格网是地理环境数字化离散的数据组织模型。局部投影的平面格网存在适用范围受限、全球扩展困难和单元变形严重等缺陷，而新型多面体全球离散格网大多只关注单元中心，忽视了单元顶点和边的作用，功能囿于数据建模与表达，难以适用于位置相关事件计算。本文首先建立四孔六边形全球离散格网“格心－格点－格边”多结构要素数学模型，推导证明多结构要素的唯一数学描述。然后，依据该数学模型提出格点、格边关联格心的编码运算法则。最后，设计地理环境格网建模和路线计算应用案例证明本文方法的可行性和优越性。结果表明，相较于投影平面格网，六边形全球离散格网的格元变形更小、变形离散程度更小：六边形格元面积、周长和角度形变误差率均小于7.5%，中低纬度区域兰伯特等角圆锥投影格网部分单元面积和周长形变误差率超过10%，高纬度区域墨卡托投影格网面积和周长形变误差率超过60%;相较于单一格元模型，多结构要素能够按事件计算需求准确表达环境信息，更有利于准确计算事件结果。
随着测绘地理信息数据的共享应用成为趋势，地理数据的精度降低处理成为数据公开前不可缺少的环节。基于传统薄板样条插值的坐标偏移模型利用本身优势可以实现坐标变换从而降低数据的几何精度，但是该模型受控制点精确程度影响大，抗噪声能力弱，若控制点选取不合理则易产生要素形态畸变的问题，导致数据无法被使用。本文提出了一种顾及空间分布的改进薄板样条矢量数据精度降低方法，首先通过四叉树索引结构进行格网划分，分别在网格内选取控制点，使得选出的控制点对和原始矢量数据在空间分布特征和数量特征上一致。然后基于Tikhonov正则化思想在原始坐标偏移模型中添加正则化项，弱化控制点的约束作用，增强模型抗噪声能力。本文选取不同尺度、不同类型以及多图层数据进行精度降低测试，实验表明： ① 本文算法针对不同实验数据都可以满足自然资源部95号文公开地图精度不高于10 m的要求，模型普适性好且效率较高; ② 本文算法能有效提高模型的稳定性以及减少处理后坐标突变的问题。以南京市鼓楼区线数据为测试数据的计算结果表明，精度降低后数据空间方向一致性为99.62%，图形形态相似性为99.99%，均优于传统薄板样条模型与高斯基函数坐标偏移模型; ③ 本文算法使精度降低后数据的偏移效果实现局部一致性以及全局随机性，精度降低后数据在明攻击或盲攻击的情况下精度仍能保持在10 m左右，说明坐标偏移结果不易被恢复。本研究证明提出的顾及空间分布的改进薄板样条精度降低模型兼顾处理后数据的安全性以及可用性，促进了矢量地理数据的社会化应用。
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。
分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径。当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果，但是大部分研究忽略了OD流向的语义信息。针对时空聚类算法中语义信息考虑不足的问题，本文提出了一种基于GloVe（Global Vectors）模型的OD流向语义提取方法和基于密度的时空语义聚类算法（STS-DBSCAN, Spatial Temporal Semantic-DBSCAN）。首先，结合POI访问概率和GloVe模型提取了OD流向语义。在此基础上，提出了一种OD流向的时空语义相似性度量规则。然后，根据时空语义相似性度量规则改进了DBSCAN聚类算法，实现了OD流向数据的时空语义聚类。最后，以厦门岛为例进行居民出行特征分析，共提取了7种居民出行语义，发现：① 居民出行语义受时间因素的影响较大，不同时间段的主要居民出行语义不同;② 居民出行热点主要分布在厦门岛的中部发达区域;③ 通过时空语义聚类分析，从4种主要居民出行语义中提取了7种典型的居民出行模式。结果表明，基于OD流向语义和时空语义聚类方法能够有效地挖掘城市居民的出行特征。
