【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。

【目的】地图编制涉及要素选取、符号化与注记配置等专业操作，存在制图过程复杂、效率不高等问题。基于大语言模型（LLM）的文生地图制图技术可以大大简化制图过程，提高了制图效率，但仍存在人工调试依赖度高、工具调用流程碎片化等问题。【方法】本文提出基于DeepSeek的文生地图智能体构建方法，通过对自然语言指令的任务分解与工具自主适配，实现了从用户输入到可视化输出流程的自动化处理。研究以DeepSeek模型为核心，为地图要素配备制图工具及使用描述，分析模块结构及协作机理，构建了5类工具集，通过理解指令推理生成任务思维链，调用可视化工具实现自然语言到地图的跨模态映射。【结果】为检验智能体的有效性，分别以基于本地地图数据和网络地图服务的制图任务为对象，以DeepSeek-V3-0324和R1模型作为决策核心，完成了基于自然语言的自动制图任务。实验表明文生地图智能体可以在低工具复杂度任务中实现工具复用，并具备通过多工具链式调用完成高复杂度生成任务的能力。【结论】基于DeepSeek构建的智能体可以较好地完成文生地图任务，且通过40次重复实验发现： V3的执行效率是R1的6.56倍，平均执行效率约为6.29 s/step，对LangChain Agent的模块化适配性更优。

【目的】建筑物匹配一般通过计算建筑的几何相似度来判断是否为同名实体。现有的建筑物群组匹配方法主要顾及了群组外部轮廓相似性，忽视了群组内部个体之间的空间关系和分布特征，当群组轮廓相似但内部结构差别较大时则无法实现精确匹配。【方法】本文提出了一种空间相似关系支持下的建筑物群组匹配方法。首先，该方法利用建筑物坐标和方位角对包含不同数目建筑物的群组进行初步匹配；然后，以精确方向关系矩阵计算各建筑在建筑群中的具体方向，以质心点的间距构造距离矩阵，引入结构相似性指数计算矩阵的相似度来定量描述方向及距离相似程度；并结合群组轮廓的几何特性和建筑在群组中的分布区域，利用熵权法确定各项指标的权重，最终得到综合考虑多种因素的建筑物群组相似度结果。【结果】实验选取了兰州市6个建筑物群组对应的国家基础地理数据及195个OSM建筑物群组数据进行匹配试验，实现了精确匹配；并选取了包含1 511个建筑的城市区域，将其基础地理数据与2023年及2024年OSM数据进行质量评价实验，计算得到相似度依次为78.35%、79.12%， OSM数据完整度呈现出逐年提高的趋势。【结论】该方法能够综合度量群组中个体的方向、距离、分布密度相似性以及整体的几何相似性，提供了一种全面的定量计算思路来兼顾整体布局与内部空间关系，不仅可以实现同名群组精确匹配，而且可以用于局部区域的数据质量评价。

【意义】街景图像视觉位置识别（Street View Image-based Visual Place Recognition, SV-VPR）是一种基于视觉特征信息的地理位置识别技术，其核心任务是通过分析街景图像的视觉特征，实现对未知地点的地理位置预测和精确定位。该技术需要克服不同环境条件下的外观变化（如昼夜光照差异、季节更替特征演变等）和视点差异（如车载相机与卫星图像的视角偏差），并通过计算图像特征相似性、几何约束等条件来实现精准识别。作为计算机视觉与地理信息科学的交叉领域，SV-VPR与视觉定位、图像检索、SLAM等技术密切相关，在无人机自主导航、自动驾驶高精度定位、网络空间地理围栏构建、增强现实场景融合等领域具有重要应用价值，特别是在GPS信号缺失场景下展现出独特的定位优势。【分析】本文系统综述了街景图像视觉位置识别技术的研究进展，主要包含以下内容：首先，阐述了图像视觉位置识别技术的基础概念与分类，深入探讨了街景图像视觉位置识别技术的基础概念与分类方法；其次，详细分析了该领域的关键技术研究；此外，全面梳理了街景图像视觉位置识别技术相关的数据集资源；同时，梳理了该技术的评价方法与指标体系；最后，对街景图像视觉位置识别技术的未来研究方向进行了展望。【目的】通过本综述，旨在为相关研究者提供系统化的技术发展脉络梳理，帮助快速把握领域研究现状；关键技术与评估方法的对比分析，为算法选型提供决策依据；前沿挑战与潜在突破方向的预判，启发创新性研究思路。

