【目的】地理知识图谱(GeoKG)通过知识图谱的形式化技术，将地理知识表示为计算机可解释、可复用、可推理的知识网络。但由于地理信息分布的稀疏性以及更新的落后性，地理知识图谱往往是不完整的，制约着其应用广度和深度，需要地理知识图谱补全方法来解决其不完整的问题。然而，现有补全方法未充分考虑到地理知识图谱中的语义信息以及地理实体间的交互遵循距离衰减效应，致使嵌入空间难以充分还原地理实体和关系的真实分布，从而限制了补全性能的提升。【方法】本文提出了一种顾及距离衰减效应的地理知识图谱补全方法DDGKGC（Distance-Decaying Effect-Aware Geographic Knowledge Graph Completion method）。该方法首先通过语义信息聚合模块和距离衰减效应感知模块，捕获实体和关系间的语义信息和距离信息；然后，通过基于双注意力机制的表示学习模块自适应地学习实体和关系的邻域信息，得到实体和关系的嵌入表示，最后通过ConvE得分函数进行评分预测，并使用预测结果来完成地理知识图谱补全任务。【结果】为全面评估模型性能，本文在自构建数据集Multi-Geo、CityDirection、CountyDistance及公开数据集Countries-S3上进行了对比实验、消融实验和多维度分析验证。实验结果表明，DDGKGC在MRR、 Hits@1、 Hits@3、 Hits@10等多项指标上表现出色，尤其在全面反映模型性能的MRR指标上相较于对比方法在4个数据集上分别提升4%、3.1%、1.8% 和5.2%。此外，通过多维度分析验证评估，证明了DDGKGC能够更合理地建模地理实体关系间的空间和语义关联，从而提升补全结果的准确性与地理合理性。【结论】本文提出的顾及距离衰减效应的地理知识图谱补全方法，不仅有效提升了地理知识图谱补全任务的性能，还展现出良好的泛化能力与应用潜力，同时也为地理知识图谱的深化应用提供了可靠支撑。

【目的】传统地图呈现出典型的离散化特征，通过点、线、面符号实现地理空间信息的抽象化表达。随着信息技术的发展，泛地图的出现为打破传统地图的离散化局限，实现地图间的连续性表达提供了新的契机。本文从连续性表达视角出发，尝试揭示泛地图间潜在的关联规则与连续性机制，构建泛地图连续性表达维度模型。【分析】首先，构建了泛地图分类体系，通过相似性计算挖掘泛地图在符号几何、颜色、空间关系等维度的连续性变换规则；其次，基于FP-Growth（Frequent Pattern Growth，频繁模式增长）算法，挖掘不同地图类型间的连续性变换规则，构建了涵盖地图空间、地图基底、空间位置、地图符号、空间关系的泛地图连续性表达维度模型；最后，通过点、线、面状地图连续性转换实验，验证泛地图连续性表达维度模型的有效性。【结论】本文研究结果有利于突破传统地图离散化表达的模式，建立泛地图的连续性表达思维，实现了从多角度连续呈现多元化空间信息，进一步提升地图信息传递的有效性。

【目的】随志愿者地理信息系统的快速发展，高现势性众源路网已成为智慧城市建设的重要数据来源，其选取的效率与效果成为影响多尺度数据服务的关键因素。已有的路网选取方法大多基于数据属性信息判断道路重要性，十分合理且有效，但是，实际数据往往存在属性缺失问题，一定程度上限制了方法的适用性。【方法】针对此问题，本文提出一种属性信息缺失条件下的众源路网空间句法自动建模与选取方法。首先，基于开放街道地图（Open Street Map）中心线数据，开发程序自动执行几何化简、拓扑修正与伪节点处理，批量生成整个城市的空间句法线段模型，并基于模型计算整合度、选择度等空间句法指标；随后构建Stroke，并提取几何特征；进一步，创新性地提出2项复合指标：基于路径单元的标准化角度整合度（SNAIN）与基于路径单元的标准化角度选择度（SNACH），以联合刻画道路的拓扑可达性与几何连续性。在此基础上，应用结合熵权法与层次分析法（EW-AHP）的主客观集成赋权方法，确定综合指标的权重，实现道路的重要性排序。最后，通过断头路识别与网格密度修补，进一步提高路网的连通性和完整性。【结果】以兰州（带状道路网）和成都（环形放射状道路网）为案例验证，结果表明：在道路属性信息缺失的条件下，本文方法能够有效识别城市主干路网，其与OSM道路等级匹配准确率分别达到兰州0.942 1、成都0.971 1；修补后兰州市路网连通率由1.058 2提升至1.086 4，成都市路网连通率由1.108 6提升至1.119 8（成都在所选尺度内的断头路完全消除）。消融实验表明，SNAIN更有利于提升全局连通性，SNACH有助于增强几何连续性，二者并用能在连通性与空间覆盖间取得平衡。【结论】本文方法为属性信息不完整情形下的大规模城市路网快速建模与选取提供了新的理论支持和技术路径。

