【目的】轨迹知识图谱能够有效记录轨迹与地理空间实体间深层语义联系，在揭示复杂关联信息方面展现出显著优势。传统的面向领域数据源的知识图谱构建方法依赖于专业知识，涉及繁重的数据预处理和实体关系抽取工作，对用户的专业技能要求较高。【方法】为降低轨迹知识图谱构建门槛，本文提出了一种大语言模型提示学习增强的轨迹知识图谱构建方法，支持以自然语言驱动的任务执行流程，显著降低了知识图谱构建的使用门槛。首先设计预处理任务提示策略，引导模型自动生成异常轨迹数据处理代码，完成数据预处理工作，降低了编程能力的依赖；其次设计工具调用的两级系统提示策略，完成轨迹实体关系抽取工具的匹配与调用，将繁重的构建流程封装于提示模板与自动化工具中，使非专业用户通过简单的语言指令完成图谱构建。【结果】为验证本文方法的可行性与有效性，本文通过构建轨迹预处理和实体关系抽取工具匹配的测试语句集，选取真实船舶和车辆轨迹数据作为知识图谱构建数据集，评估提示策略的适用性，在通义千问和百度千帆主流大语言模型上，分别达到了75%和80%以上的准确率。【结论】本文验证了结合提示学习的大语言模型在低门槛构建轨迹知识图谱中的有效性，展现出所设计提示策略的良好泛化性与应用价值。
【目的】图神经网络（Graph Neural Network, GNN）与建筑信息模型（Building Information Modeling, BIM）的深度结合显著推动建筑、工程与施工（Architecture, Engineering, and Construction, AEC）行业的发展，本文针对BIM中的空间识别与分类问题，提出一种节点特征增强的自监督图神经网络模型，旨在通过构建一套面向任务的框架，弥合BIM数据与基于图的表示学习之间的差距，从而能够同时捕获几何语义与功能空间语义。【方法】将每个建筑空间表示为节点，利用边特征增强节点特征。为最大化特征描述能力，在图传播之前，将拓扑意义显著的共墙连接、走廊连接、角落连接和开放空间连接等关系编码为加权边，并通过可学习的融合层注入到节点嵌入中，并在自主构建的12种空间类型和4种关系特征的3大类建筑空间布局图知识库上进行训练，从而可自动识别建筑中的功能空间类型。【结果】 ① 在覆盖学校、住宅和办公楼3类建筑，共300个大型平面子图的BuildingGraph自建数据集上进行建筑空间节点分类，所提出的融合边特征的增强型GNN实现了96.83%的分类准确率，并在数千节点规模的大图上仍保持训练损失曲线的稳定收敛；② 在相同训练超参数设置下进行消融实验，与现有GNN模型相比，BGFEF在测试精度（97.08%）和F1分数（96.75%）方面均实现了显著提升，其中较传统Graph‑BERT和最先进SAGE‑E模型高出3%~12%； ③ 在真实工程应用中，选取学校、公寓和办公楼3类共9个BIM模型并提取房间连通拓扑图进行测试，验证了本方法在建筑空间分类中的准确性与互操作性，学校类模型的单个实例识别准确率最高达96.87%。【结论】本文方法提高了空间分析的效率和自动化程度，研究结果为其在实际AEC项目中的落地实施提供了实践指导，支持生成与Industry Foundation Classes（IFC）标准无缝对应的高置信度功能标签，从而加速基于规则的设计审查、设施管理与疏散路径优化，并为多类型建筑场景下的本体驱动图推理提供可扩展的研究与应用基础。
