【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。

【意义】 可持续农业作为实现可持续发展目标SDG2“零饥饿”与生态保护的关键路径，厘清可持续农业的演进脉络与数据驱动新内涵，是应对全球粮食安全与生态平衡双重挑战的关键路径。 【分析】 鉴于可持续农业的内涵不断演进，本文在系统梳理其定义发展历程的基础上，提出了更具数据导向性和可操作性的解释。围绕“数据-技术”架构，总结了地球大数据在可持续农业发展中的关键作用，并按2015年前、2015—2019年、2020年至今3个阶段，分析了其核心数据与不同农业领域应用（农业资源监测、多尺度农情评估、农业环境影响评估）的技术方法演进特征。同时，从数据基础设施、技术更新与应用、科研水平与政策支持4个维度，进一步比较了当前中国与发达国家在地球大数据支撑可持续农业发展领域的优势与不足，提出中国在数据生态系统建设、技术转化和基础理论创新等方面亟需加强。最后，结合当前农业可持续发展的需求，从数据获取能力、智能处理方法、应用推广与服务以及数据治理与伦理安全4个方面系统分析了地球大数据面临的主要挑战，并针对每一环节提出了多层次的应对策略。 【展望】 研究有助于明确可持续农业的数据支撑路径，推动农业绿色转型。

【目的】微地图是一种制作周期短、门槛低、传播速度快的个性化地图产品，其制作与使用必须遵守相关的法律法规。微地图平台允许用户创建个性化、开放式标注的地图，容易出现盲目或不当标注，增加了微地图内容不合规的风险，且缺乏对空间标注信息的系统性约束。因此，亟需对微地图标注文本中的敏感信息进行自动识别，快速发现潜在问题，确保微地图内容的安全性。【方法】本研究基于中文预训练BERT（Bidirectional Encoder Representations from Transformers）模型，结合迁移学习构建微地图标注文本的敏感信息识别模型。模型利用双向编码与多头自注意力机制捕捉上下文依赖与隐含语义，在微调阶段通过参数调整与训练策略优化，适应微地图碎片化、非规范化文本特征，实现对多类敏感文本的有效识别。【结果】该方法在微地图文本内容敏感数据集上的F1 score达到0.925 9，相较于主流的文本分类模型TextCNN、DistilBERT和DeBERTa分别提高了6.35%、1.04%和5.68%。【结论】该方法表现出更高的分类精度和鲁棒性，能够有效解决微地图文本内容敏感信息审核判别的技术空白，显著提高微地图文本内容审核的自动化水平和效率，确保合规性的同时减少了人工审核负担。

【目的】跨视角对象级地理定位（CVOGL）旨在卫星影像上精确定位地面街景或无人机影像所观测目标的地理位置。现有方法多聚焦于图像级匹配，通过对整张影像全局处理实现跨视角关联，缺乏对特定目标的位置编码研究，导致无法将模型的注意力引导到感兴趣目标。并且由于参考图像覆盖范围的变化，查询目标在对应卫星图像中的像素占比极低，精确定位较为困难。【方法】针对以上问题，本文提出了一种基于高斯核函数与异构空间对比损失的跨视角对象级地理定位方法（Cross-View Object-Level Geo-Localization Method with Gaussian Kernel Function and Heterogeneous Spatial Contrastive Loss， GHGeo），用于精确定位感兴趣目标位置。该方法首先通过高斯核函数对查询目标进行精确位置编码，实现了对目标中心点及其分布特征的精细化建模；此外还提出了动态注意力精细化融合模块来动态加权交叉感知全局上下文与局部几何特征的空间相似性，以概率密度预测查询目标在卫星影像中的精确位置；最后通过异构空间对比损失函数来约束其训练过程，缓解跨视角特征差异。【结果】本文在CVOGL数据集进行了实验，实验结果显示： GHGeo在该数据集的“无人机-卫星”任务中，当交并比（IoU）≥25%和≥50%时定位准确率分别达到67.73%和63.00%，相较于基准方法DetGeo分别提升了5.76%和5.34%；在“街景-卫星”定位任务中，对应IoU阈值下的定位准确率分别为48.41%和45.43%的定位准确率，相较于基准方法DetGeo分别提升了2.98%和3.19%。同时与TransGeo， SAFA和VAGeo等方法在CVOGL数据集上进行对比，GHGeo则展现出了更高的定位准确性。 【结论】本文方法有效提升了跨视角对象级地理定位方法的精度，为城市规划监测，应急救援调度等应用领域提供关键技术支持和精确位置信息支撑。