【目的】针对开放街道地图中立交桥层级结构缺失制约高精度地图与智能导航发展的问题，突破传统方法对高程或激光点云数据的强依赖，本文旨在构建一种无需高程信息、仅融合遥感影像与车辆轨迹数据的立交桥层级自动识别方法。【方法】本文提出一种融合遥感影像与车辆轨迹数据的OSM路网立交桥层级结构识别框架。首先，基于遥感影像与OSM路网的空间拓扑关系，检测道路交叠区域；通过霍夫变换提取线性特征并结合斜率比较策略，初步判别交叠道路的上下层空间关系。其次，利用车辆轨迹数据构建高斯混合模型，提取速度分布特征，采用随机森林分类器对平行重叠道路进行精细识别。最后，引入局部-全局推理算法，综合空间几何约束与轨迹行为模式，为OSM路网节点与边赋予层级属性，并实现结构可视化输出。【结果】实验在北京多个典型立交桥区域开展，结果表明：该方法在交叠道路层级判别任务中准确率达99%，召回率为89%， F1分数达94%；在重叠道路识别任务中准确率达100%，召回率为86.96%， F1分数为93.02%。相较于依赖机载LiDAR或GPS轨迹高程的现有方法，本文方法在完全不使用高程信息的前提下，不仅显著降低数据获取成本与门槛，且整体识别精度更高，展现出更强的实用性与可扩展性。【结论】本研究提出的多源数据融合框架有效实现了OSM立交桥层级结构的精细化识别，突破了对高程数据的依赖，为开源地图数据质量提升提供了可靠技术路径，可广泛应用于智能导航、自动驾驶高精地图构建及城市交通建模等领域。

【目的】为了解决滑坡易发性评价模型中最优超参数组合难以确定的问题。【方法】本文引入一种蜘蛛蜂优化算法用于寻找机器学习模型的最优超参数组合，通过蜘蛛蜂优化算法（Spider Wasp Optimizer, SWO）对随机森林（Random Forest, RF）、轻量的梯度提升机（Light Gradient Boosting Machine, LightGBM）、CatBoost（Categorical Boosting）模型进行超参数优化，得到模型最优超参数组合值，进而构建滑坡易发性评价模型。在此基础上，将SWO优化后的上述机器学习模型，采用Stacking集成方法进行模型组合。对比各模型评价结果，筛选得到最优滑坡易发性模型，并采用SHAP（SHapley Additive exPlanations）算法对最优模型评价结果进行可解释性分析。【结果】本文以黑龙江省亚雪公路沿线边坡为例，采用SWO优化算法对上述机器学习模型超参数组合寻优后，SWO-LightGBM、SWO-CatBoost和SWO-RF分别较优化前的模型AUC（Area Under the Curve）值提高2.4%、1.6%、2.2%，这表明SWO算法有效增强了机器学习模型整体性能，即滑坡易发性预测精度。其SWO-LightGBM模型表现最优，其AUC值达到0.939。4个Stacking模型评价结果AUC值在0.924~0.935之间，均低于SWO-LightGBM模型结果。最后，对SWO-LightGBM模型进行可解释性分析可知，坡度、距道路距离、年平均降雨量、距河流距离对滑坡易发性的贡献较大。【结论】本研究通过蜘蛛蜂优化算法寻找最优超参数组合，使模型的预测精度和结果准确性得到了有效提升。