【目的】现行矢量瓦片地图常采用均匀格网划分方法，但该方法未顾及空间数据的集聚性和异质性，导致瓦片数据大小不均，地图数据密集区域加载缓慢，影响可视化效率。针对此问题，本研究提出了一种变尺寸矢量瓦片的组合式格网划分方法。【方法】首先，依据矢量瓦片金字塔各层级尺度参数，构建多尺度信息模型；其次，采用四叉树结合k-d树（k-dimensional tree, k-d树）的组合式格网划分方法，通过引入矢量瓦片数据量阈值动态调整格网结构，实现瓦片全局动态划分与局部均衡处理,并以并行计算方式生成各层级矢量瓦片；最后，使用Geohash编码技术建立索引，实现矢量瓦片的快速检索。【结果】试验选取北京、重庆、兰州3类典型城市空间结构作为研究区，涵盖兴趣点、道路网、建筑物等矢量数据，系统对比了均匀格网、四叉树、 k-d树及组合式格网方法在瓦片切片效率、数据均衡性、渲染响应时间等性能指标上的差异。结果表明：组合式格网划分方法在切片效率方面表现最佳，不仅减少了空白和冗余瓦片的生成，还将瓦片间数据量变异系数控制在0.28以下，使数据在瓦片间分布更均衡，生成的瓦片数据质量更高；在数据密集视窗（重庆9级）下，相较于均匀格网、四叉树、k-d树方法，其加载效率分别提升了43.03%、26.23%、19.17%。【结论】本文方法能有效解决传统均匀格网划分方法在地图数据密集区域面临的瓦片数据量过大、负载不均衡、加载延迟等问题。
【目的】遥感细粒度目标识别是对地观测及计算机视觉领域中的一项核心且极具挑战的任务，其聚焦高空间分辨率图像中对象的定位及精细分类。当前遥感细粒度目标识别算法突破了对像素级、对象级与邻域级不同层次的对象语义特征、纹理像素特征及空间邻域特征等多源多尺度特征的协同综合，但仍然无法直接利用场景构成、实体内涵、特征描述与时序变化等细粒度的目标识别相关特征，其原因在于其缺乏形式化的知识组织与表达方法。【方法】本文提出了一种面向遥感细粒度目标识别的多层级知识图谱组织与表达方法：通过设计场景、实体、特征与变化的四层知识表达框架，采用时空参照、空间形态、关联关系等特征对遥感目标进行多粒度动态化描述，实现了场景约束、实体约束、特征约束、时序约束下的多层级遥感细粒度目标识别知识的组织与表达。【结果】本文提出的多层级知识图谱方法能够有效组织和表达场景、实体及时序等知识，并有效助力细粒度目标识别性能的提升。其中，在基准模型STD上引入知识图谱后，整体mAP提升了约3.82%，recall提升了约3.92%；并通过在多种典型神经网络（Oriented R-CNN、Oriented RepPoints、LSKNet、STD）模型上均实现稳定的性能提升，验证了方法的普适性与鲁棒性。【结论】多层级知识图谱不仅提升了遥感细粒度目标识别的精度，还增强了模型的可解释性和动态适应性，能够为遥感智能解译提供从特征感知向知识推理转变的有效途径，在地理信息分析、军事情报分析等领域具有重要应用价值。
【目的】离群样点权重调整是影响目标属性空间插值精度的关键因素，现有方法无法兼顾样点地理空间均匀性与特征空间代表性。【方法】以科尔沁左翼中旗土壤有机质样点为例，提出了一种面向空间插值的离群样点地理-特征空间权重调整方法。首先研发样点地理空间和特征空间类型划分方法进行样点类型划分；其次基于四分位法和局部Moran's I分别检测全局离群样点和局部离群样点，结合样点类型确定样点权重调整量和调整规则并进行离群样点权重调整；最后分别设置离群样点不同权重调整方案和不同空间插值模型对比实验并分析其空间插值精度，评估不同权重调整方案和不同空间插值模型的优劣。【结果】结果表明：基于地理空间类型划分方法获取34个聚集样点、380个均匀样点和19个稀疏样点，基于特征空间类型划分方法获取172个低代表性样点和261个高代表性样点；通过离群样点检测获取35个局部离群样点和3个全局离群样点，根据离群样点权重调整规则构建地理-特征空间权重调整方法，权重调整后的样点标准差和变异系数与原始样点相比均减小，数据更接近正态分布；地理-特征空间权重调整方法空间插值的均方根误差降低了11.25%，平均绝对误差降低了11.07%，准确度提高了11.82%，预测值与实测值的相关性也明显高于原始数据，相较于其他对比方案权重调整样点数量最少，调整优化效果最优；该方法插值结果优于原始样点的随机森林模型结果但比随机森林回归克里金空间插值模型结果差。【结论】研发的离群样点地理-特征空间权重调整方法可以兼顾离群样点地理空间均匀性和特征空间代表性，在权重调整离群样点数量最小情景下显著提高土壤有机质空间插值精度。
