找回因自相关等原因而被遗漏的变量； ② 新兴时空热点分析显示，室外盗窃绝对数量随疫情到来呈递减趋势，室外盗窃热点持续于海宁市主城区中部，冷点呈多点分布；③ 人均夜间灯光所表征的城市相对剥夺水平对室外盗窃有显著正向影响；④ 由各类建成环境所刻画的犯罪吸引地、产生地、促成地对室外盗窃有显著影响，本文同时也对与以往研究结论不一致的地方进行了讨论。

过度饮酒的危害是中国乃至全球面临的问题。本研究结合经典理论构建过度饮酒行为与地理环境关系的理论框架，使用广州市急救医疗指挥中心受理的公众急性酒精中毒呼叫记录、手机信令等多源时空数据，探究动态地理背景下过度饮酒行为的时空特征及影响因素。结果显示： ① 过度饮酒行为在时间上多发于周末和夜间，在空间上集中于城市商业中心；其空间分布在日间较为均衡，而在夜间较为集聚； ② 过度饮酒行为受酒精可获得性的影响，其与社区的KTV、交通站点密集度正相关。KTV的正向影响在日间主要体现在旧城区，在夜间体现在旧城区、近郊区和开发区，夜间的影响相对明显；交通站点的正向影响主要体现在近郊区，且在日间相对明显； ③ 过度饮酒行为也受部分空间失序因素的影响，其与所在社区的土地建成率正相关，但与建筑楼龄、街景脏乱度等关系不显著。土地建成率的正向影响主要体现在新城区的景观风貌核心地区以及城郊结合部的城中村社区，且在日间相对明显； ④ 过度饮酒行为与社会失序的关系较为复杂且时空分异性较强，其整体上与社区的外地出生人口比例负相关，与低教育人口比例和住宅租金正相关。⑤按照日间和夜间过度饮酒行为影响因素的聚类，分别划分不同的类型区，可针对这些类型区实施差异化的干预措施，以降低过度饮酒的危害。研究揭示了动态地理背景和较小空间尺度下过度饮酒行为与地理环境的关系，弥补了以往的相关研究对动态地理背景和时空异质性考虑不足、分析尺度较大等局限，相关结果能为酒精政策制定和完善、地区治安和卫生资源配置、城乡空间规划设计和相关健康问题的环境干预措施提供参考。

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。

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。

物质、信息、能量等在不同空间位置之间的移动和交换形成了地理流，多种形式的地理流相结合构成了地理多元流，如何从中挖掘出丰富的信息是迫切需要解决的问题。本文以基于GDELT数据的国际关系研究为应用背景，探索基于多层复杂网络的地理多元流测度与社区识别方法。首先利用多路复用网络模型构建了包括媒体层、立法执法层、叛乱层的地理多元流网络，随后研究了地理多元流网络的MultiRank中心性、重叠度中心性、多重参与系数与Z分数等测度方法，并进行了全球尺度的社区识别分析，最后分析了网络的时序变化特征。研究发现： ① 地理多元流网络比单一地理流网络蕴含更加丰富的信息，能够从更综合的角度体现系统的特征； ② 地理多元流网络的特征能够体现多种单一要素的共同作用结果； ③ 多层复杂网络方法能够直接表征地理多元流整体的特性，避免了综合分析产生的误差； ④ 将地理多元流网络与单一地理流网络结合分析，能够从不同尺度得出更加全面的分析结果。本文的研究对于拓展地理多元流时空分析方法、探索国际关系时空大数据分析方法具有一定的参考意义。