【目的】热环境是影响城市居民生活的关键因素，其时空结构对于优化绿地规划、建筑布局及促进公共健康具有重要意义。已有研究多直接基于地表温度（Land Surface Temperature, LST）数据识别热空间聚集结构，忽略了其中潜在的冷热源对空间结构的影响，导致对热环境空间格局的揭示不够细致。【方法】本文针对不同空间位置上温度扩散与叠加形成的复杂冷热格局，提出一种融合空间盲源分离算法的城市热环境局部冷热点结构解析方法：基于西安市2021年逐日LST数据分离出潜在的冷热源分量，结合Getis-Ord Gi*分析与空间转移率计算，识别并量化冷热点的时空分布与演化特征。【结果】① 引入贝叶斯空间盲源分离算法，能够基于多时相LST数据综合解构城市热环境，分离出具有独立时空特征的潜在热源分量，可为后续冷热点结构的识别提供关键数据基础； ② 西安市地表温度冷热点分布呈现显著的空间异质与季节动态：绕城高速东南与西北部为持续性热点集聚区，冷点则分散于北部、中部及西南郊区，冬季冷点范围扩大、转移活跃；夏季热点比例显著上升（7月转入比例为53.2%），春秋过渡期冷热点更替频繁，如5月空间转移率高达73.2%； ③ 相较于传统Gi^*热点分析仅能识别显著的高/低温聚集区，本研究通过融合空间盲源分离与热点分析，能够解析各独立分量的空间分布，揭示了热环境内部的成分演变与异质特征；对比表明，融合方法能构建出比传统方法更为综合与丰富的热环境空间结构。【结论】本研究有助于揭示城市内部更为精细的冷热点空间结构，不仅为解析城市热环境的时空动态提供了新方法，也为生态保护、绿色空间规划及热风险精准防控提供了科学依据。

【目的】行业间共聚是海洋产业的典型空间组织形式，囿于指标测度的技术限制，这种关系未能得到微观验证。尝试引入和发展机器学习领域的相关算法，试图破除共聚关系的测度方法瓶颈。【方法】首先，以包含空间信息的涉海企业数据集为基础，引入依赖人工神经网络等不同机器学习框架的4种模型，以软投票方式聚合形成文本分类集成学习算法，以训练识别涉海企业所属行业的分类器；然后，引入由熵正则化约束项和Sinkhorn不动点迭代算法改进的推土机距离，用于测算2个海洋行业部门空间分布之间的距离，通过比较真实推土机距离与1 000次蒙特卡罗的反事实模拟结果，构造具有统计意义的矢量性产业共聚指数。【结果】选择大连、青岛、宁波、厦门和广州5个中国沿海城市作为案例研究区，通过企业工商信息平台获取涉海企业数据，构建海洋产业地理动态数据库，用以衡量和检验自然语言处理算法、共聚指数测度方法的有效性，还进一步展开了案例性的空间分析，说明了方法论框架的可行性和应用价值。结果如下：单一模型构建的分类器准确率分别达到了84.8%、84.7%、92.1%和92.2%，基于软投票的集成学习方式使涉海企业的分类结果更加可信。蒙特卡罗模拟一般在200~400次时达到收敛，显著共聚的反事实样本接近正态分布，测度的共聚指数有统计意义，相应的指标在海洋产业研究和实践中有经济意义。【结论】融合人工神经网络算法、机器学习方法改进的推土机距离，与蒙特卡罗模拟等方法的有机结合，形成了一个完整的海洋产业行业共聚分析的方法论体系与研究框架，为解决基于微观数据的海洋产业共聚研究提供了技术支持。

