建筑物形状相似性度量在地图制图综合中起着至关重要的作用，它不仅为地理空间要素识别和地图分析奠定了基础，还在建筑物形状的匹配、检索和化简选取等应用中发挥了重要作用。本文利用图对比学习在形状区分中的优势，提出了一种图对比学习模型支撑下的建筑物形状相似性度量模型，其目的是利用图增强策略训练出一个图编码器，对形状进行编码得到更具区分度的表示。本文方法首先将矢量图形转为图结构，并提取节点和边特征来表示形状属性；其次利用图增强策略得到正负样本对，经过对比损失函数实现同类别样本间差异的最小化和不同类样本之间差异的最大化；最后经过对比编码得到特征向量，计算特征向量间的余弦值实现建筑物形状的相似性研究。试验以OSM建筑物形状数据作为训练和测试样本，测试分类准确率达到96.7%，并对模型参数、图增强方式和特征节点方向进行分析。与其他方法比较，本文方法优于传统方法的方法，HU矩方法和傅里叶方法的分类准确率分别为22.9%、44.4%，并且相较于图编码GCAE方法（92.5%）也提高4.2%左右。此外，选取香港的3个地区进行了形状分类和形状匹配试验，形状分类准确率为95.7%，并对9个典型形状进行相似性匹配，同类形状的相似值大于非同类形状。试验结果表明，在图对比学习框架下，形状描述与人的空间视觉感知具有一致性。图对比学习模型有效提升了复杂形状的识别能力，实现了15类建筑物形状的有效地分类，为地图制图综合应用提供了技术支撑。

建筑物提取作为遥感影像处理领域备受关注的研究方向之一，对于城市规划、灾害管理、智慧城市建设等方面具有重要意义。近年来，随着遥感技术的不断突破和深度学习算法的迅速发展，卷积神经网络凭借强大的特征提取能力成为从遥感影像中提取建筑物的新兴解决方案。本文对基于卷积神经网络的建筑物提取方法进行系统总结，并将相关文献的方法针对模型结构、多尺度特征差异性、边界信息缺失以及模型复杂度的优化策略进行归纳分析。随后，我们阐述了典型的建筑物数据集以及当前数据集存在的问题，并根据数据集上的实验结果对相关方法的精度及参数量进行详细分析，旨在帮助读者更好地理解各种方法的性能和适用范围。最后，立足于领域的研究现状，面向人工智能高质量发展的新时代，从Transformer与CNN的结合、深度学习与强化学习的结合、跨模态数据融合、无监督或半监督学习方法、基于大规模遥感模型的实时提取、建筑物实例分割和建筑物轮廓矢量提取等方面对建筑物提取的未来研究方向进行了展望。

在当今城市化快速发展的背景下，公共服务设施的合理选址对于提升城市居民生活质量和提供高效服务至关重要。然而，现有常用的设施选址方法往往未能满足复杂及大规模的现实场景中对于其性能及效率上需求。为弥补这些不足，本文旨在提出一种耦合设施选址图注意力网络（Facility Location Allocation Graph Attention Network, FLA-GAT）和深度强化学习（Deep Reinforcement Learning, DRL）算法的通用图强化选址模型（Graph-Deep-Reinforcement-Learning Facility Location Allocation Model, GDRL-FLAM），通过图表示和REINFORCE算法协同解决公共服务设施智能化选址问题。为了验证提出模型的性能及效率，研究在随机生成的20、50和100个点的数据集上进行训练，并完成了相应的测试实验，结果表明： ① 在20、50和100个点的测试实例上，GDRL-FLAM模型相较于遗传算法（Genetic Algorithm, GA）)性能上提升了11.79%到14.49%；在150和200个点的测试实例上，提升了1.52%到9.35%。并且随着训练集规模的增大，模型在大规模数据集上表现出更强的泛化能力； ② GDRL-FLAM模型可以在简单场景中掌握选址策略，并使其适应到更复杂的场景，展示出了其优异的迁移学习能力；③ 在新加坡的案例研究中，GDRL-FLAM模型相较于GA在性能表现上提升了1.01%到10.75%； ④ 在所有的测试及实验中，GDRL-FLAM模型在效率方面相较于GA都展示出了成倍的提升。总的来说，本研究揭示了GDRL-FLAM模型在公共服务设施选址问题上的潜在应用价值，尤其是其泛化能力及迁移学习能力为未来设施选址问题的高效解决提供了新的思路和方法。此外，该模型经过微调也可以适用于不同的空间优化问题中。最后，本研究探讨了该模型的不足之处以及下一步的研究方向。