【目的】地图数据匹配是地理数据库更新的重要技术支撑，建筑物作为地图的主要内容之一，其匹配技术对于多源数据融合与更新具有重要意义。目前，面状建筑物匹配的方法主要有传统方法和机器学习方法2类，本文针对传统方法存在的需要人工确定匹配判断阈值和匹配因子权重，以及机器学习方法存在的特征提取能力差等问题，提出一种基于谱域图卷积的多尺度面状建筑物匹配方法。【方法】该方法首先构建融合建筑物局部特征和图级特征的图结构作为模型输入，完成匹配模型GAE-MLP的搭建与训练；然后，基于分离的思想将匹配流程划分为初次匹配和二次匹配，在2次匹配中分别运用GAE-MLP模型实现1:1、1: N以及M:1、M:N类型的匹配。【结果】本研究采用英国埃克塞特1:2 000和1:10 000比例尺的建筑物数据进行匹配对比实验。实验结果表明，本文方法通过融合图结构的多层次特征对建筑物进行编码，有效增强了模型的特征提取能力。在匹配精度方面，相较于传统几何方法、BP神经网络和CatBoost集成学习方法，本文方法的F1值分别提升了2.52%、3.53%和0.76%。此外，本文方法克服了传统方法依赖人工设定匹配阈值与因子权重的局限性，且与传统方法和机器学习方法相比，能够更有效地应对位置偏移与形状同质化问题，对1:N、 M:N等复杂匹配关系进行准确匹配。【结论】本文方法能够克服传统方法存在的问题，实现多尺度面状建筑物的精准匹配。

【目的】预测土地利用变化可以为在资源分配、环境保护、城镇化发展、灾害防范与风险评估等方面提供合理依据，有利于制定科学的政策。现有的元胞自动机（Cellular Automata，CA）模型在预测土地利用变化中，对多时序复杂土地利用变化中时空特征提取不足，难以适用于复杂土地利用变化的精准预测。【方法】本文提出了一种融合注意力机制并考虑多尺度驱动因素的深度时空建模网络（3DCBLT），并与CA模型耦合，旨在优化时空特征提取与非线性建模能力。3DCBLT整合了跨通道、空间注意力机制（Convolutional Block Attention Module， CBAM）和三维卷积（3D Convolution， 3DCNN）模块旨在强化对土地利用变化关键区域的关注，并提升对时空特征的深层提取能力。同时，采用长短时记忆网络（Long Short Term Memory Network， LSTM）充分挖掘土地利用演化过程中的时间依赖性与长期趋势，得到不同地类发展概率。本文以陕西省作为研究区，选取2000—2020年每5年一期土地利用数据并引入气候、地形、经济等12项指标作为驱动因素，以2020年土地利用数据为验证。【结果】本文提出模型的Kappa系数为0.888， OA系数为0.925， FoM系数为0.336，显著优于ANN-CA、 MLP-CA和CA-Marko，验证了该模型的在土地利用变化预测的有效性与优越性。【结论】本文提出的3DCBLT-CA模型在复杂土地利用变化预测中表现出较高的精度和优越的时空建模能力，为复杂土地利用情景下的变化模拟提供了一种切实可行的技术路径。