【目的】节假日是区域旅游产业繁荣发展的关键时段，掌握期间外地游客旅游行为特征和模式是提升区域旅游品质的重要途径。受限于感知数据，现有研究缺少基于个体行为的外地游客节假日旅游行为特征及模式分析，也缺少针对性分析框架及方法。【方法】为此，本研究基于匿名化大规模手机位置数据，提出了数据驱动的“身份识别-行为分析-模式挖掘”节假日外地游客行为分析框架，以典型旅游城市厦门市2023年劳动节与端午节期间手机位置数据为基础，分析了外地游客的节假日行为特征与模式。【结果】① 在劳动节与端午节期间，厦门市外地游客在时间、空间、行为强度及多样性上存在显著差异。劳动节期间更倾向采取“广度探索型”策略，而端午节期间则偏向“深度沉浸型”策略； ② 外地游客行为呈现明显的社会属性异质性：劳动节期间，女性游玩时长超男性10.7%，青年外地游客比老年群体高出33.8%，端午节期间老年外地游客旅行效率比青年群体高34.7%； ③ 通过聚类分析识别出漫游体验型、轻松观光型、全域深游型、系统游览型、定点深耕型、效率探索型六类行为模式，其分布具有显著节日偏好：全域深游型、系统游览型、效率探索型集中于劳动节；定点深耕型集中于端午节，体现了路径多样性及节日行为偏好机制。【结论】本研究拓展了基于个体位置数据的外地游客旅游行为分析和模式识别方法，有关方法和分析结论能够深化对游客在节假日行为的理解，为厦门等旅游城市提升旅游服务品质提供科学依据与实践参考。

【目的】针对自然资源监测图斑数据与业务管理需求难以精准对接的问题，本文旨在提出一种有效关联监测图斑与业务管理的方法，以实现“一次监测、支撑多项业务管理”的目标，提升自然资源监测与管理的效率。【方法】从自然资源概念体系的认知与表达、业务规则梳理以及业务知识图谱的构建等多维度出发，基于业务知识图谱，提出了一套面向管理需求的自然资源监测图斑业务关联方法，设计了基于业务关联规则的监测图斑自动推送模型，实现监测图斑信息与业务管理需求系统关联与精准对接。【结果】本文开展了基于知识图谱的自然资源监测图斑业务关联方法研究，研究结果表明： ① 面向管理需求的自然资源监测对象概念体系认知方法，能够系统化梳理复杂业务规则与庞杂监测对象间的隐含逻辑，为自然资源分类管理与监测应用提供理论基础； ② 自然资源监测业务知识图谱的构建实现了监测图斑属性、业务规则与管理需求的多维度动态关联，通过可视化映射与交互式分析，为自然资源精细化治理提供图谱化决策支撑； ③ 通过基于业务知识图谱的监测图斑自动推送模型，建立了图斑知识与管理需求的映射机制，构建了分级分类的智能推送体系，达到“1”次监测、服务支撑“N”项自然资源管理业务的目标。【结论】提出的面向管理需求的监测图斑业务关联方法及知识图谱模型，有效弥补了自然资源监测数据与业务需求协同机制不健全、精准推送效率不足的问题，为自然资源精细化监管与国土空间智能化管控提供了技术支撑。

【目的】本文旨在提升高分辨率遥感图像的目标检测性能，针对小目标检测、复杂背景处理和密集目标分布等关键问题，提出了一种解决方案。【方法】本文基于YOLOv11框架，提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了3个创新模块： ① 多核特征融合模块（Parallel Kernel Feature Fusion Module, PKFFM），用于跨尺度特征整合以增强表示能力； ② 级联双分支注意力模块（Cascaded Dual-Branch Attention Module, CDBAM），通过突出相关空间和通道信息优化特征提取； ③ 情景感知模块（Scenario-Aware Module, SAM），增强网络捕获全局上下文信息的能力。此外，引入了RS-WIoU（Remote Sensing Wise Intersection over Union）损失函数，以更好地适应高分辨率遥感数据，进一步提升检测性能。【结果】为验证本文方法的有效性，本文在高分辨率遥感数据集TGRS-HRRSD、NWPU VHR-10和DOTA-v1.0上进行实验。实验结果表明，本文方法在各数据集上的平均精度(mP)分别达到97.3%、87.3%和84.3%，相较于基线模型YOLOv11，精度分别提升2.1%、3.8%和2.9%， mAP_50-95分别提升3.0%、1.2%和1.5%；此外，本文模型展现出轻量化特性和强鲁棒性，优于其他遥感目标检测算法。【结论】本文方法通过PKFFM、CDBAM、SAM以及RS-WIoU损失函数的协同作用，显著提升了高分辨率遥感图像目标检测的精度与鲁棒性，为遥感影像目标检测提供了高效的解决方案。未来可进一步探索这些模块在其他数据集和任务中的适用性，以提升模型的泛化能力并推动遥感技术的进步。