15分钟生活圈是以人为本城市社区建设的基本需求，也是绿色、低碳、可持续城市的发展方向。然而，生活圈服务设施布局规划存在诸多挑战，如需要建设多少设施，生活圈半径内人群覆盖率能否达标，以及如何提升服务公平性?鉴于现有的区位问题难以直接解决这些问题，本文引入设施最大服务半径和推荐服务半径覆盖人群达标率指标，将经典的单源设施区位问题(SSCFLP)改进为规划参数驱动的区位问题(DC-CFLP)，用于生活圈公共服务设施布局规划，尝试解决上述难题。相较于SSCFLP，新模型增加了3个规划参数，满足设施选址需求;在模型中使用软约束条件，对违背设施容量、最大服务距离和覆盖人群达标率的情况进行惩罚，使模型在实际应用中具有灵活性。选择郑州市郑东新区为案例区域，进行社区便民服务中心选址规划实验。依据区域现状及2035年控制性详细规划，设置3组规划参数，通过模型求解获得相应的选址方案。结果表明：设置不同的规划参数，新模型能够以最少的设施实现服务供需均衡，最大限度地满足服务半径达标率要求，也较好兼顾了服务成本、可及性和公平性。为验证本模型的优越性，与SSCFLP和CPMP模型相比，DC-CFLP模型更适合城市生活圈服务设施布局规划，满足实际规划需求，兼具理论意义和实用价值。
犯罪人的犯罪出行行为研究有助于更好地理解犯罪发生的机理。目前已有的研究大多集中于犯罪前出行行为，缺少有关犯罪后出行，即犯罪逃逸行为的研究。本文聚焦于封闭式非门禁居住小区的犯罪人逃逸行为，提出一种通过微观路径模拟结合宏观空间分析的犯罪逃逸行为研究方法。方法首先通过模拟重建犯罪逃逸路径解决研究数据匮乏的问题，具体为基于理性选择理论构建逃逸路径选择函数，采用赋值网格地图量化小区空间环境，使用改进蚁群算法在赋值网格地图上迭代模拟得到路径数据;然后通过空间句法理论解构小区空间在拓扑深度和视域集成度上的空间特征;最后综合犯罪逃逸路径数据和小区空间特征探究犯罪人逃逸行为规律。研究针以Z市5个典型居住小区的外来人员夜间单次盗窃案件为研究对象进行了实证研究，结果表明：犯罪人的逃逸距离有明显的距离衰减特性，并呈现两端衰减;逃逸距离与出入口数量负关联;犯罪人逃逸时会规避视域集成度高的区域且路径轨迹符合空间拓扑规则。研究结论为居住小区的规划布局或建设改造提供了一定的参考，居住小区需重视出入口的规划布局，根据空间位置合理分配犯罪防控资源以及将景观环境设计与小区安全相结合。
为准确评价压缩天然气（CNG）出租车的二氧化碳（CO2）减排效益，以武汉市为例，提出了一种基于深度学习的车辆微观CO2排放模型来准确对城市内出租车的CO2排放做时空分析，探究出租车在不同燃料情景下CO2排放时空规律。路测实验中使用便携式排放测量系统（PEMS）收集车辆的CO2排放数据，考虑车辆驾驶特征序列和燃料类型，借助BiLSTM算法构建了车辆微观CO2排放模型，并验证其精度;利用提出的CO2排放模型和武汉市15 752辆出租车轨迹数据估算了武汉市出租车使用92#汽油和CNG的CO2排放，探索CNG出租车的CO2减排效益。结果表明，模型精度优于目前常用SVR、LSTM等回归算法和IVE、CMEM等物理模型，能够拟合真实车辆的CO2排放变化，满足大范围估算城市出租车CO2排放的精度需求，为车辆排放估算提供更好思路;实证结果发现，一天内，15 752辆武汉市出租车全面使用CNG取代92#汽油可以减少22.05%的CO2排放，同时揭示了CNG出租车在时间空间角度的CO2排放规律以及CO2减排效益。结果对政府交通部门推广车辆使用CNG燃料提供依据。
气候变化是21世纪的重大环境问题之一，气温和降水的长期变化趋势作为评估气候变化的重要指标，对研究气候变化模式及程度有着重要意义。基于长时序GPM降水数据及ERA5-Land再分析气温数据，提出了一种复合干（湿）-冷（暖）化类型（包括干-冷化、湿-冷化、干-暖化和湿-暖化）的判定方法，同时，创建了复合干（湿）-冷（暖）化强度指数（DCTII）定量评估复合趋势的变化程度。应用上述方法，探讨了黄淮海平原2001—2021年复合趋势的时空特征。结果表明：① 复合干（湿）-冷（暖）化类型识别及量化方法不仅同时兼顾了干湿结构和冷暖结构的变化模式及变化程度，并且结合了降水在时间中的分布特征，在验证结果中可靠度达到了85%;② 从时间上看，黄淮海平原2007—2018年逐渐从较为干-冷化转变为明显的湿-暖化趋势，并且近年来湿-暖化程度不断增加;③ 从空间上看，2001—2021年黄淮海平原主要呈湿-暖化，部分干-暖化地区集中在黄河以南;④ DCTII结合趋势稳定性及离散度评估得出，强趋势及低离散度趋势大部分位于黄淮海平原东部及沿海地区，稳定趋势则大部分位于北部地区。在3个流域中，黄河流域趋势最强，海河流域内湿-暖化趋势强度要高于干-暖化趋势强度，淮河流域趋势稳定性更为显著。复合干（湿）-冷（暖）识别与量化方法的构建，旨在全球气候变暖的条件下，为干湿/冷暖结构长期变化研究提供思路。