【目的】针对现有轨迹异常检测方法未充分考虑道路网络约束的问题，提出一种有效检测出租车司机搭载乘客时可能存在的欺诈行为的轨迹异常检测算法。【方法】首先进行地图匹配，将轨迹数据映射到实际道路网络上，从而获取轨迹的路径序列。接着，使用两阶段聚类方法，先对匹配后的轨迹路径进行初始聚类，提取出核心路段并扩展，形成多个核心路径，再计算不同核心路径之间的相似性，并将相似性高的路径分配到同一簇，从而形成多个路径簇。最后，根据路径簇计算出通行代价阈值，再结合通行时间代价和通行路程代价计算每条轨迹的通行代价，将其与通行代价阈值进行比较，以此判断轨迹的异常性。【结果】在真实轨迹数据集上与传统异常检测方法进行对比，所提方法在异常轨迹检测上具有良好的效果，其运行时间明显低于STADCS方法，并且检测准确率比STADCS方法最高提升了9.03%； F₁分数值相较于Two Phase和ATDC方法也有明显提升，最高提升率分别为6.67%和9.45%。【结论】本文提出融合路网约束的检测方法，结合两阶段聚类和通行代价评估，有效提升检测准确性与效率，降低误判率。算法适用于复杂城市路网场景，为车辆轨迹数据挖掘及交通管理决策提供有力支持，在欺诈识别等领域具有重要应用价值。

【目的】当前网络空间的复杂性和规模不断扩大，迫切需要高效的可视化方法以解析地理约束的网络空间要素间拓扑结构及其地理关系。【方法】本文提出一种基于分层汇流图表达的地理约束网络空间点群可视化方法：通过社团划分和中心节点选择构建骨干网络，结合Power-Graph边聚合算法构建汇流图，再计算捆绑点的地理布局，最后进行分层可视化的交互设计进而实现分层汇流图的构建。【结果】在香港IP路由网络和某地LBSN网络的实验表明：与直接拓扑可视化、力引导边捆绑（FDEB）和核密度边捆绑（KDEEB）等方法相比，本文方法在保留节点间精确连接方面表现更优，连边交叉数较原始拓扑图分别减少了36.1%和78.2%；同时能更好地保持点群地理分布特征，更适用于地理约束无标度网络的可视化。此外，分层可视化的交互设计进一步提升了用户的识读体验。【结论】本文方法使得网络关键结构和信息流向更加清晰直观，为地理约束的复杂网络的可视化提供了一种创新且实用的方法。

【目的】现有的地图服务访问控制方法多依赖于静态权限配置，缺少针对用户访问时环境和上下文信息的动态时空约束。为此，设计了一种集成虚拟链接的矢量地图服务多重约束访问控制机制，其核心在于构建时空耦合的离散化访问凭证，通过多重约束条件绑定机制实现权限载体的瞬时化、受限化与可审计化。【方法】首先，基于用户的IP地址对矢量地图服务访问进行限制，确保仅授权地理区域内的用户可以访问相应数据内容；然后，通过预设时间窗口验证访问请求的时效性，使得矢量地图数据内容仅在允许访问的时段可被用户获取；最后，结合用户角色和矢量数据图层密级信息，动态识别不同用户可访问的矢量地图图层内容，实现矢量地图数据内容的精细化访问权限控制。【结果】在仿真实验中，本文针对3种典型的用户角色，在多个预设的访问时间窗口和特定的IP地址范围内，测试了对矢量数据的访问控制效果。实验结果表明，与传统基于角色的访问控制（RBAC）方案的静态权限配置相比，本方案通过一次性虚拟访问链接机制，确保权限凭证仅在特定时间窗口和授权IP地址范围内可用，有效抑制了权限凭证的非法共享问题；同时，本方案可根据用户的具体访问环境变化，调整时空约束条件，并结合用户角色和数据图层密级的对应关系，精确的控制用户对矢量数据的访问。【结论】本研究验证了多重约束访问控制方案能适应矢量地图服务在复杂环境下的访问控制需求，为传统模型在提升权限灵活性和细化管理方面提供了一种可行的思路和方法。

