【目的】海量网络旅游行程文本已成为旅游地理大数据的重要来源，为旅游行业分析、规划和游客出行推荐提供了新的信息支撑。规则匹配和深度学习技术能够提高旅游行程文本提取的准确率和效率，但仍存在方法灵活性不足、数据标注工作量大以及提取内容覆盖不够全面等问题。【方法】本文提出了一种基于DeepSeek的旅游行程链自动提取方法，该方法主要包含4个核心模块：旅游行程链描述模型的构建、基于提示工程的旅游行程链数据生成、基于检索增强的旅游节点名称匹配以及基于高德地图API的地理编码。为检验该方法的有效性，采集了来自马蜂窝、去哪儿、携程网3个平台共计2 834篇河南省网络旅游行程文本作为数据源，开展旅游行程链提取任务，并将其与自然语言处理模型HanLP进行对比。【结果】本文方法提取的旅游节点宏精确率和宏F1分数均在92%~95%，优于HanLP的87%~91%，宏召回率均在94%~96%，略低于HanLP的94%~97%；旅游行程链平均相似度均处于94%~95%，显著优于HanLP的84%~87%。【结论】本文方法展现出了更高的精度与实用性，操作灵活便捷，仅需少量样本提示就可完成提取任务。此外，在提取的旅游行程链数据集中，除旅游节点信息外，还包含时间、游客行为、交通方式等更为丰富的信息。

【目的】洪涝灾害是我国最严重的自然灾害之一，造成巨大的经济社会损失。【方法】面向洪涝灾害影响评估，本文构建基于大语言模型的新闻文本挖掘方法。首先，利用DeepSeek-R1-0528设计检索策略，通过慧科数据库获取洪涝灾害相关新闻，采用TF-IDF算法进行去重，形成新闻数据集；其次，构建涵盖18个维度的经济社会影响分类体系，经重复实验优选模型温度参数，提取新闻文本中的洪涝灾害影响信息；最后，结合官方发布的灾情统计数据验证提取结果，针对洪涝灾害案例展现灾情演变过程。【结果】从2024年的10 556篇新闻文本中提取出14 778条洪涝灾害影响信息，结果表明：大语言模型准确率和F1评分的中位数分别为0.91和0.73；洪涝灾害影响信息数量与省级行政区受灾人口数据之间的相关系数为0.68，其空间分布与2024年十大自然灾害中洪涝灾害的受灾地区基本吻合。并且，大语言模型有效捕捉到2024年4月粤北（清远、韶关）及6—7月初湖南岳阳暴雨洪涝灾情的动态演变，展现新闻焦点从灾中抢险到灾后恢复的转变。【结论】整体上，本文结果表明大语言模型可作为传统灾害调查评估的重要工具，对于灾情评估和应急决策具有重要的应用潜力与参考价值。

【目的】地貌写景图风格迁移的目标是在保持地貌表达准确性的基础上，为其赋予特定的艺术形式，以丰富和优化地貌写景图的效果。广泛应用于图像生成任务的生成对抗网络（GAN）为地貌写景图的风格迁移提供了新的方法。然而，当GAN应用于地貌写景图的风格迁移时，存在2个方面的关键问题： ① 难以获取图像长距离像素之间的上下文关系，导致风格迁移效果不佳； ② 在训练过程中易丢失高频信息，造成生成的图像模糊、边缘特征丢失，无法保证地貌制图表达的准确性。针对上述问题，本文在GAN的基础上进行改进，提出了一种地貌写景图风格迁移模型RGAN。【方法】首先，在GAN编码器中设计了混合卷积-Transformer特征提取模块MixTrans用于图像特征提取，增强了对图像长距离上下文关系的提取能力；其次，通过构造拉普拉斯高频损失模块LPCLoss改进传统GAN的损失函数，减少训练过程中图像高频细节的丢失；然后，人工构建千里江山图数据集用于RGAN模型训练；最后，将模型应用于真实地区的地貌写景图生成任务，制作具有千里江山图风格的地貌写景图。【结果】基于自建数据集，将本文模型与现有主流风格迁移模型（CycleGAN、StyTr、ArtFlow）进行对比。定量结果显示， RGAN的MSE、PSNR、SSIM、LPIPS指标分别为0.017 8、17.90、0.324、0.371 1，是所有模型中的最优值。相较于综合表现最佳的CycleGAN模型， MSE降低了23.9%， PSNR提升了3%， SSIM提升了2.6%， LPIPS降低了4.6%；可视化结果也进一步表明了RGAN的优越性。在江西庐山、四川凉山和福建武夷山3个不同地貌类型区域的地貌写景图生成任务中，成功生成了千里江山图风格地貌写景图，表明RGAN模型对多种地貌类型具有较好的适用性。【结论】本文提出的RGAN模型具备优异的图像特征提取与图像生成能力，在地貌写景图的风格迁移任务中表现突出，成功实现了地貌的艺术化制图表达，为地貌写景图的制作提供了一种新的自动化方法。