【目的】暴雨的混沌性和快速演变特征使得临近预报仍然充满挑战。针对暴雨复杂的动力学特性，近年来的研究逐渐从单一的确定性或概率性方法转向结合两者的混合框架。然而，许多现有混合模型依然是纯数据驱动的，缺乏显式的物理先验约束，导致其物理一致性和泛化能力有限，尤其在极端降水情境下表现不足。【方法】本文提出了一种物理信息先验引导的暴雨临近预报框架，将基于偏微分方程的物理先验同时引入确定性预测模块与基于扩散的时空细化模块。确定性分支利用包含PDE引导门控单元的多层解码器产生物理一致的预测结果，而扩散分支则在物理感知的隐状态条件下建模残差不确定性，以细化局地结构。该混合设计能够以物理约束的方式同时刻画大尺度降水演变和局地随机扰动。【结果】在雷达降水数据集上的实验表明，所提出的方法在3 h预报时效内对超过16 mm/h的降水预测中取得了总体临界成功指数（CSI）0.235，较DiffCast（0.223）提升5.4%，较PhyDNet（0.213）提升 10.3%，较DGMR（0.140）提升 67.9%。逐时评估结果显示，该方法在各个预报时效上均保持稳定领先，在强降水区域的第1小时、第2小时和第3小时其CSI指标分别相对最优基线提升8.3%、8.6%和6.2%。此外，可视化对比进一步说明，所提模型能够在保持整体结构的同时生成更清晰、物理合理的降水分布。【结论】引入物理先验并结合扩散残差修正能显著提升深度学习临近预报的准确性和物理一致性，特别是在极端降水情境下表现突出，为未来暴雨预测框架的发展和实际业务应用提供了有益借鉴。
【目的】本研究旨在优化和改进土地利用时空模拟模型，通过构建基于GBDT的多源数据转换规则挖掘模块和动态改进模块，更全面地提取长时序土地利用变化的特征和模式，实现对土地利用变化的精准模拟。【方法】本研究以广东省广州市为案例，创新性地提出了一种耦合GBDT多源数据转换规则挖掘与动态改进模块的土地利用模拟模型（GDLUS）。该模型首先基于多年土地利用数据和驱动因素构建多源数据集，并采用梯度提升决策树（GBDT）对土地利用演变机制进行挖掘。其次引入了动态改进模块，其包括参数提取模块，基于长时序土地利用演化数据构建转移概率矩阵及其范围；目标分解模块在时间维度根据转移概率范围求解并细化未来土地利用需求，在空间维度上基于邻域效应和GBDT挖掘结果进行多尺度邻域效应和发展概率等空间评估，将空间根据土地利用类型的转移强度划分为不同类型；加权随机采样模块根据演化过程中微观布局与宏观需求的差异进行调控，控制土地利用类型之间的转化。最后，将GDLUS模型应用于共享社会经济路径（SSPs）的多情景模拟，模拟2050年多情境下的广州土地利用格局。【结果】 GDLUS方法在准确率和 FOM 指标上较主流模型PLUS分别显著提高了18%和33%。特别是动态改进模块，对局部土地利用变化的捕捉和模拟精度都有小幅度增强，使模型的FOM指标显著提升14.5%。基于共享社会经济路径（SSPs）的多情景模拟显示，在SSP5情景下研究区水体和绿地面临城镇用地大规模侵占的风险，生态空间退化问题极为突出；而在SSP1情景下，区域生态空间展现出较强的韧性特征。【结论】 GDLUS模型为土地利用的变化模拟及其在城市规划决策中的应用提供了更加准确和高效的技术支撑。