【目的】可持续发展是全球各国发展的核心议题，涵盖了可持续的交通体系、包容和可持续的城市化等重要内容。作为城市公共服务设施的重要组成部分，公交网络是城市稳定运行的基石，其站点与线路的分布直接影响居民的出行方式。现有研究多聚焦于公交站点与线路的可达性分析、选址优化以及与人口、土地利用等因素的空间耦合关系，但在面对城市空间异质性和设施冗余问题时，仍存在优化深度不足、影响机制不清等问题。【方法】本文以北京市为例，重点关注北京东城区、西城区，本研究基于公交网络、地形、经济等多源数据，构建影响因素体系，并采用XGBoost机器学习方法，揭示驱动因子对公交站点分布的影响权重。在此基础上，提出了考虑站点冗余的数学模型，优化上下行站点的空间布局，绘制北京市公交站点空间优化布局图。【结果】研究结果表明： ① 北京市公交设施分布存在不均衡现象，中心城区与边缘区域在便捷公共交通可达人口比例上相差超过30%； ② 在19类影响因素中，人口密度为核心驱动因子，占比27.77%，风景名胜数量和停车场数量的影响较小，特征重要性不足0.5%； ③ 与p-中值模型相比，所提出的冗余优化模型显著减少了优化后站点的冗余程度，同时兼顾了加权距离最小化的性能，优化后的站点布局沿着原有公交线路分布且更加均匀。【结论】该研究结果可以为公交站点及其他公共服务设施布局提供一定的参考与理论支撑，有助于提升公共资源利用效率，促进城市可持续发展。

【目的】为提高高速路合流区安全水平并揭示交通冲突发生机理，研究合流区交通冲突预测及成因问题。【方法】通过整合Exid高精度轨迹数据与Lanelet2高清地图，构建多维时空特征数据库。运用互信息(MI)、XGBoost和GPT算法生成多角度独立特征集，并构建残差卷积神经网络(ResCNN)预测交通冲突。通过生成混淆矩阵对预测结果进行可视化呈现；利用Accuracy、Recall等多项指标，对比ResCNN与CNN、AttCNN、ConvXGB、Transformer、GraphSAGE在不同特征集下的综合性能；并进一步基于Friedman-Nemenyi开展模型差异显著性分析；利用AUC验证冲突事件检测能力并确定最优特征集；引入SHAP算法分析交通冲突单特征贡献度与双特征交互效应。【结果】预测结果可视化下，混淆矩阵表明ResCNN能准确识别绝大部分冲突事件，且误判率较低。综合性能评价下，ResCNN在4种特征集下均表现优异，各项指标均超过93.5%，特别是在GPT&XGB_selector特征集下，其准确率高达99.27%，召回率达到99.03%，性能接近理论极限。显著性检验下，显著性概率P值远小于置信水平，且ResCNN与其他模型的平均位次差基本都大于临界值。检测能力验证下， ResCNN对应曲线在各特征集下均保持最陡峭上升趋势。模型可解释性分析下，单特征贡献度明确了车头时距等8个关键特征对冲突的不同影响效果；双特征交互归因呈现出车头时距与速度差等多组特征的复杂关联。【结论】ResCNN相比其余模型存在显著性优势，能精确区分冲突与非冲突事件，且适配于不同特征集，有效解决了高速路合流区冲突预测与机理解析问题，为智能交通系统的冲突预测提供了新的解决方案。