【目的】高发频发的传染病疫情对高度城市化地区现有的传染病防控体系形成重要挑战。为提升城市地区的传染病精准防控能力，本文构建了一套面向城市内部传染病传播流行空间节点的识别方法。【方法】本文基于经典的共位置模式挖掘算法，通过调整空间邻近阈值确定方式、优化搜索策略以及引入蒙特卡洛模拟方法等改进，形成了面向城市地区传染病传播流行的典型城市场所识别方法。通过广州市2017—2019年登革热传播流行空间节点识别的实例验证，计算参与指数（Participation Index, PI）以度量传染病病例与城市场所之间的共位置关系，并对其进行0.05水平上的显著性检验；在此基础上，从空间节点数量、空间邻近距离、病例密度等角度对比分析了广州市登革热传播流行空间节点的识别效果。【结果】基于蒙特卡洛模拟方法的显著性检验可以有效剔除一些与登革热病例虚假空间关联的城市场所；相较于统一阈值策略，采用K-D树搜索的自适应阈值确定策略能够识别出更多的空间节点，这些节点与病例之间的空间邻近距离更符合实际情况。同时，报刊亭（0.22<PI<0.73）、疗养场所（0.41<PI<0.61）等空间节点附近区域的登革热流行强度（病例密度）明显高于区域平均水平及非节点附近水平。此外，2017—2019年登革热在广州市传播流行的空间节点呈现较为明显的区域、年际差异，且空间节点的识别结果与病例的年龄、职业特征关系密切。【结论】基于共位置模式挖掘算法的城市疾病传播流行空间节点的识别方法，能够在城市的复杂环境与人群中准确识别影响传染病传播流行的关键城市场所，具有较好的应用效果。本研究有助于加深对城市传染病传播流行过程的理解，将为登革热等传染病的精准防控提供方法支撑。

【目的】针对降雨诱发型滑坡位移序列在阶跃型突变阶段呈现强非平稳性、跨尺度耦合及动力学突变失配的特征，现有基于单一分解或纯数据驱动的深度学习模型在突变起始时刻普遍出现相位滞后、幅值削弱甚至虚假振荡失效，难以同时兼顾长期蠕滑演化与短期突变响应的预测精度，本文提出一种融合改进二次分解与物理特征约束的深度学习预测模型，以解决滑坡位移在突变触发阶段的结构性预测失真问题。【方法】首先，针对原始位移序列的模态混叠问题，采用完备集合经验模态分解（CEEMDAN）提取趋势项与非平稳分量；其次，为解决高频降雨响应信号的提取难题，引入冠豪猪优化算法（CPO）自适应寻优变分模态分解（VMD）的关键参数，实现高频残差的精细化二次分解；进而，构造速度、加速度及改进切向角等运动学特征，通过LSTM-Transformer串联网络捕捉时序依赖与跨尺度全局关联，并在损失函数中引入物理一致性正则项以约束预测结果的动力学合理性。【结果】以湖北省十堰市郧西县枣树洼滑坡为例的实验表明：该模型在强降雨突变段的相位滞后小于 1 d，综合预测精度（RMSE=2.975 mm, R²=0.985）较单一分解模型提升约38%，有效克服了纯数据驱动模型在非降雨期易产生虚假波动的缺陷。【结论】研究不仅验证了物理特征约束策略的有效性，更为解决滑坡中突变信号的精细化分离提供了新范式，同时显著增强了深度学习模型在地质灾害预测中的物理可解释性与工程应用信度。

