【意义】 地理建模是解决地理学相关的各种复杂实际问题的科学手段，但执行过程导向的传统地理建模方式给建模者（尤其是非专业用户）实际应用时带来沉重的建模负担。【方法】 本文提出了智能化地理建模应该从用户的建模目标出发，形式化为初始的建模问题单元，以递归求解的思路逐步解决当前的建模问题单元，之后上溯推理形式化新的建模问题单元、相应求解出适用的地理模型（或其组成部分），从而实现根据用户实际应用问题的场景自动构建出合适的地理模型工作流。【进展】 本文介绍了在此基本思想指导下，作者近年来开展的一系列智能化地理建模的方法研究工作，旨在有效降低实际应用中非专业用户的地理建模难度，同时保障所建模型的准确性。基于上述方法研究工作，可实现领域建模知识（尤其是案例化的应用场景知识）驱动、“数据-知识-模型”协同递归的智能化地理建模计算应用模式，基于此开发了原型系统——地理空间智能计算系统（EGC）。【展望】 本文最后重点讨论了上述方法研究与当前兴起的利用大语言模型进行地理建模研究工作之间的关系，并讨论了下一步研究方向。

【目的】 大语言模型是否具有空间认知能力及其水平的量化方法，是大模型和地理信息科学研究的重要问题。目前还缺乏大语言模型空间认知能力测评的系统方法和标准。本文在研究现有大语言模型特征的基础上开展大语言模型在空间认知问题上的测试标准研究，最终形成一套具备大语言模型空间认知能力的测试标准框架SRT4LLM和测试流程，用以评估大语言模型的空间认知能力。【方法】 SRT4LLM分别从空间场景中的空间对象类型、空间关系和Prompt策略3个维度研究构建测试体系，包括3种空间对象类型、3种空间关系和3种提示工程策略，并制定标准化测试流程。通过对8个不同参数的大语言模型进行多轮测试，验证SRT4LLM标准的有效性和结果的稳定性，据此标准测试不同大模型在逐次改进的提示工程的得分。【结果】 输入空间对象的几何复杂度影响大语言模型空间认知，不同大模型表现差异较大，但同一大模型得分较为稳定，随着空间对象几何复杂性和空间关系复杂度的增加，大语言模型对3种空间关系的判断准确率最大仅有7.2%的小幅下降，显示本测试标准在不同场景间的较强的适应性。改进的提示工程能够部分改善大语言模型的空间认知问答得分，且不同大模型的改善程度差异较大，本标准具备挖掘大模型空间认知能力的能力。同一大语言模型多轮测试表明测试结果收敛，大模型之间的分值差也较稳定。【结论】 SRT4LLM具备度量大语言模型空间认知能力的能力，可作为大语言模型空间认知能力的评估的标准化工具，可为下一步构建原生的地理大模型提供支持。

【目的】 区位问题广泛应用于公共服务设施布局规划。经典区位问题多以设施成本、出行距离成本或覆盖客户数量等效率指标为目标，空间公平性考虑不足。部分区位模型考虑服务空间公平性，但存在公平与效率指标难以协调、计算复杂度过高和模型缺乏通用性等不足之处。针对现有区位问题之局限，本文提出了一个兼顾设施经济性、出行便捷性和空间公平性的双目标设施区位问题(CEEFLP)。【方法】 CEEFLP有2个目标函数：最小化设施总成本函数，以及最小化出行距离和距离半方差聚合函数。前者优化设施经济性，后者平衡出行便捷性和空间公平性。为求解CEEFLP，设计了一个基于节点交换方法的迭代局部搜索(ILS)算法。【结果】 14个基准案例计算结果表明：① ILS算法能够高效、高质量地求解CEEFLP，模型参数α为1、推荐值和0.001时，ILS求解结果与最优解或已知最好解的差距分别为0.09%、0.24%和0.41%；② 设施成本预算确定时，可以通过出行成本小幅上升，换取所有公平性指标的改善；出行距离增加2.17%，出行距离标准差和基尼系数分别下降了7.95%和9.75%； ③ 增加设施成本预算，既能够降低出行成本，也能够改善空间公平性指标；设施成本每增加1%，出行距离平均下降0.37%，出行距离标准差和基尼系数分别下降0.31%和0.31%。【结论】 CEEFLP能够为设施选址提供一组Pareto最优解，兼顾到设施成本、出行成本和空间公平性，对于公共服务设施布局规划具有实用价值。

