【目的】 森林火灾具有强动态性和多要素耦合特征，复杂地形、植被阻力及火势蔓延过程共同影响人员通行效率，使传统基于静态代价栅格的路径规划方法难以同时兼顾安全性与效率。【方法】 针对这一问题，本文构建了融合地形坡度、植被密度、消防员速度场和火场蔓延风险的多源环境模型，提出一种面向森林火灾动态场景的速度场驱动安全路径规划方法（HNP-DuelingDQN）。该方法设计了由目标引导、通行速度、安全因子及任务完成项组成的复合奖励机制，并在强化学习框架中引入HAS启发式动作选择与N-PER经验回放结构，以提高策略学习的稳定性与效率。【结果】 基于福建省真实地形与近五年内两场典型森林火灾数据开展的仿真实验表明，所提方法在静态与动态火灾实验环境中均表现出稳定优势，相较于HNP-DQN、A*与ACO算法，该方法能够显著提升路径整体安全性能，使火场蔓延风险水平平均降低约17.4%~57.8%，平均通行速度提升约13.4%~28.3%，路径的平均坡度降低约11.0%~29.9%。【结论】 实验结果表明，本文所提方法实现了路径安全性与通行效率的协同优化，可为山地森林火灾情景下的应急救援路径决策提供更具实时性、可解释性和可量化的技术支撑。

【目的】 由于城市环境中建筑物尺寸与形态差异较大，同一幅高分辨率遥感影像中的建筑物常呈现多尺度分布。该特征与背景干扰、边界对比度弱等因素叠加，容易造成漏检、分割结果破碎以及轮廓不准确，从而降低提取精度。针对现有方法在多尺度目标识别不足与边界细化不理想等问题，本文提出一种融合卷积运算与Transformer机制的混合增强注意力网络HEAT-Net（Hybrid Enhanced Attention Transformer Network），旨在同时提升区域一致性与边界描绘能力，实现更高精度的建筑物提取。【方法】 在ConvLSR-Net框架基础上，采用ConvNeXt作为编码器提取层次化多尺度特征，兼顾局部建模能力与鲁棒表征学习能力；解码器通过逐级上采样与跳跃连接逐步恢复空间分辨率，以重建结构细节并保持各阶段语义一致性。同时设计特征增强模块以强化判别性线索、抑制易混淆的背景响应，从而缓解采样过程中细粒度建筑细节的损失；进一步引入多认知视觉适配器模块，实现局部-全局上下文的自适应融合，使网络在捕获长程依赖的同时保留更精确的边缘信息。【结果】 本文在自建咸阳数据集与公开WHU数据集上开展综合对比实验与消融实验。评价指标采用mIoU衡量区域层面的重叠程度，并使用BIoU定量评估轮廓质量，从而综合反映分割精度与边界细化能力。在WHU数据集上，本文方法的mIoU为0.951 2、BIoU 为0.632 2，相较TransUNet分别提升1.14%与9.23%；在咸阳数据集上， mIoU为0.913 1、BIoU为0.795 0，相较TransUNet分别提升3.48%与12.58%。消融实验表明，所提出的各模块均对性能提升有贡献，且在边界相关指标上的改进更为明显，说明该方法能够更准确地恢复轮廓并降低边缘模糊。可视化结果进一步表明，在小尺度目标与复杂城市场景纹理条件下，本文方法能更好地保持建筑物外轮廓，并减少相邻建筑粘连现象。【结论】 所提方法在WHU与咸阳数据集上均取得稳定性能提升，且在咸阳数据集上的改进更为明显。这说明该方法在复杂背景及小尺度建筑密集场景下具有更强的边界保持能力与多尺度目标识别能力，可为高分辨率遥感建筑物提取提供一种实用有效的解决方案。