【背景】2025年7月5日凌晨，四川省雅安市汉源县富乡乡磨子沟突发山洪泥石流灾害，造成道路损毁但未导致人员伤亡。该地区地处青藏高原东缘过渡带，地质构造复杂，地质环境脆弱，降水集中且多短时强降雨，导致山洪泥石流灾害风险较高。【方法】本研究创新性构建“水-土-气-生”多因素耦合分析框架，系统集成水文、物源、气象与生态4个维度的致灾因子，综合运用无人机航测获取高精度地形与物源数据，融合多源遥感影像进行植被监测与积雪覆盖解译，结合地面实地调查验证，并基于物理机制重现全过程数值仿真模拟，系统分析灾害成因与动力演进过程，实现从降雨入渗、坡体失稳、物质输移到最终堆积的全链条动态模拟。【结果】短时强降雨是灾害主要触发因子，其空间分布与地形湿度指数及径流强度指数高值区吻合，显著加剧沟道侵蚀，物源条件与高泥沙连通性共同构成灾害物质基础，植被退化与人类活动进一步削弱岸坡稳定性；数值反演沟口区域受灾风险显著，最大泥深达14.17 m，峰值流速达23.22 m/s，对基础设施构成严重威胁。【结论】该研究克服了传统方法难以全面反映多因素间的复杂交互作用的局限，系统揭示了极端降雨条件下山洪泥石流的致灾机制，为山区山洪泥石流精细化预警与防治提供了科学依据，未来可结合AI技术优化灾害管理，助力推进科技赋能防灾减灾救灾工作。

【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。

【意义】城市数字孪生模型是城市物理实体通过数据链接在数字空间中实现的综合场景模拟，是智慧城市语境下集成物联网、空间信息、人工智能等技术，对城市状态的实时化、可视化表达。本文基于物理-社会-信息（PSI）三维框架，对当前城市数字孪生模型的研究进展进行了分析，并在此基础上创新性提出物理-社会-信息-时间（PSIT）四维耦合框架。【进展】研究发现： ① 自2017年数字孪生技术进入城市研究领域以来，相关文献增长迅速，理论支撑与功能设计框架逐步成熟，模型从地理实体的数字化映射、人类活动的空间化解析、地理大数据的融合挖掘等PSI 3个方面完成初步构建； ② 为了更准确地反映城市的真实运行状况，模型现有维度在数据、技术、算法上仍需突破，同时其PSI三维框架偏重空间特征而过度简化时间维度，缺乏体现城市系统的时空分异特征； ③ 鉴于时空耦合对城市模型的重要性，本文在考虑时间的单向演进趋势、时间约束下的社会活动规律、城市要素演化的异速时间尺度以及系统相变的时间依赖性机制基础上，将时间从背景参数提升为独立维度，提出了PSIT四维耦合框架，以完善城市系统演化逻辑、创新模型理论范式，并以博雅智城CitySPS平台为实例展开具体阐述。 【展望】通过PSIT四维耦合框架实现数字虚拟空间的精确模拟与精准预测，可能成为今后城市“智”理的重要方向。

【目的】 系统探讨智能技术赋能城乡规划的关键路径与应用模式，以应对我国城乡发展进入存量提质增效阶段后面临的复杂挑战。【探讨】针对多源要素精准识别、数据孤岛消解、复杂人地关系认知等难题，本文系统梳理并提出了一个“感知-融合-认知-规划”四位一体的智能技术框架。该框架旨在通过集成多模态智能感知技术以实现城乡要素的动态监测，运用时空数据融合技术以构建统一数字底座，采用知识图谱技术以深化对空间与人文要素关联的理解，并最终依托一体化赋能平台以支撑智能设计与协同决策。以广州增城区耕地保护为例的案例分析，初步验证了该智能化技术路径在城乡生态空间闭环治理中的应用潜力与可行性。【展望】这一系统性的技术框架为破解城乡融合智能规划难题提供了一种可能的解决思路，有望促进规划范式从传统经验驱动向现代化的“平台治理”转型，为新时期提升我国城乡空间治理能力提供理论参考与实践指引。

【目的】 遥相关通常指地球系统中气候变量间的远程关联，对于理解全球气候变化和预测极端天气事件具有重要意义。随着复杂网络理论在气候科学领域被应用，形成的气候网络方法为遥相关研究提供了全新的方法框架，有助于解析气候系统内部复杂的相互作用机制与依赖关系。【分析】首先，本文梳理了基于复杂网络理论的遥相关研究方法，重点介绍了变量间相互依赖性的量化方法、网络测度在遥相关模式识别中的应用以及遥相关路径探测的最新进展。随后，本文总结了气候网络方法在遥相关研究中的具体应用成效，包括利用网络测度验证经典遥相关模式、发现新型遥相关模式、识别关键遥相关传播路径等成果。同时，介绍了机制解析方面的应用成效，包括大气罗斯贝波与海洋环流在遥相关形成中的作用。【展望】指出现有的数据和方法在处理非线性动态和跨尺度相互作用时尚显不足，提出未来研究应致力于提升数据与方法的可靠性和适用性，重视地球系统子系统的相互耦合关系，深入研究遥相关的时间多尺度效应和动态演变特征。