我国大多数城市正处于从增量规划向存量规划转型的过渡阶段，存量规划的实施仍需以增量规划为基础，二者之间相辅相成、协同发展。值此转型阶段，新的国土空间规划体系强调了规划的层级传导，从宏观到微观，渐近式地引导和约束着城市的发展方向。本文依据存量更新与增量发展的时空增减更替变化规律，分别进行参数控制以实现二者指标的调整和面积分配，将其纳入到多层次矢量元胞自动机（Vector Cellular Automata，VCA）模型中，以此实现顾及“存量更新-增量发展”的城市空间增长多层次矢量CA模拟，并将其应用于存量规划背景下的江阴市2027年多情景用地增长预测与分析。研究结论如下： ① 多层次VCA通过不同层次间驱动力自上而下差异性分解与自下而上协同性传递的方式，既完成了上层管控的指标落实，又实现了用地模拟的精细化控制； ② 多层次VCA给予不同片区差异化的速度参数，充分顾及到了驱动因子与用地分布的空间异质性，其整体FoM达到了24.6%，精度相比单层次VCA高2.5%；局部细节特征上，多层次VCA对不同用地类型的错分情况以及对水域等禁建区的侵占情况要比单层次的模拟结果少，且对条状地块的模拟效果更好； ③ 在“底线管控-分层管控-指标管控”层次约束下，随着存量更新速度的提高，不同情景下预测的新增建设用地的扩张情况均保持在规划控制的范围之内，且集中在澄西、澄南和澄东南3个片区，这与规划划定的增长边界和用地布局结构相吻合； ④ 不同情景下存量用地更新方向以工业用地为主导，乡村建设用地次之，情景二中(d)和(e)的模拟结果中，工业更新趋于饱和，整体实现均衡增长，可作为未来江阴市用地格局发展的主要参考。

大规模突发环境事故往往会损害受灾地区光缆、基站等网络基础设施，亟需借助现有通讯设备搭建临时的自组织通信网络以传输污染物浓度等应急监测数据，使应急指挥中心及时判别污染态势并制定相应挽救策略。因此地空通信网覆盖部署成为断网场景下应急监测任务顺利实施的关键。本文采用空间分析方法驱动应急通信车至最佳位置，基于此设计具有时空递阶染色体矩阵、适应度综合评价模型、协同进化机制的混合递阶遗传算法，智能化部署通信节点以组建时空覆盖的地空通信网，实现监测数据自主传输。算法综合考虑应急监测人员分布、气候条件、通信资源工作状况及通信性能等因素，若偶发通信资源新增或失效、通信需求调整等变动，支持适应性更新现场通信节点时空位置和通信链路。以新疆一处尾矿库为实验样区进行验证分析，基于三维地球平台可视化地空通信网部署方案并评估算法适应度收敛能力、动态场景应变性和实地实施效力。本算例适应度经260次迭代后约提升30%，相较于随机搜索等其他5种算法展现出更优越的收敛速度和提升幅度，通信节点在续航时间内保障了不同场景监测任务点的全面覆盖和均衡分配，满足实地应急监测响应需求，证明了算法可靠性、可行性。

土壤盐渍化不仅会造成土地荒漠化等生态问题，而且可能减低耕地数量和质量，对粮食安全构成威胁。快速、准确地获取土壤盐渍化信息对及时有效的土壤治理具有重要意义。近些年来，微波遥感的发展为大面积快速实现土壤盐渍化监测提供了新的思路，基于合成孔径雷达（Synthetic Aperture Radar，SAR）数据的土壤盐渍化监测成为当前遥感土壤盐渍化研究领域的热点之一。本文从盐渍化土壤微波散射机理、盐渍化土壤特征参数的构建与提取、盐渍化土壤分类、土壤含盐量反演4个方面总结国内外土壤盐渍化SAR遥感监测的主要进展与标志性成果： ① 盐渍化土壤微波散射机理的研究明确了土壤含盐量与雷达后向散射系数的相关关系； ②盐渍化土壤特征参数的构建与提取呈现多元化、综合化变化趋势； ③ 盐渍化土壤分类方法从机器学习向深度学习方法转移； ④土壤含盐量反演从回归分析向结合散射机理的反演方法转化。同时，本文提出现有研究存在的问题和挑战：土壤含盐量与后向散射系数关系受到多种因素的影响，实现高精度的土壤盐渍化SAR遥感技术监测，还需更深入的机理解析、特征构建和多源数据的融合利用。