研究黄河三角洲耕地退化状态并明晰其驱动机制对保障区域粮食安全和促进耕地保护至关重要。本文基于2001—2021年MODIS NDVI数据，采用加性季节和趋势断点检测法BFAST(Breaks For Additive Seasonal and Trend)探讨黄河三角洲耕地退化状态，并应用地理探测器探究各自然和人为因子及其交互作用对不同尺度区域耕地退化状态空间分异的影响与驱动机制。结果表明：① 与线性趋势相比，非线性趋势方法检测耕地退化状态的精度更高，不仅可以检测到耕地变化的整体趋势，还可检测到长期变化中的阶段性突变信息，可较全面、准确的评估耕地退化状态;② BFAST检测结果显示黄河三角洲耕地31.75%呈退化状态，61.06%为改善状态，7.19%呈非显著趋势。黄河三角洲耕地在长期变化过程中多受外界干扰而发生短期突变，其中中断减少趋势占比31.31%，主要分布在孤北水库、黄河故道西侧和东南沿海，呈沿海自内陆逐渐减少且零散化的空间分布格局;中断增加趋势占比55.13%，主要分布在黄河以南、淡水河流和水库附近，呈大规模集中分布特点;③ 黄河三角洲不同尺度区域耕地退化状态空间分异以土地利用为主导，且双因子交互影响力明显高于单因子，土地利用∩高程和距海洋距离∩土地利用分别是耕地退化和改善状态的主导交互因子，人为因素主导和自然因素协同作用导致黄河三角洲耕地退化状态空间分异。
基于2021年广州餐饮业及相关服务业POI大数据，采用HDBSCAN聚类、协同区位熵、空间杜宾误差等方法分析了广州餐饮业整体及细分业态的空间分布特征、影响因素及其空间溢出效应，重点探索了不同密度、不同业态餐饮业与周边服务业的整体与局部空间关联特征。结果表明： ①高密度区域餐饮业多呈中心集聚分布特征，低密度区则为中心集聚、四周辐射的特征，餐馆的分布特征与人群属性等密切相关; ②不同餐饮密度区域餐饮业与其周边服务业的空间关联情况存在差异，高餐饮密度区域空间关联性最强，中餐饮密度区域空间关联性最弱; ③不同业态餐饮业受周边服务业影响的差异较大，整体上按空间关联强度由强到弱依次为快餐厅、正餐餐厅、小吃店、冷饮店，局部空间差异特征相似但正餐餐厅的空间差异对比最明显; ④基于街镇尺度的空间杜宾误差模型估计结果显示，交通设施服务、购物服务与人口规模因素对于当地餐饮业POI数量的直接影响最大，空间溢出效应最明显。快餐厅的空间分布受人口规模与周边服务业的影响较显著而其他业态的餐饮业则容易受交通设施与购物服务因素影响。总的来说，本研究从空间关联角度出发，深化了传统经济与城市地理理论在微观空间关联方面的研究，对于之后的商业地理相关研究以及大城市餐饮业空间格局的优化调整具有参考意义。
叶面积指数Leaf Area Index(LAI)是表征植被冠层结构的重要参数，其遥感产品常常因云、气溶胶、积雪、算法和仪器问题等因素影响，导致数据质量差或缺失，严重影响LAI数据集的应用。本文提出了一种基于改进S-G滤波和非监督分类局部核回归的LAI时序数据融合方法，并利用2014—2020年MODIS LAI、PROBA-V LAI、VIIRS LAI产品数据，开展归一化融合研究，以提高产品的一致性、连续性和精确性。结果表明，融合LAI与源产品及其他LAI产品(MCD15A2H、MOD15A2H、VNP15A2H、PROBA-V) 的LAI值频率分布、时序变化表现出良好的一致性，并有较好的相关性， R2分别为0.85、0.77、0.84和0.89，与这4个产品相比，数据缺失频率总体下降，时间连续性有所提高，相较于MCD15A2H LAI(19.59%)、MOD15A2H LAI (25.54%)、VNP15A2H LAI(23.33%)和PROBA-V LAI(9.64%)，融合LAI平均缺失频率降低为5.04%。与其他产品比较，融合LAI与地面实测值的相关性最好，决定系数（R2）达0.76，比其他产品高0.03~0.2，均方根误差(RMSE)为1.16 m2/m2，比其他产品低（0.1~0.66）m2/m2，具有较高的精度。