【背景】近年来，面对地图实践的新现象和新问题，越来越多的学者呼吁重新审视和反思既有范式的不足，并以此回应技术变革所带来的学科挑战与社会需求。【目标与方法】秉承批判继承与创新超越相结合的研究路径，本文通过理论演绎的方法，首先对地图学的既有理论范式进行梳理和凝练，进而剖析其面对地图实践结构转型时遭遇的困境，最后尝试提出地图学的新范式。【结果】经典地图学研究将“地图”等同于特定专业和行业规范下的制图活动，促成了地图学在知识来源、关注焦点和实践路径等方面所呈现出鲜明的专业生产特征，并以此形成了地图学的专业生产范式。然而，专业生产范式逐渐显露出两个突出的困境。一方面，专业生产范式难以捕捉地图嵌入社会生活中的复杂性与流动性，尤其是用于解释地图实践的新形式及其所关联的意义机制时，往往陷入适配失效与理论滞后的窘境。另一方面，专业生产范式局限在一种内部的知识再生产，缺乏实质性的理论增量与问题意识的深化，无法为当前的地图实践提供规范与引导。鉴于此，本研究立足于世界的网络化、关系化特征，尝试提出地图学的社会实践范式，将地图视为嵌入社会网络、关联社会行动者的社会实践，关注地图在连接个体与外部世界中的独特意义与社会价值。【结论】社会实践范式立足于超越性的视野理解和认识地图，引入多学科融合和多元方法路径研究地图，倡导本土经验与国际视野的协调统一，不仅深化了对地图实践的整体性理解，也为地图学回应当代数字社会、智能社会与网络社会中的现实问题提供了新的理论资源与分析框架。

【意义】地貌学作为一门传统学科，一直以来都注重地表过程内外力作用的定量化和过程机理研究。近年来，随着人工智能技术飞速进步，深度学习模型因具备优异的特征学习和信息迁移能力，有效拓展了地貌学的研究范式，为地貌学研究手段更新提供了新的活力。目前，深度学习方法已在地貌学研究中呈现出多样化的应用实践，积累了较为丰富的成果，亟需对相关案例进行系统分类与归纳，总结其一般应用范式，并结合深度学习方法的优势与地貌学研究的困境，进一步分析当前研究中的不足与挑战。【进展】本文从特征提取、过程研究和成因分析3个方面梳理了2018—2025年深度学习在数字地貌研究领域的最新应用进展。研究表明，在特征识别方面，深度学习已实现对黄土沟谷、沙丘、滑坡、冰川等典型地貌要素的高精度自动化提取；在趋势预测方面，能够较为有效地捕捉地表沉降、水位变化及滑坡、洪水等灾害过程的时序演化规律；在模型模拟方面，则初步展现了地貌成因建模的潜力，如对构造运动、火山活动等复杂过程的模拟，推动地貌学研究从“描述性分析”向“预测-解释”一体化迈进。尽管深度学习在数字地貌研究中展现出广阔前景，但现阶段仍存在突出局限：首先，地貌差异下模型迁移与适应受限，当应用于不同气候带或地貌类型时，预测精度往往显著下降，跨区域和跨尺度推广受到限制；其次，模型对地貌过程机理的可解释性不足，难以揭示地貌演化背后的动力机制，限制了其在理论建模与科学认知中的应用深度；再次，多源地貌数据与算力瓶颈明显，高质量、多尺度地貌数据获取成本较高，长时序与复杂过程模拟对计算资源需求巨大，制约了相关方法的广泛应用与推广。【展望】未来研究应在强化数据驱动与机理建模融合的基础上，提升模型的跨区域适应性、物理可解释性及资源受限环境下的适用性。通过构建标准化、多源融合的全球地貌数据库，推动深度学习与物理约束架构、轻量化建模等新方法结合，逐步形成面向过程模拟与机理认知的地貌研究新范式。同时，应促进数字地貌研究与知识图谱、AI大模型的融合应用，以智能模型为核心、以知识增强为纽带，构建集数据、机理与语义于一体的智能地貌体系，实现数据与知识的协同驱动，为地貌过程认知与机理探索提供坚实支撑。