【目的】合理的地理边界单元划分需要考虑到空间特征的连续性和对象特征的属性相似性，然而现有研究缺乏对于以上两类约束作用在城市增长模拟的空间异质性效应评价分析，进而忽视了子区域之间增长特征的差异性。【方法】本文设定了4类典型分区方法：以空间连续性为主导的行政片区划分（Z1），以属性相似性为主导的“中心-边缘”结构分区（Z2）以及兼顾空间连续性与属性相似性约束的双重K-means聚类分区（Z3）和DSC聚类分区（Z4）。【结果】以江阴市2012—2017年土地利用现状数据为例，采用矢量CA模型探讨不同分区边界对城市空间增长模拟的潜在差异影响，研究表明： ① 各类分区方案虽然在整体FoM模拟精度上差异不大，但在子区域层面表现出不同程度的精度波动， Z2子区域间的SD值为0.007，差异最小， Z4的SD值为0.066，波动最大。 ② Z1和Z2能有效引导土地利用在空间上遵循特定的分布模式，形成了形状规则且分布有序的用地格局，体现在FN、AI、LSI和SHDI景观指数的相近性；而Z3和Z4更强调土地利用变化驱动因子的地域分异和一致性，形成了形状复杂且分布离散的用地格局。 ③ Z1与Z3在捕捉城市扩展模式方面表现出高度一致性，但其对特定扩展模式的敏感性较弱， Z2与Z4则模拟出更多的边缘式扩张地块，对城市扩展模式的局部变化具有更强的敏感性。各类分区方案对边缘式新增建设用地地块的识别较为显著，但其对应驱动因子对边缘扩张贡献程度存在一定差异。 ④ 在仅考虑土地利用变化驱动因子地域分异性的前提下， Z4能够更有效地刻画子区域之间的空间差异性与不均衡性。【结论】研究成果可为理解和引导城市发展模式由“增量扩张”向“存量更新”转型提供科学支撑。

【目的】山洪灾害风险评估对精准的防灾减灾至关重要。现有的山洪灾害风险评估研究往往忽视了山洪灾害的地理相似性特征，易造成有偏的山洪负样本，并导致相似山洪单元空间关联性的割裂问题，从而限制评估结果的准确性和可靠性。【方法】本文提出一种顾及地理相似性的山洪灾害风险评估方法。 ① 以小流域为风险评估基本单元，依据致灾因子、孕灾环境和承灾体的三元结构风险框架构建山洪灾害风险评估指标体系。 ② 提出一种地理相似性约束的山洪样本生成方案，基于小流域的山洪孕灾环境相似性优化山洪负样本生成策略。 ③ 基于小流域之间的地理相似性构建加权有向图，并提出地理相似性嵌入的图神经网络山洪灾害风险评估模型，实现精准的山洪灾害风险评估。【结果】将所提出方法应用于横断山区，生成山洪正负样本各884个开展山洪灾害风险评估，并与现有常用的山洪样本生成方案以及传统机器学习型风险评估模型进行对比分析。结果显示： ① 与随机和环境均衡样本生成方案相比，所提出的地理相似性约束的山洪样本生成方案在总精度上分别提升了24.76%和22.28%； ② 与随机森林、 XGBoost和LightGBM 3种机器学习型评估方法相比，所提出的地理相似性嵌入的图神经网络山洪灾害风险评估模型在总精度上分别提升了2.84%、3.41%和2.17%； ③ 4个模型的山洪灾害风险评估结果均表明，横断山区山洪灾害高风险区主要分布在东南部、西南三江河谷地带以及北部河流沿岸地区。【结论】通过将地理相似性融入山洪灾害风险的样本生成与评估模型构建过程中，显著提升了山洪灾害风险评估精度，为山洪灾害防治管理提供了科学决策辅助与技术支持。