【目的】在金矿领域，由于实体重叠、嵌套以及复杂关系的存在，在构建知识图谱过程中，信息抽取面临着极大的挑战。【方法】为应对这些挑战，本文提出了一种基于PFNA（Partition Filter Network with Attention mechanism）模型的解决方案，专门针对金矿领域的实体和关系抽取任务。该模型引入了注意力机制，通过对输入信息的动态加权，有效提升了对复杂实体及关系的捕捉能力。同时，结合领域特定的词嵌入增强策略，进一步提升了模型在金矿领域内对专业术语和复杂模式的识别能力。【结果】通过与其他基线模型在金矿数据集的对比实验，在复杂实体的抽取上F1得分提高了6.50%~50.42%，同时在提取复杂关系方面，模型的F1得分提高了13.15%~58.54%，证明模型能够更好地服务于复杂的知识抽取任务，有效验证了该方法在金矿领域中的优越性。【结论】通过图数据库Neo4j存储实体和关系，结合可视化界面展示了所构建的知识图谱，有效实现了知识图谱的应用，为金矿领域的智能决策与资源管理提供了系统化的知识支持。

【目的】DEM数据作为地理信息中主要的数据类型之一，如何对其进行制图综合，确保数据的一致性，适应多样化需求，一直是地图制图学的重要研究内容。【方法】本文提出一种基于曲率小波变换的DEM综合方法，首先计算DEM数据的平面曲率，然后进行小波分解获得低频数据和高频数据，利用低频数据选取特征点，同时引入方根模型制定选取规则，以选取的特征点为基础作克里金插值，之后将插值结果与高频系数相结合，实现DEM制图综合。利用选取的山地、丘陵和平原3种地貌类型数据，对其进行制图综合，分析所提方法在各类地貌数据中的适用性及其主要地形特征的保持效果。【结果】对山地、丘陵和平原三种地貌类型综合效果良好，同时，以1∶5万的山地数据为基础所派生出的1∶10万、1∶25万、1∶50万比例尺下的数据，在高程值的均值、标准差、 DEM三维可视化以及地貌特征保持等方面表现良好，与结构化综合方法相比，MAE和RMSE分别降低了13%和34%。【结论】通过将平面曲率和小波变换相结合，重点突出局部地形的几何特征，提升了小波变换在多尺度地形分析的准确性，本文方法在处理多种地貌类型时适用性较强，且在综合时对于不同地貌的主要地形特征的保持效果表现优异。

【目的】净初级生产力（NPP）是评估陆地生态系统碳汇的一个关键指标，在全球和区域尺度研究上通常采用生态模型对其进行估算。遥感估算模型虽然准确度较高，但在对未来NPP的预估以及长期生态气候响应研究方面受到了限制；过程机理模型弥补了遥感估算模型的上述缺陷，但空间分辨率相对较低。【方法】本文提出了一种滑动窗口分位数映射方法，利用遥感估算模型（CASA）获取的细分辨率植被NPP的纹理特征，对生态机理模型（CEVSA）模拟的粗分辨率NPP进行空间降尺度研究。通过提取2001—2010年CASA-NPP的纹理特征对CEVSA-NPP进行调整后，通过设置一个滑动的窗口，在较小的空间范围内，采用分位数映射法对调整后的CEVSA-NPP进行订正，最后利用2011—2019年的数据对结果进行检验。【结果】以青海省为案例研究区的结果显示，与CEVSA-NPP和CASA-NPP二者之间的偏差相比，降尺度后的NPP值与 CASA-NPP更为接近，均方根误差（RMSE）降低了57%，基本保留了CEVSA-NPP原有的变化趋势方向和年际变化特征；农田生态系统和聚落生态系统的RMSE最大，其次是森林生态系统，荒漠生态系统、草地生态系统以及水体与湿地生态系统的RMSE相对较小。【结论】该降尺度方法可用于对过程机理模型模拟结果以及未来预测预估结果分辨率的提升，为开展精细化的区域生态系统碳收支影响评估及极端气候事件对生态系统的影响评估等提供数据和方法支持。