【目的】作为城市空间结构的重要组成部分，建筑物与道路信息在城市规划、灾害响应和自动驾驶等前沿领域具有重要的应用价值。鉴于二者在空间分布上的高度关联性，协同提取建筑物和道路两类地物已成为高分辨率遥感影像解译的重要研究方向。然而，现有方法尚未充分利用两类地物间的空间结构和各自的形态结构特性，存在地物边界不清晰及小尺寸对象漏检问题。【方法】为解决上述问题，本文提出了一种结构感知的协同提取网络SACE-Net，综合考虑地物的空间结构与形态结构，以提升建筑物和道路的协同提取性能。网络设计了特征空间交互模块，通过查询引导的跨注意力机制学习建筑物和道路的空间结构互补特征，增强两类地物间的特征交互与信息融合；同时，构建了形态结构感知的双分支解码模块，通过注意力引导机制与方向感知机制，实现对两类地物的形态结构的差异化解码。【结果】在Massachusetts与AIOI这2个公开数据集上的实验结果表明，SACE-Net在定量与可视化性能上均优于7种基线方法。定量结果显示，SACE-Net的平均交并比在Massachusetts和AIOI数据集上分别达到75.82%和64.14%，相较于现有最优协同提取方法分别提升了10.70%和4.90%；可视化结果进一步验证了模型在保持建筑物轮廓完整性和道路连通性方面具有显著优势，减少了边界模糊、漏检或误检等问题；消融实验结果显示，在基础网络中添加特征空间交互模块和双分支解码模块后，2个公开数据集的平均交并比相较于基础模型分别提升了18.96%和14.01%，验证了SACE-Net中各模块的有效性。【结论】本文通过强化模型对建筑物与道路空间及形态结构特征的感知，提升了地物协同提取精度，并为高分辨率遥感影像的多类地物协同提取提供了方法参考。
【目的】复杂山地地形易导致NDVI产生反演误差与地形效应干扰，且逐年主成分分析（PCA）使遥感生态指数（RSEI）权重随年份波动，制约了长期生态质量评估的稳定性。为提升复杂地形条件下生态评估的时序一致性与模型稳健性，本文提出了全局-自适应修正遥感生态指数（GW_MRSEI）。【方法】首先，采用地形校正归一化植被指数（SNDVI）替代传统NDVI，减弱地形效应对植被反演的干扰；其次，在全局主成分分析（GPCA）框架下引入局部自适应修正系数，以兼顾跨期可比性与对异常事件的响应能力；最后，以金沙江滇藏峡谷段为实验区，结合Theil-Sen趋势检验、Hurst指数与XGBoost模型开展验证与生态演变分析。【结果】 SNDVI在复杂地形下区分能力较NDVI提高了19.31%，能更准确反映植被信息； GPCA维持了更稳定的跨期权重；GW_MRSEI既保持了趋势一致性，又对局部年份表现出较强的敏感性，有效抑制了年际波动。1990—2024年，实验区约54.3%区域生态质量改善，31.6%区域将持续改善，29.5%区域将持续退化。生态质量受植被、温度与海拔共同影响，其中温度高于28 ℃时负效应显著，海拔2 500~4 000 m之间生态状况最佳。【结论】 GW_MRSEI在复杂山地环境中展现出较高的时序稳定性与地形适应性，实现了生态变化的连续刻画与异常识别，为复杂山地流域的长期生态监测与退化识别提供了可量化的方法学支持。
【目的】在采动、水文、地质等多源因素耦合作用下，露天矿滑坡隐患呈现出分布范围广、在采场边坡处聚集分布等特点，且其InSAR形变信号与背景环境相似，导致现有滑坡隐患检测算法容易产生误判或漏判。同时，滑坡隐患的多源触发机制与检测模型的“黑箱”特性之间的矛盾，削弱了检测结果的可解释性，限制了现有模型在矿区中的应用。【方法】针对该问题，本研究以YOLOv5n为基线模型，提出一种整合InSAR技术及可解释性深度学习的增强检测框架，以提升矿区滑坡隐患检测的准确性与效率。