【目的】活动空间描述了个体在空间移动行为中所接触的地理空间区域的集合，准确描述个体活动空间在城市公共资源配置优化、交通规划、公平性评价等研究中具有重要意义。然而，现有的活动空间构建算法未能准确反映人类移动行为中围绕活动锚点移动的空间行为特征，且现有研究中缺乏适用于大规模轨迹数据集的高效、准确活动空间构建算法。【方法】本研究提出了基于活动锚点的个体活动空间构建算法（ANChor Point-based Activity Space， ANC）。算法首先识别个体轨迹中的停留点，并结合停留时长以及访问频率等信息提取个体的活动锚点；其次建立锚点间的移动关系；随后，分别构建锚点内活动空间与锚点间活动空间，并叠加分析得到基于活动锚点的个体活动空间。在算法有效性验证方面，除了面积指标，本研究还提出了活动空间覆盖率与面积效率2项指标，并与标准距离圆（Standard Distance Circle， SDC）与标准距离椭圆（Standard Deviational Ellipse， SDE）算法进行对比分析。进一步，本研究计算了个体可达性，以验证ANC算法在城市研究中的实际应用潜力。 【结果】本研究以上海市手机信令数据为例开展案例分析，结果表明： ① 研究提出的ANC算法在活动空间覆盖率上优于SDC与SDE算法，面积效率提升50%以上，有效减少了对个体未到访区域的过度包络； ② 上海市活动空间分布呈圈层结构，城市中心区域活动空间较小、郊区较大。ANC面积显著低于SDC、SDE面积，表明现有活动空间算法存在过度包络，面积存在显著高估； ③ 上海市个体可达性空间分布呈圈层结构，城市中心区域个体可达性较大，郊区较小。ANC算法下的个体可达性仅为SDC、SDE算法的12%~40%，表明基于现有活动空间算法计算的个体可达性存在显著高估。 【结论】本文提出的方法相较现有算法能够更为准确地刻画个体活动空间，适用于大规模轨迹数据集的个体活动空间构建任务，能够为城市公共资源配置与布局优化研究提供可靠的计算支持。

【目的】路径规划是车辆行驶的关键决策环节。传统算法（如A*、Dijkstra等）未能充分考虑地表起伏、土壤松软等环境因素影响，难以动态评估车辆在不同地表条件下的受力状态及其通行效率。为应对上述问题，本文提出一种融合地表环境信息与车辆动力学特征的越野路径规划方法。【方法】首先通过评估地形、土壤等多环境因子影响，识别区域通行性；然后结合车辆几何结构与动力学参数，模拟车辆在不同地表条件下的受力情况与速度衰减特性；在此基础上，利用改进的A*算法，实现路径可行性与通行效率的协同优化。为验证该算法的有效性，本文在青藏高原2个典型区域开展模拟实验。【结果】在起点与终点最大直线距离91 km的条件下，改进方法规划的路径能够完全规避土壤沉陷区、地质灾害区和坡度受限地形等通行不利区域。与传统A*算法相比，本文方法规划的路径预估通行时间显著缩短，平均缩短约38.63%。【结论】本文方法从车辆受力角度，定量评估了自然地表条件对车辆通行能力的综合影响，可为越野环境下的路径规划一种实用而有效的工具。

【目的】现实世界的地形千变万化，提取地形特征点时，合理的弯曲划分是提取地形特征点的关键环节，其中伪弯曲划分对准确提取地形分支、地性线至关重要，现有研究采用单一的合并方式对伪弯曲进行处理，然而真实的地形形态复杂多样，致使单一的伪弯曲合并方法适用性有限，无法准确提取不同地形场景中的地形分支。此外，受限于数据精度，基于几何指标的方法提取地形特征点易受噪声点和指标自身相互干扰等影响，因而，提取理想地形特征点仍然具有相当挑战。【方法】本文基于约束Delaunay三角网识别等高线弯曲建立一种兼顾等高线两侧弯曲几何结构的弯曲多叉树模型，进而运用该模型甄别3种不同伪弯曲类型，并针对不同地形条件下的伪弯曲现象进行识别与处理。该方法依据约束Delaunay三角网的结构对伪弯曲进行分类，进而对地形分支做出准确的识别，使得地性线的分布符合“叶脉状”地貌结构特征。在此基础上，本文提出加权指标法，旨在降低噪声点及指标间相互干扰对地形特征点提取的影响。【结果】本文选取3处地形复杂区域进行实验，通过将弯曲多叉树模型同约束Delaunay三角网结合，识别地形分支并提取地形特征点，定量评价表明： ① 在地形特征点提取方面，本文加权指标法相较于指标计算法和多准则法，绝对误差显著降低，残差分布方差减小10%~55%，有效抑制了噪声点对地形特征点选取的干扰； ② 在地形分支提取方面，本文方法提取的地性线总长度更长，地形分支完整性相较于其他方法增加了9%~44%，更全面地反映了实际地形的复杂分支结构。【结论】本文提出的伪弯曲划分方法能准确识别地形分支，地形特征点提取精度亦显著优于当前基于几何指标的方法，经过伪弯曲划分后所提取的地性线形态与实际地形吻合度更高，结构性更强。