ICESat-2作为新一代多波束激光测高卫星采用了光子计数体制，其探测数据中存在大量噪声，造成光子数据在轨处理和传输时面临巨大挑战。为了在轨高效地对原始探测数据进行去噪处理，以降低星地传输数据量，本文设计了一种基于原始探测光子泊松分布特性的直方图去噪算法。该算法分为光子点云的垂直直方图化和倾斜直方图化。首先，根据光子传输距离将点云数据段划分为二维格网形成垂直直方图，利用直方图箱光子数的均值和标准差计算信噪分离阈值，并对信号光子赋予低、中和高置信度标签来表征信号可靠性；其次，对识别的中、高置信度光子进行线性拟合获取坡度信息，将光子传输距离投影到沿坡面垂直的方向形成倾斜直方图，进行二次信号光子识别且合并置信度标签；最后，对噪声光子进行剔除以实现原始数据的压缩下传。同时，本文对比研究了基于密度的空间聚类应用(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)算法和对点排序以识别聚类结构(Ordering Points to Identify the Clustering Structure, OPTICS)算法性能。通过8种地类的ATL02数据开展测试实验，结果表明，DBSCAN算法会导致信号光子丢失，而OPTICS算法会产生虚假信号簇，相比之下，直方图算法有效避免了这些问题的产生，并且在实验中对不同地类具有较好的稳健性和适应性。在直方图算法中，垂直直方图算法对信号光子召回率R均为1，查准率P和调和F值平均在0.90以上，相较于垂直+倾斜直方图、DBSCAN和OPTICS的运行效率分别达到12倍、3 473倍和1 528倍以上，平均运行时间仅0.048 s，可高效实现数据去噪。垂直直方图算法去噪结果初步满足在轨处理效率要求(<0.25 s)，本文有望为未来星载光子计数激光雷达数据的在轨去噪提供技术参考。

随着遥感平台日新月异，遥感图像数量也呈指数级地增长，如何从遥感大数据中筛选出所需遥感图像，已成为遥感应用亟待解决核心问题之一。目前利用深度卷积神经网络获取图像深度特征被认为是图像检索中最为有效的方法。然而，由于其特征维度过高从而导致相似性度量困难，降低了检索的速度和精度。为此，本文提出了一种结合自适应膨胀卷积和结构嵌入网络的非对称哈希遥感图像检索方法。该方法首先设计了自适应膨胀卷积模块，该模块能够在不增加额外模型参数同时自适应地捕捉遥感图像的多尺度特征；其次，针对遥感图像中的结构信息提取不足问题，对已有的结构嵌入模块进行了优化改进，改进后模块能够有效提取遥感图像中的几何结构特征；最后针对类内差异性和类间相似性导致的检索效率低下问题，引入了成对相似性约束，使原始特征空间中遥感图像之间的相似性能在哈希空间中得到保留。通过在4个不同数据集上的对比实验，验证了本文方法优于现有的深度哈希图像检索方法。同时，通过消融实验验证了所提模型中各模块的有效性。