随着城市规模的不断扩大，城市居民通勤中混合交通模式普遍出现，即需要借助不同交通工具之间的换乘完成行程。精确提取和分析城市居民换乘行为，对城市交通模式及设施便捷性等研究具有重要意义。目前，换乘行为的提取多采用GPS（Global Positioning System）、GTFS（General Transit Feed Specification）等数据，基于步行速度或经验选取距离阈值或时间阈值，进而实现换乘行为的识别。但这种方式忽略了城市空间内公交或地铁站点密度的差异性特征，识别精度可能受到较大影响。因此，本研究基于公交地铁IC卡数据，提出了一种时间-距离阈值双约束的换乘行为识别算法，即根据公共交通刷卡数据的统计特征，实现时间和距离阈值的自动选择，进而精准提取换乘行为。在此基础上，本文根据前后半程的旅行时间/距离长短将换乘行为分为九类换乘模式：长-长换乘、长-中换乘、长-短换乘、中-长换乘、中-中换乘、中-短换乘、短-长换乘、短-中换乘、短-短换乘，并分别对其出行特征进行分析。结果表明，所有类型的换乘行为的早高峰均早于公交和地铁的出行早高峰，短-长换乘的早高峰时间甚至比一般出行的早高峰时间提前了30 min，充分说明了以换乘模式通勤的乘客需要付出更大的努力。相比之下，晚高峰出行时间则各有早晚，如长-长、长-短换乘模式晚高峰明显滞后于一般出行的晚高峰时间，更凸显了换乘群体的通勤成本负担之重。从出行距离上来说，九种换乘行为的通勤距离峰值远大于一般出行的峰值，甚至多分布于20~40 km之间。总之，本文所提出的换乘行为提取算法能够实现城市换乘行为的精确提取，结合对不同换乘行为模式的有效分析，为城市交通、城市活力、公共交通设施和城市规划等方面的研究提供有效的模型算法支撑。

地理空间知识的本质在于揭示地理事物和现象的时空分布、时空变化过程及其相互作用规律。地理空间知识库管理系统（GeoKGMS）以“图-文-数”一体化的地理空间知识库引擎为核心，致力于支撑地理空间知识资源的高效汇聚、地理空间知识图谱的自动构建和一站式地理空间知识工程建设，旨在形成新一代地理信息系统（GIS）的重要基础平台。本文重点阐述了基于云原生的地理空间知识库管理关键技术，包括云原生的地理空间知识库微服务统一调度技术、人机协同的地理空间知识图谱构建技术、地理空间知识图谱时空混合编码技术、以及多模态地理空间知识存储技术。在此基础上，设计了GeoKGMS的服务框架，实现了地理空间知识库管理、多模态地理空间知识抽取、地理空间知识图谱人机协同构建、地理空间知识推理、地理空间知识图谱质量评估和地理空间知识可视化六大管理服务功能。以喀斯特地貌知识图谱为例，充分发挥机器挖掘和专家知识的优势，实现了可持续的地理空间知识图谱工程化协同共建。