① 利用SBAS-InSAR技术反演年均形变速率及时间序列，构建滑坡隐患检测InSAR数据集，并引入地理环境相似性准则对数据集的空间分布进行优化； ② 基于InSAR形变信息和光学影像的形态特征构建综合识别方法，快速识别潜在滑坡隐患； ③ 利用SHAP技术优选关键孕灾因素，构建SHAP-RF/SVM模型生成矿区滑坡易发性区划图，以刻画滑坡隐患在采场边坡的聚集特征； ④ 提出融合易发性分区的机理驱动空间先验项与梯度调控策略，构建风险感知监督惩罚机制，引导模型在隐患高聚集区增强特征关注度。【结果】以内蒙古自治区锡林郭勒盟某露天矿为研究区，基于2020年1月—2022年1月的Sentinel-1A SAR影像，进行检测行为的可解释建模与滑坡隐患的增强检测。研究结果表明，该检测框架不仅在滑坡隐患检测与易发性评估结果之间表现出较高的空间一致性与模型可解释性，还显著提高了检测准确率。mAP50、F1分数分别达到95.9%和91.7%，比YOLOv5、Attention U-Net等其他代表性模型性能至少提高了8.76%和10.11%。【结论】本文所提框架在不同地表类型的露天矿中也表现出令人满意的精度和工程适用性，可为InSAR与深度学习方法在露天矿滑坡隐患检测中的应用研究提供重要技术指导。
【意义】集中式光伏电站在荒漠化地区的开发兼具能源转型与生态修复的双重功能。针对当前研究存在的3个主要问题： ① 荒漠高反射背景下光伏阵列识别精度不足； ② 缺乏可靠的光伏板下植被固碳效益定量评估机制； ③ 尚未形成同时纳入“板上减排”与“板下固碳”的碳效益核算体系。提出一种融合深度学习与多源遥感数据的荒漠化地区集中式光伏电站提取与碳效益核算方法。【方法】首先，基于高分辨率遥感影像构建荒漠化地区样本库，采用以ResNet50为骨干网络的DeepLabv3+语义分割模型，实现高反射背景下光伏电站的高精度提取；其次，通过生命周期评估计算光伏电力碳排放因子，结合电网排放因子和发电量数据精确估算减排效益。进一步，利用多时序NPP遥感数据对比光伏区与背景区植被生产力，量化板下植被恢复带来的固碳效益；最后，将减排效益与固碳效益，通过碳交易价格进行货币化评估，并系统分析其空间分布规律。【结果】以甘肃河西走廊地区为例进行验证，共识别出集中式光伏469.63 km2；在25年生命周期内，光伏直接减排累计4 861.07万tCO2e，生物间接固碳276.92万tCO2e，总碳效益达41.10亿元，其中武威市固碳能力最强，嘉峪关市单位面积碳减排密度高，酒泉市减排总量居首但生态增汇相对有限。【结论】研究提出的方法在光伏电站识别精度和碳效益评估体系上均实现了突破。与随机森林等传统机器学习提取方法相比，本方法将光伏阵列与裸岩等高反射背景的识别误差降低了47%，与U-Net模型相比，本方法在总体精度上表现出更高的稳健性，提升了复杂环境中集中式光伏电站的提取能力；研究建立的板下植被固碳效益的定量评估方法，验证了光伏带动生态恢复的固碳效益；研究构建的碳效益核算体系首次将“板上减排”与“板下固碳”纳入统一核算框架，增强了评估的系统性和空间显式能力，为荒漠化地区光伏开发的生态能源协同发展提供了可推广的方法论支撑与科学决策依据。
【目的】黄土高原地区耕地分布范围广、数量多、分散且地块碎小。当前卫星数据源丰富、分辨率多样，是耕地调查监测的理想数据源。针对卫星数据在黄土高原不同地貌单元的耕地识别能力和精度评估研究不足，科学、准确评估卫星数据源的耕地识别能力和精度可为耕地调查监测数据源选择和精度评估提供参考。【方法】本文以兰州市榆中县为研究区，以GF-1、Sentinel-2、GF01-WFV、Landsat-8 OLI遥感影像为主要数据源，通过构建位置准确度、面积准确率、漏分率、错分率、最小可识别图斑等评价指标，运用空间统计分析方法，定量评估4种卫星数据在不同黄土地貌单元耕地识别能力并分析影响因素。 