【目的】 城市道路网选取是地图综合领域的重要研究方向之一，其中特征选择是影响选取准确性的关键环节。然而，随着新的特征指标不断提出，如何科学地选择特征成为了一直以来亟待解决的难题。【方法】 本文引入了机器学习的可解释性框架—SHapley加性解释（SHapley Additive exPlanations， SHAP），旨在分析道路网选取中的特征重要性，为特征选择提供新的解决方案。首先，通过文献统计的方式，研究选用了7种常见的特征作为研究对象，并以10个中国典型城市的1:25万和1:100万比例尺道路网数据为基础，构建包含7种特征指标的数据集。随后，利用LightGBM与XGBoost两种监督学习模型进行训练，并通过模型的评价指标对模型性能进行评估。最后，采用SHAP框架对2个模型进行解释，并分析特征间的相似性、作用方向及其重要性。【结果】 在特征相似性方面，拓扑特征具有较强的相似性，“周边POI数量”与其他特征的相似性较低。在特征作用方向方面，“周边POI数量”和“交通流量”对模型的影响较为不稳定，而其他特征的高值通常有正向贡献。在特征重要性方面，XGBoost模型显示“等级”是最重要的特征，之后是“长度”和“交通流量”。而LightGBM模型的结果与XGBoost模型类似，表明模型对特征重要性影响较小。研究进一步基于本文的权重结果进行道路网选取，并将结果与标准数据进行对比，实验结果显示选取结果与标准数据有较高的一致性。【结论】 本文提出了一种新的解决方案，用于道路网选取中的特征重要性分析，并为特征选择和特征赋权问题提供了参考依据。

【目的】 多尺度面状建筑群组相似度计算在场景相似检索、模式识别及匹配、地图综合等方面有着重要的应用。然而，传统几何方法只能提取建筑物的低维特征且权重设置主观性强；现有深度学习方法较少考虑建筑物之间的空间关系特征，且只通过图级处理得到群组的上下文信息，容易忽略局部细节的差异性。鉴于此，本文提出一种融合空间关系与SimGNN（Similarity Computation via Graph Neural Networks）的多尺度面状建筑群组相似度计算方法，通过图级和细粒度节点级两种策略比较两群组目标的几何特征和空间关系特征，从而得出二者的相似度。【方法】 首先，将两幅不同比例尺的矢量地图裁剪成若干个同区域的建筑群组，并分别构建它们的图结构；然后，提取群组中各建筑物的几何特征和空间关系特征组成特征向量；最后，将图结构和特征向量输入到相似度计算模型SimGNN中，分别经过图级和节点级处理，得到两群组之间的相似度计算结果。【结果】 与现有方法相比，该模型利用两种策略处理几何和空间关系特征得出的相似度结果更符合人们的空间认知，且该模型能够通过节点级相似度，体现出建筑群组间的细微差异，有效地提高了不同尺度建筑群组之间相似度计算的准确性。【结论】 该模型有助于提升建筑群组相似检索、识别及匹配等空间数据处理方法的合理性和可靠性。

【目的】 建筑物群组模式是城市结构和功能的重要组成部分，其自动识别是城市规划与分析、城市区域制图综合等领域研究的热点和难点问题。针对现有建筑物群组模式分类研究具有简单性和特定性，忽视了领域知识应用的问题，本文提出了一种融合领域知识的建筑物群组模式自动分类方法。【方法】 首先，以建筑物多尺度表达和制图综合的需求为牵引，面向街区内建筑物群组分布层次，将建筑物群组模式分为规则、混合和不规则3类，并构建和标注数据集；其次，结合视觉认知特点和传统规则算法的相似性判断领域知识，设计了一种正对投影对偶图（dual positive projection graph，DPRG）及其节点相似性特征描述；然后，引入Graph Sample and Aggregate （GraphSAGE）网络构建了建筑物群组模式自动分类模型，通过数据驱动的学习获取模式自动分类能力。【结果】 DPRG优于常用的邻近图及其对偶图结构，测试集准确率达到91.2%，相较于已有方法准确率提高了9.0%，规则与不规则模式的二分类准确率达到98.4%；该模型相较于GCN和GAT模型，准确率分别提高了3.6%和4.6%。【结论】 验证了该模型对规则与不规则模式优良的分类能力，同时对分类模糊的混合模式具有较好的区分能力，并将分类结果进行应用测试与分析。