如何准确有效的实现水体信息提取，是目前水资源管理、监测和应用非常重要的一环，由于水体形状、大小和分布的多样性以及场景的复杂性，如何高效准确地从遥感影像中提取出水体仍具有挑战性。现有的主动轮廓模型水体提取算法主要针对某一数据或特定水体类型，且受到噪声影响较大等问题，导致水体提取精度不高。因此，提出一种结合目标局部和全局特征的CV（Chan-Vese）模型快速分割方法。该改进方法的能量泛函由整体项、局部项和正则项组成，通过将局部图像信息融入CV模型的能量泛函中，在局部项中引入卷积算子并计算演化曲线内外部差值图像灰度均值，用差分图像代替原始图像，有效限制演化曲线处理灰度不均匀图像时发生的错误移动。此外，正则化项由长度约束项和新的惩罚能量组成，约束了演化曲线的长度，使目标边界更加平滑、精确，同时避免了传统水平集方法中的重新初始化步骤，以提高效率。针对哨兵1号卫星和哨兵2号卫星影像中的湖泊、河流和小水体分割实验结果表明：对于SAR（Synthetic Aperture Radar）影像，改进后的CV模型的分割精度分别达到96.15%、95.19%、83.64%， F1分数达到95.77%、91.06%、75.78%；对于光学影像，分割精度分别达到97.71%、95.12%、93.97%，F1分数达到97.15%、93.67%、86.78%。针对城市中心区域水体分割，SAR数据分割精度和F1分数分别为97.2%和89.2%；光学数据分割精度和F1分数分别为92.12%和89.37%。改进算法对背景复杂的多类型水体和城市区域水体均有较高的分割精度，能够实现遥感图像中水体的高精度提取。

湿地植物物种多样性可以反映湿地生态系统的群落组织水平和稳定性，评价湿地健康、退化程度以及修复状况，快速量化物种多样性对保护湿地生物多样性至关重要，然而传统的实地调查方法费时费力，存在时间成本上的局限性，而高光谱技术的发展为实现这一目的提供了契机。为探究如何通过高光谱技术实现湿地植物物种多样性的精确反演，本研究在陕西汉中朱鹮国家级自然保护区对湿地植物展开调查并同步获取植物冠层的高光谱影像，使用Simpson（D_S）、Margalef（D_M）、Shannon-Weiner（H'）和Pielou（J） 4种指标表征物种多样性，通过随机森林（Random Forest，RF）、BP神经网络（Back Propagation Neural Network，BPNN）和偏最小二乘（Partial Least Squares，PLS） 3种方法建立反演模型，最终实现对区域物种多样性的反演推算。结果表明：一阶微分变换比二阶微分变换能提取出更多的敏感波段，而通过组合任意波段植被指数，可以提高与物种多样性指数的相关性；基于原始光谱数据与基于多特征组合的反演精度接近，且都是RF模型取得较高精度（R² > 0.40）；RF模型对H'和J的反演精度较好， R²高于0.6， D_S的R²高于0.5，表明模型有一定预测能力，而D_M的R²均低于0.5，模型预测能力并不理想。本研究展示了无人机高光谱技术在湿地植物物种多样性精确反演方面的有效性，证实了通过光谱微分变换和特征变量的提取结合随机森林模型实现无人机尺度的物种多样性反演方法的可靠性。该技术对于可为湿地生物多样性的大尺度检测提供技术支撑，为相关管理部门决策提供参考。

行道树的准确提取对生态园林城市建设及城市智慧化发展具有重要意义。但车载LiDAR点云数据中经常出现行道树与近邻地物相互遮掩、连接的情况，从而导致无法准确进行行道树提取。针对这一问题，本文提出一种分层动态区域增长行道树提取方法。首先，通过点云栅格化滤除地面点并根据地物投影特征进行行道树初步提取。然后，根据地物分布特征对点云数据进行等高度分层处理，构建层次化点云空间，进一步获取行道树与干扰地物信息。接着，在层次化点云空间内部进行动态区域增长，获取同一层和相邻层之间的点云属性信息，生成点云聚类簇以区分行道树与干扰地物。最后，根据干扰地 物的几何特征和行道树杆状特征，滤除干扰地物实现准确的行道树提取。本文选用激光雷达大会提供的竞赛数据及Open DataLab官网提供的里尔、巴黎两地区街道点云数据进行实验。实验结果表明，本文方法行道树提取的正确率与完整率分别在98.69与97.73之上。本文方法能够在行道树与近邻地物相互遮掩、连接的情况下实现准确完整的行道树提取。同时，本文分层动态区域增长行道树提取方法的数据适用性更强，并且可以在行道树独立性不强的情况下有效提取行道树。

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。