【结果】 ① 耕地识别精度与影像空间分辨率高度相关，但各精度指标间差异显著。耕地提取位置准确度受空间分辨率变化影响较小，GF-1、Sentinel-2、GF01-WFV、Landsat-8 OLI的平均位置准确度分别为95.02%、94.81%、91.96%和91.66%。面积准确率、错漏分率、地块边界准确度和最小可识别图斑随影像空间分辨率降低变化较明显。面积准确率由94.88%下降至85.94%，错分率由3.91%上升至16.57%，漏分率由7.62%升至19.22%，GF-1、Sentinel-2、GF01-WFV、Landsat-8 OLI的平均地块边界准确度分别为89.69%、83.93%、79.11%和74.74%。② 耕地识别精度受地形影响较大，空间分辨率越高越容易受地形影响。总体上，黄土塬区结果精度高于黄土沟壑区3%~5%，高于黄土丘陵区5%~10%。黄土塬区漏分率相对较高；黄土沟壑区错分情况显著，区域平均错分率达到15.94%，Sentinel-2和GF01-WFV均大于16%；黄土丘陵区不同影像数据之间的精度差异缩小。③ 黄土高原地区地形破碎、沟谷纵横，裸露黄土与休耕、翻耕耕地光谱容易混淆，制图结果表明空间分辨率为2~15 m的卫星数据提取耕地面积偏少，30 m数据耕地提取面积偏大，GF-1耕地提取准确率在95%以上，最接近实际耕地面积。④ 优于10 m空间分辨率遥感影像基本可满足黄土高原地区耕地面积、位置、种植状态监测和制图需求，可结合数据源、监测内容、精度要求具体综合考虑选择卫星影像。【结论】本文研究结果可为黄土高原区耕地遥感监测数据源选择和精度评价的提供参考。
【目的】准确监测火烧迹地的动态变化对森林管理与恢复生态环境具有重要的意义，针对传统的火烧迹地提取方法在应对大范围且地形复杂的区域时，存在效率低、对微小火烧迹地提取效果欠佳的问题。本文提出了一种基于深度学习的特征融合与注意力机制结合的网络模型FFANet (Feature Fusion and Attention Mechanism)，将其应用于火烧迹地提取研究中。【方法】首先对数据进行预处理后制作森林火灾变化检测数据集，构建一种特征融合注意力机制的轻量化模型并进行训练，通过提取双时相图像的特征、融合特征信息和解码后分类输出变化结果图来进行过火区域的提取。模型以U-Net网络为基准模型，在特征提取部分引入双时特征融合策略（Bitemporal Feature Fusion, BFF），使模型可以充分提取双实相特征中的差异信息，设计了中值增强空间通道注意力模块（Median-Enhanced Spatial and Channel Attention Block, MESC），通过多种空洞率并整合通道和空间注意力机制捕获图像中的细节信息，在模型的解码器部分，利用一种轻量化的上采样模块，通过跳跃连接的方式与上一级的特征进行结合，在保证特征融合效果的同时又能够降低计算成本，模型的最后一个阶段通过分类器来输出变化检测结果图。【结果】本文以2023年4月13日云南省玉溪市发生的森林火灾为实验区，选取火灾发生前后的Sentinel-2影像进行火烧迹地提取实验。结果表明：① 模型采用轻量化架构设计实现端到端的学习，通过减少参数量与计算量，实现了推理速度的优化，使模型能快速识别变化区域； ② 将本文模型FFANet基于各评价指标与Change Former、BIT和STANet模型进行对比， FFANet模型的F1分数达到87.11%，相比于其他3种模型分别提升3.19%、6.06%和1.4%，其 IoU值达到82.64%，与其他3种模型相比分别提升4.06%、0.97%和6.86%，验证了本文模型FFANet在提取火烧迹地中的适用性。【结论】本文提出的FFANet有效提升了模型在复杂地形及微小火烧迹地条件下的提取精度，为实现更加快速准确地提取火烧迹地提供了技术支持，也为今后相关的研究提供了更多的探索思路。