【意义】经典统计推断依赖大样本与独立同分布前提，但时空数据却往往不满足这两大前提，因此，经典统计框架下的时空统计方法具有一定理论局限；相较而言，贝叶斯统计范式下的时空统计方法通过融合先验信息、引入参数随机性，形成统一的概率推断框架，可考虑更多不确定性，并能有效克服时空数据中的小样本和非独立问题，在时空统计建模中体现出较强的自身优势，并受到广泛关注和快速发展。【进展】本文首先从方法论演进角度出发，从传统贝叶斯时空统计与贝叶斯时空机器学习两个视角系统梳理了主流的贝叶斯时空统计模型，前者包括贝叶斯时空演化层次模型、贝叶斯时空回归层次模型、贝叶斯空间面板数据模型、贝叶斯时空地理加权回归模型、贝叶斯时空变系数模型和贝叶斯网格化时空高斯过程模型，后者包括贝叶斯时空因果森林模型、贝叶斯时空神经网络模型和贝叶斯时空图卷积神经网络模型；后又从实际应用方面，重点回顾了贝叶斯时空统计模型在公共卫生、环境科学、经济社会与公共安全、能源与工程等领域的应用。【展望】贝叶斯时空统计方法需在多源异构数据建模、深度学习融合、因果推断机制引入及高性能计算优化等方面实现突破，以兼顾理论完备性与实践适应性，推动其发展为具备因果推断、自适应泛化及智能分析的下一代时空建模范式。

【意义】人类移动与交通、传染病、安全等密切相关，使得轨迹分析与建模成为持续的研究热点。目前，学界与业界已发展了大量以机器学习/深度学习为主流的轨迹专门模型，如轨迹插值模型、轨迹预测模型、轨迹分类模型等。然而，这些模型大多针对专门任务设计、基于局部区域数据训练，难以泛化应用于其他任务、其他区域乃至其他类型的轨迹。近年来，随着生成式人工智能发展，通用基础模型在自然语言处理、计算机视觉等领域得到显著应用。在这一技术发展趋势下，构建轨迹基础模型，使其学习到大规模轨迹数据的通用特征，以适用于不同区域与多种下游任务，成为轨迹建模的迫切需求。【方法】本文首先系统综述了各类轨迹专门模型的研究进展与发展脉络，然后将轨迹建模任务分为常规任务（轨迹相似性计算、插值、预测、分类等）与生成任务（轨迹生成），阐述了近年来面向这两类任务的轨迹基础模型前沿研究进展。【结论】本文认为，面向常规任务的轨迹基础模型除了具备任务泛化能力，还应进一步强化其空间泛化与数据泛化能力；面向生成任务的轨迹基础模型还需攻克空间泛化难题，能够基于易获取的目标城市宏观数据或特征，“从无到有”生成城市级大规模轨迹数据。此外，将轨迹数据与其他类型数据（如文本、地图、其他地理空间数据）联合构建多模态地理基础模型，以及构建面向交通管理、传染病传播、公安寻人等业务场景的轨迹基础模型，也是未来值得探讨的研究方向。

【意义】事件作为表征现实世界复杂过程的重要单元，近年来受到各学科广泛关注。随着数字孪生、实景三维中国等重点工程的推进，基于实体的现实世界建模与表达需求日益突出，亟需从实体视角重新审视事件的定义、分类及数据模型体系，以支撑多维信息表达与深层语义解析。【进展】本文首先从跨学科角度系统梳理了事件的概念内涵与定义特征，其次归纳了现有事件分类方式的理论依据与结构特征。同时，从建模理念与适用范围两个维度出发，提出三类事件数据模型划分框架：事件语义要素模型、基于本体的事件模型、面向事件的时空数据模型，并对其在“时间、空间、参与对象、事件关系与层次结构”等关键维度的表达能力进行了系统分析与对比评价，揭示了各模型在动态过程表达、通用性与扩展性等方面的应用优势与局限。【方法】在上述基础上，本文提出了基于时空实体的事件定义，并进一步提出两种面向实体建模与事件分析的新型分类方法：依据事件记录完整度的分类方式和依据变化过程类别的分类方式。【展望】未来研究可推动事件数据模型由“结构组织”向“语义融合”与“智能建构”转型，融合多类模型优势构建统一框架，协同定性与定量建模机制以支撑一体化分析，并引入人工智能，提升建模的智能性与自适应能力。