【目的】旋转目标检测在遥感影像目视解译中发挥着重要作用，为地理信息的高效提取、精确目标识别及动态监测提供了有力支撑。【方法】针对旋转目标检测中存在的边界不连续、对不同几何形状目标（细长型与类正方形）表征能力不足等关键问题，本文提出一种在频域空间中融合几何与角度信息的旋转目标检测方法（FGAF-RCNN）。该方法通过形状自适应振幅建模模块（SA2M）增强形状感知，使用频域振幅作为形状的间接表征，将目标的长宽比等几何先验动态映射至振幅编码，实现对目标形状的精准隐式建模。此外，该方法还引入了旋转自适应频谱优化模块（RASOM），通过将物体的角度映射到频谱的相位分量来整合方位信息，结合几何约束将目标形状和方位耦合到统一的频率表示中。合成频谱随后通过傅立叶去噪进行细化，从而有效解决了边界不连续问题。【结果】本文在DOTA-v1.0和HRSC2016数据集上进行实验，结果表明FGAF-RCNN在以上2个数据集上的mAP度量指标分别达到达77.4%和97.2%，相较于基础模型提升了2.3%和0.7%。此外，在DOTA-v1.0数据集上的平均方向误差降至7.37。为进一步测试模型泛化能力，在DIOR-R数据集上进行验证，本文方法在mAP达到64.3%，展示了其在复杂场景中优越的检测性能。【结论】与主流的旋转目标检测算法PSC、YOLOv11等对比，本算法不仅有效提升了角度预测性能，还实现了对不同形状目标的精准检测，为复杂场景下旋转目标检测中的形状适应性与边界不连续难题提供了新的解决方案。

【目的】针对光学与SAR影像在实际应用中因数据缺失导致融合模型性能下降的问题，本研究旨在实现一种仅需单一模态输入即可获得接近双模态融合模型性能的轻量化建筑提取方法。【方法】提出了一种基于在线知识蒸馏的跨模态融合框架，其核心包含一个双模态输入的教师网络和一个单模态输入的学生网络。框架的主要特点在于：在教师网络中设计了自适应门控注意力机制（AGAFM）以实现光学与SAR特征的有效互补；在学生网络中引入了伪特征生成模块（LDAF/ESAR）以模拟缺失模态的信息；并构建了特征层与输出层的多层次知识蒸馏损失，以迫使学生网络学习教师网络的融合表征能力。针对建筑几何特性，在网络中引入了可变形卷积（DCM）和边界感知增强模块（MAC-BEM）。【结果】在DDHRNet_DATA数据集的山东省和韩国浦项市子数据集上的实验表明：在SAR模态缺失时，学生网络的IoU分别达到83.68%和77.24%，相较于次优算法分别提升了3.06%和2.66%；在光学模态缺失时，学生网络的IoU分别达到77.78%和77.20%，相较于次优算法分别提升了4.01%和1.31%，性能显著优于SegNet、 Deeplabv3、 Deeplabv3+、 UNetFormer、 MFFDeeplabV3+、 SC_Deep等单模态对比模型，消融实验验证了各核心模块的有效性。【结论】本文方法有效解决了测试阶段模态缺失的实用化瓶颈，为多模态遥感建筑提取技术的实际部署提供了可靠、高效的解决方案。