【目的】火星石块是了解火星地貌、研究地质演化和着陆选址等火星探测任务的重要研究内容。Boulder Halo是火星中高纬度地区的典型地貌，提取和分析Boulder Halo地貌及周边地区的石块，能够加深对该地貌的了解，明确其周围石块的空间分布特征，进而有助于后续的相关研究。【方法】文中利用一种基于阴影和滑动窗口的石块提取方法提取火星石块（最大直径大于1.5 m的石块），即根据火星石块阴影的位置和范围建立初始窗口，通过滑动窗口的初始位置和终止位置确定石块的范围，石块的提取结果通过拟合椭圆来表示。该方法在HiRISE图像中进行石块提取，并以火星60° N—70° N之间的23个Boulder Halo地貌为研究区，对其内部及周边地区的石块开展空间分布特征分析。【结果】Boulder Halo地貌多位于石块高密度区附近；在Boulder Halo地貌的3倍半径范围内最大直径为1.5~2.5 m的石块数量最多；多数情况下，Boulder Halo地貌在1~1.5倍半径范围内石块最大直径的均值相对较大；在3倍半径范围内，1倍半径范围附近石块密度相对较高。【结论】本文的分析结果可作为参考数据，为未来深入分析Boulder Halo地貌的形成过程及进一步探测提供辅助。
【目的】乡村广场作为广大乡村地区公共服务设施的重要组成部分，在规划建设中存在布局不合理、尺度过大、违法占用耕地等突出问题。目前乡村广场的选址布局研究大多仅关注其布局原则和策略，亟需构建一套科学合理的乡村广场选址布局模型及优化求解方法。【方法】本文基于经典的CFLP模型，构建了包含总旅行成本、远距离旅行成本及建设成本等因素的 3个目标函数，以及有效覆盖率、乡村广场面积、人均广场占有面积等5个约束条件的多目标优化选址数学模型，该模型具有非线性、非凸的含复杂空间耦合特征。为提高局部搜索性能和收敛性，本文对NSGA-Ⅱ算法在初始值的设置、邻域变异算子设计以及混合精英策略等方面进行了优化改进，形成了兼具全局搜索和局部搜索，并实现快速收敛的NSGA-II-N多目标优化求解模型。【结果】通过湘阴县大中村乡村广场规划布局的实例验证，对比分析了不同选址数量下全局解集中对应的有效覆盖率、总旅行成本、远距离旅行成本、建设成本等目标参数之间的相关关系；其中有效覆盖率与总旅行成本之间基本呈线性相关，总旅行成本越高，有效覆盖率越低，确定系数（R2）为0.739；有效覆盖率与建设成本之间表现为近似对数相关性，确定系数（R2）高达0.789，表现为前期加大建设投入、增加广场数量可以快速提升有效覆盖率，但后期继续增加建设投入、增加广场数量对有效覆盖率的提升效果有限；远距离旅行成本与有效覆盖率整体上呈负相关，当新增乡村广场数量为低于10处时，远距离旅行成本显著增大，部分方案超过125 km。通过与NSGA-II、NSGA-III等模型对比发现，NSGA-II-N模型的建设成本中位数仅为76.98，IQR仅为12.13，显著低于NSGA-II、NSGA-III、SPEA2模型，解集显著集中且收敛；在解的多样性方面，NSGA-II-N优于MOEA/D模型。由于NSGA-II-N模型同时兼顾了多个目标，其优化结果在保持对应经典区位问题的优化参数相当的效果同时，对其他参数的优化效果上明显优于对应的经典区位问题。【结论】 NSGA-II-N模型能够有效地平衡建设成本、运行效率与公平性指标，实现了建设成本、总旅行成本、远距离旅行成本以及有效覆盖率等多个因素综合优化，为乡村广场及其他公共服务设施的选址布局提供了科学依据。