【目的】 随着信息技术和人工智能的快速发展，基于知识图谱和计算机场景仿真模拟对应急预案知识的表达研究方兴未艾。针对当前城市内涝应急预案无法与内涝全周期场景模拟动态匹配且难以满足不同用户动态应急需求的问题。【方法】 本文提出一种基于预案知识映射的城市内涝应急场景模拟方法。通过构建涵盖灾害各阶段的城市内涝应急预案知识图谱，探究应急知识与场景要素的交互映射方法，在此基础上进行城市内涝应急预案场景的多类型用户按需设计与模拟。【结果】 以北京市丰台区“23·7”特大暴雨内涝事件为案例，利用LDA模型从16万条社交媒体数据中挖掘出6类高频舆情主题，构建了包含12类基础地理场景与39类应急管理场景的知识-要素映射表。基于该方法研发了原型系统，并通过115份有效问卷进行量化验证。结果显示，系统在交互便捷性、运行效率及功能完备性3个维度的评分均值分别为4.06、4.09和4.07（满分5分），均达到良好水平。【结论】 本文研究完成了从应急预案知识建模与评估、场景要素解析与实体映射到内涝全周期场景的多用户按需模拟的实验验证，定量评估结果表明该方法能有效满足多类型用户在城市内涝全周期阶段的动态应急决策需求。

【目的】 基于个体的手机位置数据可以有效评估受灾人口的移动规律及灾害造成的损失，因此在灾害研究中具有重要价值。然而，受限于国内隐私保护政策，目前大多数研究仅能获取空间聚合手机位置数据，即格点尺度的逐小时手机信号数目（空间分辨率为1 km×1 km）。如何利用这种无法反映单个人口移动信息的数据来揭示受灾人口的移动特征及灾害损失，成为发挥手机信令数据在灾害损失评估中的应用中较为紧迫的需求。【方法】 本研究将经验正交函数（EOF）分解方法用于格点尺度空间聚合手机位置数据，以2023年京津冀暴雨灾害中的北京门头沟地区为例，开展灾害人口响应分析。该方法克服了个体轨迹信息无法获取的问题，从复杂的时空聚合数据中有效提取极端灾害情境下受灾人口的异常移动主导模式，并尝试结合数据间断时长来客观评估基础设施的损毁情况。【结果】 研究结果充分证实了EOF方法在灾害损失评估与人口动态分析中的优势。首先， EOF方法能够准确刻画灾害不同阶段区域内部的人口聚集与疏散演变过程，其第一模态呈现了灾害期间区域整体人口的异常消长趋势，第二模态则提取了人口变化的内部空间分异特征，直观揭示了受灾人群从低海拔危险区向高海拔山地转移的避险移动规律。此外，该方法通过捕捉空间聚合数据中长时间持续的“零人口”异常现象，较为精准地提供了通信及电力基础设施遭受重创的盲区。【结论】 总体而言，本研究验证了在隐私保护限制下，空间聚合手机位置数据在灾害应急响应与损失评估中的巨大应用潜力。所提出的分析方法可以在一定程度上弥补个人轨迹缺失的数据短板，为极端灾害情境下的人口动态监测提供了参考。

【目的】 无人机（Unmanned Aerial Vehicle，UAV）低空遥感因机动性强、响应迅速和空间分辨率高，已成为洪涝等突发灾害现场信息获取的重要手段。建筑物直接承载人口与基础设施，其受淹状态能够直观反映灾害影响范围和严重程度，对灾情评估和救援决策具有关键意义。然而，现有受淹建筑检测多依赖机下高精度分割与空间叠置分析，需等待影像回传且对分割稳定性敏感，难以满足应急响应的时效需求；同时，水体反射、阴影干扰及训练域差异等因素易导致机载轻量化分割结果出现边界破碎和结构缺失，限制了单景影像直接判定受淹状态的能力。为此，本文提出FloodSAM-Duo（Dual-scale Prompt-guided SAM for Flooded Building Extraction）方法，用于在机载端实现受淹建筑的轻量化对象级检测。【方法】 该方法利用金字塔场景解析网络（Pyramid Scene Parsing Network，PSPNet）在双尺度下提取建筑与水体的弱语义响应，推断受淹候选建筑，并在候选区域内自动生成语义稳定的提示点，引导轻量化实例分割模型FastSAM（Fast Segment Anything Model）在局部范围内完成精细分割，从而直接获得结构完整、边界一致的建筑实例掩膜，形成弱语义判定与提示引导精分割相结合的协同推理机制。在此基础上，本文进一步将实例分割结果转化为可下传、可聚合的结构化灾情信息集合，从而降低对高分辨率影像持续回传的依赖。【结果】 基于近两年国家减灾中心提供的随州、新乡等地区的洪涝无人机影像数据开展实验，结果表明与ENet、 YOLOv8n-seg和RT-DETR Tiny等轻量化模型相比， FloodSAM-Duo在Precision、Recall、F1和mIoU等指标上均取得更优表现，其中F1值提高约18%， mIoU提升约17%，建筑边界完整度指标BF1提高约18%，并可在Jetson Xavier NX平台上实现 15~20 ms的单帧推理延迟，满足无人机机载端对洪涝建筑灾情信息准实时获取的应用需求。【结论】 FloodSAM-Duo能够在单景无人机影像上直接生成对象级受淹建筑信息，减少对高精度分割和机下处理的依赖，为洪涝灾害应急监测提供一种轻量高效的建筑灾情评估方案。