【目的】行政区划作为国家治理体系的核心空间单元与时空基准，其沿革过程深刻映射了国家空间治理对政治、经济、社会等多重因素变迁的动态响应。针对当前行政区划沿革研究在方法上过度依赖以年度为单位的静态数据，难以有效揭示变更过程中的具体行为时序以及因果机制等问题。【方法】本文提出一种事件视角下的行政区划沿革知识图谱构建方法。通过将行政区划变更抽象为事件并进行分类，提出从对象、事件与过程3个层次建立行政区划沿革知识表达模型，并设计包含对象、事件、属性、时间及法律依据等多类节点的知识图谱表示方式，结合多层关系模式揭示事件、对象与属性之间的逻辑联系。【结果】基于1949年以来扬州市行政区划变更数据，构建了事件驱动的行政区划沿革知识图谱，实现了扬州市自1949年以来的完整生命周期轨迹表达，清晰刻画了与相关行政区划之间的具体变更行为及其因果逻辑关系。【结论】该方法突破了传统以年度为单位的静态记录方式，实现了对沿革过程的细粒度、时序化动态刻画，能够更精确地揭示行政区划演变的动态过程与时序逻辑，为国家空间治理与数字经济建设提供可推演、可追溯的时空知识基座。

【意义】城市居民活动强度的精准预测是地理空间人工智能的基础研究命题，在城市规划、交通管理及公共安全等领域具有重要应用价值。尽管已有多种城市居民活动强度预测模型被提出，但如何挖掘城市混合功能区之间的功能相似性作为先验引导预测仍是一大挑战。由于其复合功能特性，混合功能区在不同时段对居民活动呈现出差异化影响，通过多种功能特征度量多元功能相似性，并将其作为先验引导空间依赖建模，有望提升预测精度。【方法】本研究提出一种新颖的先验与数据双引导的时空预测模型（Prior- and Data-Guided Spatio-Temporal Prediction Model, PDGSTPM）。首先，本研究基于超图理论框架设计了面向城市功能语义的超边构建机制，利用自监督学习将POI表征的混合城市功能特性显式编码为可量化分析的高阶多元关联网络进而表征多元功能相似性先验，实现了城市区域间空间依赖建模由一阶对偶关系向高阶多元结构的突破；然后，本研究利用一阶瓦瑟斯坦距离建立了历史观测数据的多粒度相似性度量方法，通过捕捉居民活动强度序列中的形态一致性挖掘观测数据中隐含的变化特性来进行数据层面的相似性表征，以实现数据层面相似性与功能相似性先验的互补； 最后，本研究融合先验引导与数据驱动的双重建模机制，通过先验-数据双引导的图神经网络架构，实现复杂时空依赖关系的精准建模。【结果】本研究采用2023年3月的厦门市手机定位数据进行了城市居民活动强度预测实验，相比于基线方法，PDGSTPM模型在RMSE和MAE两项指标上，单步预测精度分别提升了3.2%和9.1%，双步预测精度分别提升了5.6%和9.8%。【结论】实验结果验证了PDGSTPM模型在精准建模时空依赖关系方面的优势。