低空作为城市空间的重要组成，是精细化城市空间管理的目标对象，通过空间坐标进行位置刻画，具备显著地理基因。随着城市低空应用的日益增多，以低空通行为代表形成的复杂空间利用情况已经突破传统空域，介入城市贴地表空间，影响城市建筑和人居环境权益，突显三维土地空间的役使问题。在城市的土地管理方面，宗地被用作管理城市土地空间的基本单元，承载权属关系及空间权益信息，宗地之间构建地役权可以确保权属方对他属空间的合法利用。由于贴地表的低空飞行活动已经进入城市土地空间的管理范围，厘清低空通行过程对宗地空间的利用和影响，构建城市低空通行役权是保障低空权益的迫切需求。常规地役权概念受限于土地平面认知约束，忽视立体空间的建模与表达，城市低空作为立体空间因低空通行活动而形成地役权关系时难以被清晰描述，如何实现低空通行役权的建模与表达成为关键。采用GIS技术对城市空间进行建模，实现物理世界到数字世界的特征刻画与映射是城市空间管理的重要信息化手段。本文以概念建模为目标，提出城市低空通行役权概念建模方法：通过剖析城市低空通行中飞行器运动条件、低空通行的人居权益影响、路径利用，来实现低空通行役权的约束性空间建模，作为概念模型的几何描述；以三维宗地的空间类型为基础，结合宗地内空间利用情况、飞行器起降模式和路径利用情况探讨宗地的供役条件，形成面向通行需求的宗地供役模式；抽取现有研究和法规中关于低空通行的概念，建立低空规划、价值和役权3个方面的语义关系，形成概念模型；最后，采用深圳市的低空物流案例进行实验论证，完成模型实例化与三维视图呈现。结果表明，围绕概念模型实现的“空间利用条件-数据建模-可视化表达”一体化方案能够清晰刻画城市低空通行役权和表达城市土地空间在低空通行情景下的权益关系，为城市低空管理提供支持。

城市绿地是城市生态系统的关键组成部分，对改善生态环境和提高人居质量具有无法替代的作用。高精度的城市绿地识别是城市更新及绿色基础设施优化的基础，目前针对超大城市绿地的识别与空间异质性研究相对较少。本研究以西安市为例，结合城市街景图像与高分二号（GF-2）遥感影像，采用ISODATA分类、K-Means分类及卷积神经网络模型等方法，对绿地进行多维度、降尺度、高精度的识别与分析。结果表明： ① K-Means分类方法的识别精度（84.5%）显著高于ISODATA分类方法（62.4%），且更能准确映射绿地的空间特征与异质性规律， K-Means方法识别的绿地覆盖率为0.277 0，低于ISODATA的0.360 7； ② 西安主城区内街道平均绿视率为0.156 0，表明整体绿化水平良好，但不同道路存在明显的两极分化，其中30%的采样点的绿视率低于0.080 0；主城区整体呈现出高等级道路平均绿视率高于低等级道路的趋势，即主要道路>次要道路>干道>三级道路； ③ 西安主城区内街道绿视率与片区植被覆盖率整体呈现正相关，但在部分路段关联性较小，反映了街道地面纵剖面与天空俯视图的差异，二者结合可以更准确地评估和量化城市绿地。本研究可为西安市绿地规划、绿色基础设施建设和智慧管理提供一定借鉴，同时可为其他城市绿地的高精度识别与空间解析提供技术参考。

传统聚落集聚了大量的古代建筑和民俗等传统文化资源，以其突出的历史、文化和艺术等价值而备受关注，提取其丰富的历史文化信息并服务于现代产业发展具有积极的意义。针对当前尚缺乏从地理知识提取和表达视角对传统聚落丰富的历史文化信息进行知识抽取、组织和表达，进而实现“数据-信息-知识-智慧”转换这一问题，本文提出传统聚落景观基因本体（Geographic Ontology of Cultural Landscape Genes of Traditional Settlements, GeoOnto-CLGTS），并探索传统聚落景观基因的内在关联特征。首先，结合地理信息本体和传统聚落景观基因特征分析了GeoOnto-CLGTS的概念及表达方法，并提出GeoOnto-CLGTS模型的构建方法。其次，结合七步法的地理信息本体建模方法，梳理景观基因概念、关联关系和数据属性特征，自顶向下构建GeoOnto-CLGTS的概念层。并以123个中国传统聚落为案例，通过protégé工具进行实例补充，实现了GeoOnto-CLGTS模型的实例层构建。最后，通过Neo4j图数据库对本体数据进行存储，构建传统聚落景观基因知识图谱，实现了景观基因信息的查询。结果表明，本文构建的GeoOnto-CLGTS可以为今后开展传统聚落文化资源的知识发现及促进传统聚落的数字化保护提供有益的借鉴。