【目的】 气候变暖及城镇化进程加剧了极端水文事件的发生概率，中小流域面临的防洪排涝压力日益增大，定量解析城镇用地扩张对流域洪水的影响机制至关重要。【方法】 针对现有研究对城镇用地扩张与流域洪水响应关系量化不足的问题， 本文提出一种基于景观格局指数聚类与洪水机理模型的洪水组分响应分析方法，该方法集成了多源时空数据，通过子流域尺度的景观格局指数聚类识别城镇用地扩张模式；基于交叉验证机制率定分布式水文模型，构建不同城镇用地扩张情景，开展洪水过程模拟与径流组分拆分，实现流域与子流域尺度洪水要素及径流组分响应的定量解析。【结果】 将该方法应用于皇天畈流域的结果表明，其能有效辨析不同城镇扩张模式对洪水径流组分的差异化影响：城镇化水平越高，高占比-低增速-聚合式扩张模式越显著，流域直接径流量越大，尤其在强降雨条件下，城镇用地聚合式扩张对产流过程的增强效应更为突出。 【结论】 本文构建的景观格局指数聚类与洪水机理模型相结合的分析方法，能够系统揭示不同城镇用地扩张模式对流域洪水径流组分的定量影响，从而为中小流域防洪减灾与空间规划提供科学依据。

【目的】现有的四边形全球离散网格系统（Discrete Global Grid System, DGGS）多采用固定的剖分规则，网格系统数量众多却相互独立，这导致了标准多样、剖分规则固定以及算法复用性差等问题，制约了上层应用算法的跨网格复用。【方法】为突破上述瓶颈，本文提出了一种基于可配置剖分基数序列的多尺度通用四边形全球离散网格生成方法，将网格生成逻辑与具体剖分结构进行解耦。首先，将网格剖分规则抽象为剖分基数序列作为可配置的外部参数，实现了网格生成逻辑与具体物理结构的分离；其次，设计了一种基数扩展策略，通过建立虚拟进制映射机制，解决了GeoSOT等复杂网格中非标准整数倍剖分的兼容性难题；最后，构建了统一的逻辑索引空间，确保不同层级采用异构剖分策略时，其内部逻辑结构、编码运算与拓扑关系仍遵循统一的算法流程。【结果】基于全球模拟离散坐标点数据和真实区域多边形数据，开展了网格兼容性、按需生成能力及算法复用性实验。实验结果表明：在网格兼容性方面，本文方法能够生成与现有主流网格结构（GeoSOT、GMGICM）数量一致的剖分结果，其编解码耗时与现有主流网格方法相当，验证了对既有网格框架的良好兼容性；在灵活性方面，本文方法仅通过调整外部参数即可构建全3分、全5分、235分循环等多种新型网格体系，验证了本文方法按需生成网格的能力；在算法复用性方面，本文算法通过一套统一的应用代码即可支持7种异构网格体系下的多尺度矢量面网格化应用，避免了传统方法中代码量随网格类型线性增长的问题，验证了其在异构网格间低成本迁移与复用的能力。