利用遥感图像变化检测对建筑物进行实时监测是国土资源环境部门调查管理工作开展的关键技术手段。本文针对遥感图像变化检测任务中未充分利用双时相图像间的依赖关系和空间细节信息丢失导致检测精度下降的问题，提出了一种基于双时相特征筛选的轻量级遥感图像变化检测模型。在编码部分，利用精简MobileNetV3分别提取双时相遥感图像不同层级的特征，将同级特征输入特征筛选模块后通过注意力机制和阈值筛选的方式建立双时相图像间的关系，生成更具判别性的特征。在解码部分，为解决普通上采样导致边界像素被分配错误的问题引入了位置指导上采样模块，通过与特征筛选模块协同工作利用双时相图像间的关系指导上采样过程。针对下采样操作导致空间细节信息丢失的问题，采用多尺度特征融合模块来聚合多级特征生成更具空间细节信息的变化图。通过在CDD和DSIFN变化检测数据集上的综合实验表明，本文所提模型在F1分数上分别达到89.42%和79.43%，模型计算量和参数量分别为5.72GFLOPs和1.89 MB，预测时间达到0.02 s，相较于其他模型在精度和实时性上均具有显著优势，更适合在移动端部署，且本文模型检测的可视化结果更为完整，对于变化边界的检测也更加平滑。
挪威每年约有210万只羊在森林和山区自由放牧，在放牧季节结束时，农民们必须找到并围拢他们的羊，而这个过程非常耗时费力。现有跟踪羊群的方法包括铃铛、无线电铃、电子耳标和无人机等，这些方法受限于单价、信号覆盖、自动化程度低等缺点，无法高效自动地找到野外的羊。本文提出了一种基于无人机图像的羊群自动检测算法，使用ResNet和ResNeXt作为主干网络，设计了一种针对RGB和红外图像的羊群自动检测模型网络结构。本文分别利用RGB、红外和二者融合图像作为输入数据，对比模型检测效果，同时探讨了不同模型复杂性，并验证了模型泛化能力。实验结果表明，使用融合数据比单独使用一种数据能够获得更好的平均精度结果。不同复杂度和不同输入数据类型，其模型的验证数据集平均精度在69.6%~96.3%之间，处理时间在0.1~0.6 s之间。在置信阈值为0.5时，最优模型取得了97.9%的网格准确率和90.1%的召回率，这对应于在验证数据集中检测到97.5%的羊，因此，本文提出的基于无人机RGB和红外图像的羊群自动检测算法可以为改进羊群围捕做出一定贡献。
精准、自动化的耕地非农化监测对严守耕地红线和保障社会经济的可持续发展具有重要意义。为精准监测建筑物和大棚房非法占用耕地现象并及时预警，本文提出了一种先验知识引导深度学习的耕地非农化监测方法。首先，根据“三调”数据库获取耕地的矢量范围和类别属性等先验知识;其次，利用前时相耕地矢量数据对后时相高分辨率遥感影像进行地块级分割，实现检测区域的快速定位;接着，使用本文设计的融入先验知识的潜在非农化图斑提取网络模型（SRAM-SegFormer）对潜在非农化图斑进行获取;最后，对提取结果进行镶嵌、重分类、叠加等后处理操作得到最终的耕地非农化监测结果。以徐州市沛县为研究区，对比分析常用的语义分割网络模型Deeplabv3+、PSPNet、U-Net、HRNet、SegFormer和本文设计的SRAM-SegFormer提取潜在非农化图斑的能力。实验结果表明： Deeplabv3+和PSPNet对复杂区域易出现漏检和误检现象; U-Net 容易漏检大尺度的建筑物; HRNet提取的非农化图斑边界不规则; SegFormer对小尺度的建筑物和房提取能力较差，提取密集区域的建筑物和大棚房易出现粘连现象; SRAM-SegFormer提取的效果最佳，特别是针对小尺度的建筑物和大棚房的提取，在平均像素准确率（MPA）、平均交并比（MIoU）和总体精度（OA）上均取得了最高精度，分别为84.30%、73.76%和97.91%。因此，本文提出的方法能够更加高效、自动化的实现耕地非农化监测。