【目的】交通流预测对于城市管理、智能交通至关重要。针对交通流数据中由外部干扰、突发事件等导致的异常数据、蕴含的复杂时空信息等问题。【方法】本文提出了一种考虑异常数据的多层神经网络预测模型（MLNN-CAD）。考虑孤立森林算法因参数单一而存在异常识别不精确的问题，结合各交通参数间的约束关系与交通流内在结构和规律，提出多级孤立森林算法，以提高异常数据识别精度；结合节点间的距离、皮尔逊相关系数及交通流量构建异常影响动态图，弥补传统M阶矩阵存在的缺陷，精准捕获异常影响动态范围；结合交通拥堵指数构建重要节点动态图，解决由节点出入都筛选重要区域的不足，并捕获交通流局部动态信息。融合图卷积网络（GCN）与含残差链接的多层图注意力网络（ResGAT），提取交通流的全局、异常影响及重要节点各动态空间信息。利用Informer提取全局时空信息，扩展长短期记忆网络（XLSTM）提取异常影响和重要节点时空信息，并通过卷积融合层获取交通流预测值。【结果】研究采用2018年1月1日—2月18日的PeMS04及PeMS08真实交通流量数据对本文模型预测精度进行验证。结果表明，本文模型优于Informer、XLSTM、STSGCN、STFGCN、VMD-AGCGRN等现有模型，相较于VMD-AGCGRN在PeMS04数据集上MAE、RMSE及MAPE提升7.68%、10.36%、6.06%。 【结论】本文所提出的MLNN-CAD模型为异常数据下的短时交通流预测提供了具有可行性的理论基础。

【目的】地理学研究，尤其是对新兴地理概念的研究，受限于学科固有的复杂性以及多元研究视角，不同研究主体在认知取向和关注重点上常常存在差异，进而导致概念表述呈现多样化与异质性，影响领域知识的有效检索与系统整合。以文本主题模型为代表的地理研究主题提取方法为解决上述问题提供了关键技术路径，然而现有模型在语义解析与表达过程中存在可解释性不足的问题，呈现出“黑箱”特征，限制了该方法的实际应用。【方法】本研究以具有多学科交叉特征的“小微湿地”概念为例，提出一种基于BERT-LDA集成模型的地理研究主题提取方法。该方法融合BERT模型在长文本语义理解方面的优势与LDA模型在主题可解释性方面的能力，从大量期刊论文中提取并揭示小微湿地的研究主题及其内在关联，并通过构建论文检索规则，促进领域知识的深化与拓展。【结果】将论文中词语的高维语义特征向量有效嵌入低维主题空间，并在关键词主题影响力的计算过程中，引入特征融合调节因子，能够提升文本主题模型的语义解析与表达能力，克服现有模型的“黑箱”局限性。同时，所提出的模型迭代运行方式，能够逐步提升输出主题的区分度和代表性，并优化关键词在对应主题语义空间中的分布结构。基于万方数据库检索的 2012—2022年出版的4 606篇中文期刊论文，集成模型识别出“湿地污染净化” “城市湿地公园” “池塘水产养殖”是小微湿地的三大研究主题，进一步提取并构建由“植物” “去除” “污水” “微生物” “城市” “景观”等11个关键词构成的112条论文检索规则，实现在不依赖具体术语和命名的条件下，对领域相关论文的有效检索。【结论】在地理学综合性与交叉性的研究背景下，本文提出的方法能够从知识工程角度，有效整合因术语多样化和命名异质性而造成的分散化的领域知识，为提升学术知识挖掘方法的可解释性提供可行路径。同时，研究成果对小微湿地的保护与管理实践具有一定参考价值。

【意义】社会现象本质上具有内在空间属性，空间视角为解析复杂社会问题提供了关键路径。随着社会科学“空间转向”的不断深化，以及地理信息系统（GIS）在数据获取、空间分析与建模、空间可视化等方面的持续进步， GIS已成为社会问题求解的重要工具。然而，地理学与社会科学在理论范式、方法逻辑与尺度认知上的差异，制约了二者的深度融合。亟需系统厘清其融合路径，辨识核心挑战与潜在机遇。【进展】本文提炼GIS赋能社会科学研究的五大优势：拓展研究思维、支撑时空数据、提升调查技术、丰富表达形式、强化分析能力；综述其在经济学、政治学与社会学中的典型应用，揭示跨学科共性与学科差异；深入剖析融合过程中的三重挑战——数据与问题的匹配难题、方法与机制的整合困境以及地点与尺度的情境错位，并提出针对性的应对路径。【展望】人工智能，特别是大模型的发展，为GIS空间分析注入新方法论动能。未来应构建“大模型-空间分析”协同范式，推动GIS从工具应用向理论支撑跃升，提升其在社会问题求解中的科学价值与实践效能。