【目的】为突破现有大语言模型（LLM）与地理信息系统（GIS）融合方案在隐私安全、功能完整性与协议标准化方面的局限，本文基于模型上下文协议（MCP）构建了一套支持本地化部署且协议开放兼容的空间数据处理与制图智能体原型系统Smart-QGIS。【方法】该系统基于QGIS平台，利用MCP协议桥接本地或云端大语言模型与QGIS原生功能接口，实现了从自然语言指令到空间分析任务的交互式全流程执行。在具体实现上，系统采用多进程模块化架构，设计了用户交互层、插件中介层、MCP通信层、本地执行层与模型推理层五层协同机制，实现了“数据加载-空间处理-专题制图”的一体化任务链。 【结果】本研究以陕西省矢量边界和DEM栅格数据为例，分别基于本地Ollama部署的OpenAI开源GPT与云端阿里千问LLM，通过Smart-QGIS交互式地执行数据加载、裁剪、坡度计算、图层可视化和地图制作等典型GIS任务。实验结果表明： Smart-QGIS在保证操作精度的前提下，能够有效解析多步骤复杂指令，在多数场景下实现快速响应（小于75 s）。对于常规的空间分析与可视化输出，响应速度接近或高于普通专业用户；云端模型对于复杂任务的执行效率高于本地LLM。【结论】本研究基于MCP发展的本地化LLM-GIS集成架构在隐私安全、功能覆盖与协议通用性方面具备一定优势，显著降低了空间数据处理的技术门槛，使非专业用户也能高效完成相关任务，为开放协同的智能GIS生态构建提供了可行的技术路径。

【目的】SWOT遥感测高技术为大尺度河网水位监测提供了新手段，但其原始产品受离群噪声、近岸混合像元及跨轨基准不一致等问题制约，难以满足高精度水文应用。【方法】本文面向低坡缓流与边界条件复合的长江中下游，提出基于SWOT的水位一致化建模框架，利用轨道重叠区构建偏差场完成跨轨对齐，以RiverSP节点为高精度参考，融合后向散射、地形等特征开展随机森林像元级误差回归建模；通过方差引导的α权重实现自适应融合，保持RiverSP结构稳定性与PIXC空间细节；输出统一基准、空间连续的水位场。【结果】校正结果表明PIXC与RiverSP产品的MAE由0.41 m和0.32 m降至0.15 m和0.09 m，像元产品的水位与水文站一致性R²由0.73提高至0.96。基于校正水位场构建月尺度沿程剖面与典型断面年内序列，揭示了洪峰沿程耗散与河口潮汐顶托等水位响应特征，中游年内峰谷差超过20m；入海口断面月均水位最高约5.44 m、最低约0.8~0.9 m，年内振幅约4~5 m，显示出潮汐对入海口水位的调制作用。【结论】本文提出的框架能够生成统一基准、空间连续的水位序列，可用于大尺度水文过程识别与洪水监测。

【意义】跨视角图像匹配的地面图像精细定向定位是一种通过匹配地面图像与卫星参考图像，实现亚米级位置估计与亚度级方向（航向）估计的高精度地理定位技术。该技术的核心挑战在于克服地面视角与卫星视角之间巨大的几何与外观差异，并通过视角统一、特征匹配和姿态估计等方法实现精准的位置和航向估计。该技术与视觉定位、图像检索等密切相关，在自动驾驶高精度定位、移动机器人导航等GNSS拒止场景中具有重要应用价值，为智能系统提供了一种不依赖专用基础设施的绝对定位解决方案。【分析】本文通过文献收集，系统综述了2021—2025年跨视角图像匹配的地面图像精细定向定位算法的研究进展。在技术发展脉络方面，明确了该技术的定义、技术路线与领域边界，揭示了该领域从早期探索、技术分化到监督方式突破的动态演进历程，并从视角统一方式、定向与定位任务类型、监督方式3个维度构建了系统的分类体系，深入剖析了各类算法的核心原理、技术细节与优劣特性，并系统梳理了特征提取骨干网络类型，汇总VIGOR、Oxford RobotCar、KITTI、Ford multi-AV 四大公开数据集资源与评价指标体系，量化分析了各类算法的性能表现；在核心挑战剖析方面，提炼出跨视角几何与语义差异弥合、弱监督信号融合低效、高方向噪声下联合估计精度衰减、动态场景泛化受限以及现有数据集时效性与场景覆盖度的局限性等关键问题；在未来研究方向方面，提出了五大针对性突破方向：构建几何真实与语义一致的BEV表示及高效匹配机制、实现弱监督信号分层融合与跨域泛化增强、攻克高方向噪声与对称场景下的鲁棒联合估计难题、提升算法在动态复杂环境中的适应性，以及推动技术工程化落地并完善评价体系，为领域发展提供明确指引。【结论】本文系统厘清了该领域2021—2025年的技术演进脉络，构建了多维度算法分类体系，量化分析了主流算法性能并提炼出核心技术挑战，提出的五大突破方向为领域研究确立了清晰路径。本研究为该领域的理论研究、算法设计与技术选型提供参考，也为技术在GNSS拒止场景的工程化落地和规模化应用提供理论支撑。