【目的】 训练样本的质量对模型性能和预测结果有着重要影响，对于小样本数据区域，有限的样本数量及空间分布不均匀可能导致模型无法充分学习致灾要素特征,进一步增加了模型过拟合风险，影响模型预测准确度，因此需要根据区域特点有针对性地采集优化训练样本。【方法】 本文提出一种训练样本采样优化方法，将滑坡正样本原型采样（PBS）方法与无监督聚类模型用于训练样本采样，得到筛选扩充的正样本数据集及客观提取的负样本数据集，构建训练样本采集优化的（Sample Optimization， SO）数据集。然后，引入对小样本数据处理效果较好的随机森林（Random Forest， RF）与支持向量机（Support Vector Machine， SVM）构建滑坡易发性评价模型，分别与原始数据（Raw Data， RD）和仅数据扩充（Data Augmentation， DA）的数据集开展对比实验，利用AUC等指标分析模型预测性能，并基于频率比法对滑坡易发性分区结果进行优选。最后，以滑坡灾害样本数据较少的莆田市为例，开展滑坡易发性评价研究，验证本文提出的训练样本采样优化方法的有效性和泛化能力。【结果】 采用SO数据集构建的模型相较于基于RD、DA数据集，AUC值分别提升了10.69%与18.23%，说明预测性能皆有明显的提高，意味通过筛选扩充正样本和客观提取负样本数据集可以获得更好的性能，且有效缓解了模型训练过程中的过拟合问题；根据频率比分析结果， SO-RF的极高与高易发区频率比均高于SO-SVM，说明SO-RF比SO-SVM更适合类似莆田市区域的有限小样本滑坡数据的易发性评价。【结论】 本文提出的训练样本优化结合机器学习的评价方法具有较高的适用性和准确率,研究成果可为基于机器学习的滑坡易发性评价的训练样本采样方法提供有效思路。

【目的】 等高线与河流之间的不一致性是地理空间数据库更新、维护中的常见问题，目前相关研究大多仅针对单线河，鲜少涉及双线河。鉴于此，提出了一种发掘形态特征的等高线与双线河之间的不一致性探测及处理方法。【方法】 首先，通过DTW算法建立河流两侧岸线目标节点间的映射关系，并对其进行Morphing变换提取双线河中心线；然后，根据弯曲特征参数提取等高线山谷点，并依据DTW算法提取近似山谷线；接着，以双线河中心线为枢纽，建立山谷点与双线河、山谷线与双线河的综合判断规则来探测不一致区域；最后，运用等高线相似变换、河流移位与等高线协同变换，对不一致区域进行移位修正，并通过仿射变换处理局部等高线落水现象。【结果】 本文选取3处不同地形区域进行实验，经修正后山谷点均位于双线河内部，山谷线与双线河间的平均路径差得到有效减小，其中经等高线相似变换结合协同变换修正后的整体平均路径差分别为2.417 、0.033 、2.783 m，经河流移位结合等高线协同变换修正后的整体平均路径差分别为2.667、0.057、0.042 m，均维持在一致性阈值范围内。【结论】 本文通过充分发掘等高线与双线河的形态特征，实现了二者间的不一致性探测与处理，拓展了等高线与河流间的空间关系一致化研究范围，有助于推动多源地理空间数据的高质量集成与融合。