【目的】建筑物信息对于城市规划、环境监测、灾害应急等领域具有重要应用价值。随着高分辨率遥感影像的普及，如何高效、精确地实现建筑物自动提取已成为遥感领域的研究热点。尽管深度学习方法提升了遥感影像建筑物提取的效率与精度，但现有算法在轮廓完整性、抗干扰能力和模型轻量化方面仍面临挑战。本文旨在通过融合卷积与自注意力机制的优势，构建一种兼顾高精度与低复杂度的建筑物提取网络，以推动该方法在资源受限环境下的实际应用。【方法】为解决这些问题，本文将U²-Net网络与Transformer模块相融合，提出了一种新的轻量化全局注意力网络模型U²-former。该方法在U²-Net网络基础上采取了3个方面的改进： ① 在编码部分引入通道注意力机制来强化局部特征捕获能力； ② 将解码器重构为Transformer模块，通过优化的多头注意力机制与通道增强型多层感知机建立全局空间依赖； ③ 采用多级特征融合策略整合不同解码层输出，以提升边界完整性。【结果】在WHU航空影像、Massachusetts及Inria航空图像三大基准数据集上的实验结果表明：U²-former模型仅有6 M参数量，但IoU指数仍然分别达到了91.69%、74.96%和80.13%的精度，优于当前的主流深度学习算法；消融实验进一步证明了3种改进措施的有效性：相对于U²-Net，所提出的U²-former模型在3种数据集上的IoU值相比U²-Net分别提升了1.33%、3.54%和2.24%。同时，可视化结果进一步显示，U²-former在复杂场景中能有效保持建筑物轮廓完整性，减少错检、漏检，尤其对阴影遮挡、结构复杂建筑具有较强的鲁棒性。【结论】U²-former通过融合CNN的局部特征提取能力与Transformer的全局上下文建模优势，在较低参数量下实现了高精度的建筑物提取。该方法有效解决了轻量化与特征完整性、局部细节与全局依赖、边界精度与抗干扰能力之间的关键矛盾，不仅在高分辨率遥感影像建筑物提取任务中表现优异，也为边缘计算等资源受限场景下的遥感影像智能解译提供了新的技术路径。

【目的】青藏高原作为中国最大，世界海拔最高的高原，地表温度垂直递减率（Land Surface Temperature Lapse Rate，LTLR）的时空分布特征对气候变化、生态系统以及水文过程研究具有重要意义。已有研究无法准确表达复杂地形条件下的山区近地表气温直减率在时空分布与变化上的精细特征。因此本研究利用地表温度日变化模型估算出青藏高原逐小时地表温度，进而计算出逐小时月均LTLR，以获得青藏高原地区高时空分辨率的LTLR分布。【方法】本研究基于2022年中国西部逐日1 km全天候地表温度数据集TRIMS，利用地表温度日变化模型对青藏高原逐小时地表温度进行估算，进而采用滑动窗口法计算逐小时月均LTLR，分析了研究区LTLR在季节尺度上的时空分布与差异特征。弥补了青藏高原地区缺少高时空分辨率LTLR研究的现状。【结果】① 4 个季节平均LTLR分别为-6.12 、-7.63、-5.89和-3.23 ℃/km，春夏季节整体高于秋冬季节，但横断山脉区域相反，冬季平均LTLR较夏季高出约0.57 ℃/km； ② 春夏季最大LTLR分别为-14.45 ℃/km、-13.92 ℃/km，相对于秋、冬季最大LTLR的-13.60 ℃/km、-11.61 ℃/km，更高，因高海拔和干旱晴朗天气影响，羌塘高原区不同季节的最大LTLR差异显著，其中冬季最大LTLR最小，为-13.67 ℃/km； ③ 夏季最小LTLR最为大，高出其他季节约3.05 ℃/km，其中横断山脉四季最小LTLR均较大，其中春季最小LTLR为-1.16 ℃/km，比其他3个季节更高，最小的秋季最小LTLR为0.03 ℃/km，而羌塘高原区四季最小LTLR最小； ④ 日变化曲线显示，春秋冬3个季节的LTLR在11:00—14:00最大，春季最小LTLR出现在20:00—23:00，秋季最小LTLR出现时间较春季提前了约1 h，而夏季一天中出现2次最大LTLR，分别在4:00—7:00和 15:00—18:00，在21：00—23：00呈现出日最小LTLR特征。【结论】本研究对深入揭示青藏高原地表温度垂直递减率在季节尺度上的时空变化特征与相关影响机制有重要作用。