【目的】影像特征高精度提取与鲁棒匹配是摄影测量与遥感、计算机视觉等领域的核心方向。然而，当前主流的影像特征提取与匹配算法主要聚焦于提高各类复杂情况下的匹配完成度，忽略了影像特征定位精度不高、高精度匹配点数量少的问题。【方法】针对以上问题，本文提出了一种基于任意尺度超分的模块化特征匹配框架，将影像超分辨率重建模块引入传统的特征提取与匹配流程中，增强影像特征点的定位精度与可探测性，从而有效提升高精度匹配点数量与整体匹配精度。同时采用模块化设计，根据不同的匹配场景替换各模块算法，使得所提框架具有较高适用性。【结果】利用公开数据集MatrixCity和ETH3D，在不同尺度的超分辨率影像下，与当前主流的特征提取与匹配方法进行了对比实验，结果表明本文方法获取的高精度匹配点数量和特征匹配精度均有提升。其中， AKAZE算法在MatrixCity和ETH3D数据集上的匹配点数量最高分别提升了7倍和54倍，匹配点精度最高提升了58.65%，且各尺度图像超分影像匹配结果均有不同程度的提升，其中，6倍超分时正确匹配点数量最多，20倍超分时RMSE值最小。【结论】与现有主流方法相比，本文方法在匹配精度和匹配点数量方面具有显著优势，相关模块化算法能够直接用于提升现有特征提取与匹配算法的性能。

【目的】遥感变化检测技术在城市管理、环境监测和灾害应急响应等领域应用广泛，但传统基于遥感影像的变化检测技术存在诸多不足，联合遥感影像和数字表面模型（Digital Surface Model，DSM）的多模态变化检测技术有望解决以上问题，但面临数据融合方式不清晰、不同模态时空特征融合效果欠佳等问题。针对上述问题，本文提出了一种基于孪生神经网络与时空依赖模型的多模态遥感变化检测方法（Cot-FresUNet），以提升不同模态遥感数据变化检测过程中的特征融合效果。 【方法】首先，以配准后的光学影像和DSM数据作为输入，在编码阶段利用二维孪生神经网络和多尺度特征融合机制，提升模型对多模态数据共有特征的融合能力以及异同特征的辨别能力；其次，设计时空依赖模型，通过多时相特征交互，充分融合地表变化的时间连续性和空间相关性，提高模型对变化特征的表征能力；最后，在解码阶段，利用空间金字塔池化获取多尺度特征，加强局部特征和全局上下文信息的深度融合。【结果】在公开数据集3DCD上进行了8种方法的对比实验，本文方法取得的F₁-score和平均交并比（Mean Intersection over Union， mIoU）分别比现有最佳方法（GSTM-SCD）提升了14.45%和15.77%。分析了模型在不同阶段的特征图和学习效果，对比了早期融合、后期融合等4种融合策略的模型性能；通过消融实验证明了融合光学影像和DSM输入能取得最高的变化检测精度。最后，对比了8类模型的复杂度指标，本方法在参数量和运算代价2个关键指标上都展现出了明显的优势。【结论】本方法能有效提升多模态变化检测精度，改善传统孪生神经网络模型存在的特征混淆、特征单一和不同时空信息交互不充分的问题。