【目的】针对当前地图上点群目标空间相似关系计算模型中特征指标的选取及权重确定普遍依赖于问卷调查、专家评分或自定义权重，导致模型在客观性和通用性存在局限性。【方法】本文开展了以下研究： ① 对点群空间相似度计算模型中常考虑的特征指标进行了系统的梳理、统计与分析，并选定了属性相似度、分布范围相似度、分布密度相似度、距离相似度、方向相似度及拓扑相似度进行研究； ② 采用单一定权方法：层次分析法(Analytic Hierarchy Process, AHP)、模糊综合评价法（Fuzzy Comprehensive Evaluation Method, FCEM）、粗糙集理论（Rough Set Theory, RS），以及一种通过拉格朗日优化决策模型将AHP与RS结合的综合定权方法：AHP-RS组合权值法，采用上述方法分别计算各特征指标的权值及权重排序； ③ 将AHP-RS组合权值法确定的权重应用于点群空间相似度计算模型。【结果】① AHP-RS组合权值法不仅保持了与AHP和FCEM一致的权重排序，还显著减弱了RS对数据过于敏感导致权重排序不合理问题，同时大幅缩小了权值间的差异，使得权重更贴近实际情况； ② 不同尺度下点群空间相似度计算结果与人类对不同尺度下点群相似度的认知高度一致，进一步验证了AHP-RS组合权值法在权重确定上的合理性与有效性。【结论】本文最终提供了一组特征指标权重分配方案ω_拓扑, ω_距离, ω_属性, ω_方向,ω_分布范围, ω_分布密度=（0.36, 0.15, 0.10, 0.15, 0.12, 0.12），为点群目标空间相似度计算模型提供了客观、统一的权重依据，为空间相似关系的计算及地图综合提供了可靠的理论基础。

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻碍了预测准确性和稳定性的提升。【方法】本文提出基于卡尔曼“估计-校正”循环网络的暴雨临近预测方法，在个别变化理论约束下估计气象状态，并在卡尔曼滤波的指导下依据估计误差进行气象状态校正，以实现准确和可靠的暴雨预测。所提“估计-校正”网络包括个别变化约束的深度状态估计和估计误差指导的气象状态校正2个核心单元；前者根据历史气象状态估计下一时间步的气象状态及误差；后者根据估计误差和观测误差进行气象状态的校正；二者共同提升暴雨预测精度和稳定性。【结果】在ERA5和NCEP数据集上的实验证明，所提方法的暴雨预测准确性指标CSI比所对比的基线方法提升了5%，并以稳定性指标SPREAD≈0.5的成绩取得了良好稳定性。【结论】验证了在深度学习中融合滤波理论缓解不确定性问题的可行性。

【目的】地形导致了山地城市人口空间分布差异极大。山地城市的人口空间分布信息对科学研究和地区的政策制定、资源配置、灾害评估与防护等领域具有重要意义。【方法】为准确反映山地城市人口分布，本文提出了一种基于居住区识别和改进随机森林的山地城市人口空间化方法。该方法先识别了居住区格网并应用到特征提取阶段，避免了将人口分配到非居住区。然后，构建了山地城市特征变量数据集，考虑了山地城市人口分布的空间异质性和复杂性，通过GMM聚类算法对特征变量集进行聚类。采用Bootstrap采样法从各类中随机抽取等量的数据形成新的特征变量集并作为训练数据构建随机森林模型，实现了传统随机森林模型的改进。为验证该方法的有效性，本文以山地城市重庆市为实验区，得到了重庆市150 m格网人口空间化结果，将本方法模拟结果与传统随机森林模型、WorldPop数据集和LandScan数据集进行对比，并基于随机森林模型对各特征变量进行了重要性度量。【结果】本文方法的模拟结果整体精度达到82.9%，比传统随机森林模型的模拟结果提高了2.7%，比WorldPop数据集和LandScan数据集分别提高了2.94%和10.91%。在整个实验区，与WorldPop数据集和LandScan数据集相比，本文方法的MAE分别降低了212.63和35.11，RMSE分别降低了1 354.34和524.54；在高密度丘陵区和山地地区，本文方法的精度更好，展现出本文方法对山地城市人口空间化的有效性。【结论】此外，本文方法的模拟结果在不同人口密度区和不同地形区表现出比2个已开放的人口数据集更明显的人口分布异质性特征，展现了更为丰富的人口密度信息。