【目的】在全球城市化与气候变化的双重胁迫下，极端高温和臭氧污染的协同作用对城市公共健康与可持续发展构成了日趋严峻挑战。然而，现有研究多聚焦于单一环境胁迫，对高温-臭氧复合风险的时空演化规律和形成机制缺乏系统认知，严重制约了城市气候适应性策略的科学制定。【方法】本研究以中国45个主要城市为例，综合气温、臭氧浓度、人口分布和房价等多源数据，刻画2003—2022年城市高温-臭氧复合风险暴露时空格局，并运用基尼系数、泰尔指数等方法，从空间非均衡性与社会公平性两个维度深入探讨其公平性特征，同时采用随机森林方法剖析其复杂的驱动机制。【结果】① 2003—2022年，城市高温风险和高温-臭氧复合风险暴露呈现动态波动特征，而臭氧污染则表现出显著的逐年增长趋势；同时，高复合风险暴露区域主要集聚于北京、上海及广州等核心城市； ② 城市风险暴露存在显著不公平性。臭氧污染暴露多集中于低房价区域，且较多城市中的低收入群体面临不成比例的复合风险胁迫； ③ 不透水地表作为城市各类风险暴露的关键驱动因子，其次为风速、降雨等环境因素，且各影响因子与环境风险暴露之间均呈现显著的非线性阈值效应，尤其在臭氧污染和复合风险中表现突出。【结论】本研究深化了对城市高温和臭氧复合风险演化的科学认知，揭示了其时空动态、环境不公平特征及复杂驱动机制，为制定兼顾气候韧性与环境公平的城市空间治理体系提供决策支持。

【目的】全球气候变化引发长江流域水文干旱事件频发且强度不断增加，严重威胁粮食安全和经济发展。【方法】针对以往研究大多仅考虑气候因子驱动的非平稳干旱过程，忽视了人类活动影响的不足，研究综合考虑以气温、降水为代表的气候变化影响因子和以水库作用为代表的人类活动影响因子对水文干旱的影响。以寸滩、汉口、大通、城陵矶和湖口5个水文站为代表，基于GAMLSS 模型构建以气温、降水和水库指数为协变量的非平稳标准化径流指数（NSRI），采用游程理论进行长江流域的非平稳水文干旱的演变规律及特征分析。【结果】① 长江流域1961—2020年寸滩、汉口、大通、城陵矶和湖口5个水文站径流序列在非汛期1—3月显著增加，汛期9—10月显著减少；1—4月和9—11月径流序列存在显著突变特征，且各月对应的突变开始的年份各不相同； ② NSRI与SRI在时间演变趋势上基本一致，但在干旱强度（特别是极端事件）表征上存在一定差异，整体上验证了GAMLSS模型的合理性； ③ 长江流域水文干旱演变存在显著空间差异性，中上游干旱加剧而下游呈现湿润化现象； ④ NSRI较SRI识别干旱频次略高，平均历时缩短了2.80%~15.25%，干旱烈度略低，表明NSRI对短期干旱的敏感性较高。空间上，不同站点及其控制流域的水文干旱状况对非平稳性的响应存在明显差异。【结论】整体上，长江流域长期水文序列非一致性显著，考虑以气温、降水和水库指数为协变量构建非平稳干旱指数NSRI在揭示长江流域非平稳水文干旱时空变化趋势方面更有优势，研究结果可为长江流域防旱减灾政策提供理论参考。

【目的】探究快速城市化背景下城市热岛（UHI）效应的演变机制与调控路径，为城市热环境管控提供科学依据与方法支撑。【方法】针对传统“城乡二分法”在热岛效应空间分异表征中的不足，本研究以郑州市为研究区，结合局地气候区（LCZ）理论、源汇理论与形态空间格局分析，构建了城市热环境评估框架。研究利用2016、2020与2024年的Landsat 8-9遥感影像进行LCZ分类与地表温度（LST）反演，通过分布指数划分热源热汇，并结合形态空间格局分析与连通性分析，识别核心热源热汇区域。通过Stacking集成学习模型确定自然与建设阻力因子的权重，构建累计阻力面，并结合电路理论识别关键廊道与障碍点。【结果】① 2016—2024年，郑州市热源面积占比从29.82%上升至34.95%，核心热源区域面积从460.81 km²增加至666.75 km²，空间分布上呈现向主城区聚集趋势，核心热汇区域从3 025.04 km²缩减至2 672.38 km²，破碎化加剧；② 核心热源区域一级廊道总长度从3.30 km增至7.68 km，核心热汇区域一级廊道总长度从5.27 km减至3.10 km，热汇连通性因核心区域缩减下降；③ 热源障碍点集中于稠密树木（LCZA）区域，热汇障碍点呈全域扩散趋势。【结论】保护和优化热源热汇关键廊道、减少热汇障碍点可有效缓解UHI，研究构建的技术体系可为同类城市热环境调控提供方法参考。