【目的】 城市功能区是城市规划和人类活动共同作用、相互影响的结果，其准确识别对于优化配置公共资源和高效组织商业活动具有重要意义。目前，许多研究利用新兴的社会感知大数据进行城市功能区识别，但往往未能挖掘这些数据中蕴含的深层次特征，或者未能充分捕捉和利用不同特征之间的相互关系和关联性，导致识别精度较低。【方法】 针对这些问题，本研究提出了一种融合区域嵌入表示的城市功能区识别框架。该方法基于手机定位数据和兴趣点数据（Point of Interest, POI），采用Node2vec算法提取工作日与周末6个时段的区域间空间交互特征，并利用GloVe模型提取区域的语义特征。随后，通过多头注意力机制进行特征融合，并结合部分人工标注的功能区进行分类识别，在福州市三环以内地区进行了实证研究。【结果】 实验结果表明，本方法生成的区域表示特征具有较高区分度，能够有效识别6类功能区，总体精度（OA）为81%，Kappa系数为0.77。【结论】 与DTW_KNN和Word2Vec方法相比，精度分别提高了30%和20%，能够充分挖掘具有全局性质的空间交互特征和语义特征。此外，消融实验进一步表明，与单一数据源或简单融合方法相比，本方法在捕捉区域内部和区域间复杂关系的同时，对重要特征赋予更高的权重，使得模型的整体OA值相较于单源数据提高了约18%和6%，相较于简单融合方法提高了约13%，尤其在住宅区和混合区的识别方面表现出了显著优势。

【目的】 作为世界文化遗产和城市游憩空间的重要组成部分，中国古典园林文化生态系统服务的发挥主要依赖于游客与景观的视觉感知与交互。然而，如何为古典园林景观视觉感知模拟建立相应的3D数据模型仍存在以下方法挑战：如何构建视觉感知框架以表征中国古典园林所特有的“景”概念?如何以游客视觉感知为切入点剖析其游园观景行为?以何种形式组织古典园林景观3D数据模型，从而实现视觉感知的全流程模拟计算，并提升计算效果和效率?【方法】 针对这些挑战，本文从游客视觉感知过程的“客体-路径-主体-结果”4个环节出发，以“叙事符号系统-叙事策略”的空间叙事为切入点，将古典园林景观构成剖析为“环境空间-视觉感知空间-视知觉空间”，提出了古典园林景观的视觉感知框架，并基于相关领域本体模型 语义复用，将模型梳理为“地物层-行为层-分析层”3个层次，扩展并设计了面向视觉感知计算的古典园林景观3D数据模型。【结果】 以苏州拙政园为例，从地物数据处理、行为数据配置、存储环境搭建，再到分析数据计算，阐述了古典园林景观3D数据模型实施应用的方法流程，以期为中国古典园林乃至其他文化遗产三维空间视觉感知研究提供理论与方法参考。

【目的】 当前在微地图的内容检索领域尚缺乏系统性的研究。为了填补这一研究空白，本文提出了一种YOLOv8l-FMSC-Spatial （You Only Look Once v8l- Fewer Multi-Scale Convolution-Spatial, YOLOv8l-FMSC-Spatial）模型，实现在手绘地图场景下地理要素的提取及检索。【方法】 首先通过对比YOLO系列模型，选取最优的YOLOv8l模型，引入C2f-FMSC模块改进最优模型，建立应用于微地图的YOLOv8l-FMSC训练模型，利用该模型实现栅格地图的地理要素提取；其次针对地理要素的检索需要，建立地理要素的空间关系数据库，设计空间计算检索模块Spatial，通过Spatial模块实现地理要素信息的传递与筛选，进一步地计算用户检索信息与数据库地理要素信息的空间关系关联程度；最后根据空间关系关联程度，从微地图数据库中索引包含相关地理要素信息的地图，实现基于空间关系的地理要素检索模型构建。依据上述方法，在手绘校园地图检索场景中进行验证。实验数据源自各个学校发布内容以及学生自由制作，共计493幅手绘校园地图，在全国范围内研究学校代表性地理要素检索，此类要素包括水体、操场、特色建筑，确保准确识别和检索这些特征元素，验证所提模型的实际适用性。【结果】 实验结果表明：训练后的YOLOv8l模型可有效识别手绘地图中的地理要素，并在收集的数据集上验证了模型的有效性和鲁棒性；引入FMSC模块后的YOLOv8l-FMSC模型精确率可达0.8、召回率可达0.764，为实际对比中的最优模型；引入Spatial模块计算模型度量空间关系，可有效捕捉到相关地理要素的空间信息，减少与正射地图检索的差距。【结论】 综上，提出的YOLOv8l-FMSC-Spatial模型可根据顾及空间关系的地理要素条件，快速准确地检索到内容相关的手绘地图，从而填补微地图在内容检索方面的研究空缺。

【目的】 流域水文信息提取对于水资源管理、洪水预警和生态保护至关重要。传统水文建模多采用四边形格网进行空间离散化，但由于其邻接性不统一、形状失真和拓扑结构表示不准确等问题，导致流域提取时容易在细节处出现阶梯状及平行河流线条，尤其在河流的弯曲和分叉点处更为明显。相比之下，六边形格网因其各向同性、较好的边界效果和均匀的空间分布等优势，能够更好地保持曲线和分叉点的形态，准确地模拟水文过程和提取流域。【方法】 本文基于H3六边形格网系统，以韭园沟流域为研究区，使用分辨率为30 m的SRTM 1数字高程模型（DEM），通过六边形格网生成、DEM重采样、填洼、流向分析、流量累积等步骤，设计了一套基于六边形格网的水文分析算法，并对流量累积和河网提取的数据质量进行评价与分析。首先，本文通过统计流量值1~15的六边形格网与四边形格网所占其格网总数的百分比，结果表明六边形格网在低流量值范围内表现更为集中，在流量值增加时保持更稳定的累积频数增长，避免在高流量值范围内出现过度集中的情况。此外，以更高分辨率（12.5 m）的韭园沟流域河网作为标准河网，将河流线段按长度比例随机选取100、200、300、400、500个点，计算其到最近的四边形格网和六边形格网的平均距离，得到2种方法提取河网的平均偏移量。【结果】 结果显示四边形格网的平均偏移量分别为28.16、30.45、30.57、30.84、30.79 m，六边形格网的平均偏移量为24.03、25.63、23.49、23.78 、24.99 m，六边形格网的平均偏移量均小于四边形格网，表明其具有更高的河网提取精度，能更好地反映地形特征。【结论】 综上，与传统四边形格网相比，六边形格网在流量累积、河网提取方面，展现出更高的空间一致性和精确性，为水文模拟和流域分析提供了一种更高效、更准确的解决方案。

【目的】 数字高程模型（Digital Elevation Model, DEM）作为城市雨洪模拟中不可或缺的输入驱动，很大程度上决定了模拟精度。然而，现有研究大多数注重地表高程表达，忽略了地表汇流特性对积水扩散过程的影响。尤其在复杂城市地形环境中，传统DEM难以充分捕捉汇流特性，导致模拟精度受到制约。【方法】 本文提出了一种基于城市地形对象汇流特性的DEM增强表达方法。该方法从形态特征和水文特征角度分析城市地形对象的汇流特性，系统解析城市地形对象间的汇流关系，根据汇流关系约束将汇流特性有效融入传统DEM，从而增强DEM对地表汇流特性的表达能力。【结果】 本文选取南京市鼓楼区作为研究区，基于SWMM模型和有源扩散算法进行雨洪数值模拟，验证DEM增强表达效果，结果表明： ① DEM增强表达后，研究区内10.78%栅格的流向发生变化，主要分布在地形对象及其边缘；增强DEM的标准差、变异系数等指标均明显优于原始DEM； ② 较基于原始DEM的模拟结果，基于增强DEM的雨洪模拟积水面积减少，平均积水深度增加，能够更准确地捕捉地形特征对径流路径和积水分布的影响，模拟结果更接近实际情况。【结论】 本文提出的DEM增强方法能够有效表达城市地表的汇流特性，提高了积水扩散模拟结果的合理性，为城市雨洪的精细化模拟提供了技术支持。

【意义】低空经济作为新质生产力代表，正逐渐成为推动经济增长的新引擎。低空经济以低空空域资源开发利用为基础，在给地理信息科技带来发展机遇的同时也对其提出了全新的挑战。【进展与分析】本文首先对低空经济下低空空域资源划分以及典型无人机应用场景进行了介绍，进而分析了地理信息科技将在空域资源精细化利用与低空环境构建、空中交通新型基础设施规划建设运行、无人机安全高效运行与运营监管等低空经济关键环节具有广泛应用前景，指出地理信息产业也将面临新的技术融合与创新、市场需求增长、政策支持与产业引导、产业升级与转型等发展机遇。【展望】本文简要分析了地理信息科技支撑低空经济发展所面临的时空升维、地图和位置服务、高频次迅捷数据获取体系、全时全域能力和泛在智能化技术等挑战，这些也将成为地理信息科技未来可以发展和突破的方向。

【目的】系统梳理基于AI大模型的文生图技术的进展，并探讨该技术在城乡规划领域的应用。【探讨】本文首先分别从训练数据集、模型和评价方法3个视角出发，对文生图技术发展进行了全面、系统的回顾，以揭示其成功背后的推动性因素。尽管文生图技术在通用计算机领域取得显著进展，但城乡规划领域的实际应用中仍面临诸多关键挑战，包括缺乏高质量领域数据、生成内容的可控性和可靠性不足，以及缺乏地学先验知识约束等。针对这些问题，本文提出了相应的研究思路，包括：面向领域需求的文生图数据增强策略、基于指令拓展的空间信息增强文生图模型、以及基于诱导布局的局部编辑文生图模型。在此基础上，结合多个实际应用案例展示文生图技术在城乡规划设计领域的应用价值和潜力。【展望】文生图技术通过技术突破和多学科融合，有望成为城乡规划设计领域的重要创新动力，为高效、智能化的设计实践提供支持。

【意义】自然资源时空大数据作为自然资源开发利用的泛在观测，蕴含了丰富的资源要素分布、时空过程演化与关联关系知识。【进展】本文聚焦于自然资源时空大数据挖掘与知识服务，探讨了5种自然资源时空大数据挖掘方法及其知识服务重要应用。首先，分别阐述了时空聚类分析、关联挖掘、异常探测、预测建模和地理风险评估的核心思想、技术体系、方法流程及其在自然资源管理和国土空间决策中的重要应用。然后，提出了描述型、诊断型、预测型和决策型四类自然资源时空知识服务体系，为资源现状监测、规划用途管制和防灾减灾等重大应用提供重要支撑。最后，指出了当前自然资源管理正从数据汇聚分析迈向以知识为核心的智能化服务，逐渐形成大数据-大分析-大知识-大服务的研究与应用范式。【展望】未来工作将延拓数据与知识协同驱动的挖掘方法，着重解决时空知识库与知识服务面临的标准化问题，并探索生成式大模型等前沿技术在自然资源领域中的潜在应用，为自然资源信息化、智能化建设提供新动力。

【目的】随着知识图谱技术在GIS领域应用和发展，地理知识图谱（GeoKG）近年来逐渐成为GIS领域的重要研究方向。GeoKG往往无法确保涵盖所有知识，知识的缺失和不一致性严重影响应用性能，需要采用GeoKG推理技术来自动补全缺失知识、识别矛盾知识、预测地理现象未来发展趋势。区别于通用知识图谱推理技术，GeoKG推理技术需要着重考虑地理知识的复杂时空特性。本文对近年来GeoKG的推理工作进行了全面介绍和总结。【分析】首先，介绍了GeoKG推理的相关概念与问题描述；其次，本文分析了GeoKG推理的二大核心任务： ① 面向知识补全的推理模型，主要用于填补图谱中的空白，确保知识的完整性； ② 面向预测任务的推理模型，旨在通过已有地理数据预测未来的趋势。两类模型各自针对不同的应用场景进行优化，并在地理数据的处理中各有侧重。【展望】展望了GeoKG推理的未来发展趋势，指出未来GeoKG推理技术的发展将更加关注时空数据的复杂关系处理、多尺度地理知识的推理、多模态数据的融合，以及提高推理模型的可解释性与智能化。此外，GeoKG与大规模预训练模型的结合也将成为关键方向。