道路选取一直是制图综合领域的重要研究内容，针对现有方法仅考虑单一层次选取单元特征等问题，本文提出一种融合路段和stroke特征的道路自动选取方法。首先，以路段和stroke为基本单元，构建对偶图表达路网的拓扑结构；然后，将路段的几何、类型等级和图连通性指标作为路段特征，将长度、包含路段数量、同一stroke下路段的连接数量作为stroke特征，融合stroke特征到对应的路段单元上；接着，将上述求得的特征矩阵输入到GraphSAGE模型中进行学习，输出路段节点的分类结果；最后提出顾及stroke连贯性的增加最小节点数方法保持路网的连通性，进而完成道路的选取。本文采用河南省郑州市 1:25万和1:50万比例尺的路网数据进行实验，结果表明： ① 本文方法能有效聚合路段和stroke的特征，相较于文献[17]的方法和仅考虑基本特征组合的以路段或stroke为选取单元的对比方法，模型预测准确率提升了6.36%、7.36%、3.13%； ② 本文提出的连通性保持算法处理后的结果往往更符合道路选取的认知规律，也能进一步提升选取的准确率； ③ 完成连通性处理后，本文方法相较两种对比方法在一致道路长度上提升了125.45 km、110.438 km，在一致道路数量占比上提升了8.72%、20.43%，同时能更好保持路网整体格局和局部关键结构以及密度分布。与现有的道路选取方法相比，本文方法能更好地利用多层次道路特征进而提升道路选取效果，为制图综合、级联更新等领域的后续研究提供一种新的思路。

随着城市居民生活水平和对生活质量追求的提升，公园绿地已成为休闲娱乐的主要场所。在此背景下，如何公正地评价城市公园绿地布局合理性并提出改进意见对交通及土地利用规划至关重要。公园绿地的可达性则是评价其布局的关键指标。针对以往仅以公园绿地的面积评估吸引力所带来的可达性评估局限性，本文以苏州市区为例，在利用客观属性计算可达性的传统框架外，挖掘社交媒体数据，将居民对公园绿地质量指标的主观情感倾向纳入考量范畴。通过这一创新性的融合，本文改进了两步移动搜索法（Two-Step Floating Catchment Area, 2SFCA），深入分析城市居民对公园绿地的可达性，以及突发公共卫生事件前后可达性的动态变化。研究发现：在突发公共卫生事件期间，人们更趋向选择出行便利的公园绿地，如社区公园；而随着事件结束，人们更青睐配备良好设施的公园绿地，如专类公园。采用结合游客评论情感分析的2SFCA，能更准确评估城市公园绿地可达性，丰富公园绿地可达性研究视角。该方法不仅可应用于城市公园绿地规划，也为公共服务设施的可达性分析提供了新思路与计算框架。

通信与移动计算技术的快速发展产生了各种出行大数据，为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而，新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元，提出了一种处理高维网约车出行时空模式的分析框架，通过聚类同质的出行分布群体来识别不同的时空模式。首先，将六边形分区内集计的出行分布时空特征概括为起点的需求量分布、终点的空间分布和终点的需求量分布。进一步，提出了基于时空密度峰值的快速聚类（CFSFSTDP）算法，通过计算时空相似性来识别各分区的网约车出行分布时空模式。最后，采用近邻传播算法来对各分区聚类出的出行分布时空模式的时间变化序列进行聚类分析，捕捉网约车出行分布时空模式的时间序列模式。对成都一个月的滴滴出行订单数据进行实证分析验证了该方法，分析了不同的时空模式在需求大小、位置和时间上的差异，探讨了网约车出行在不同区域的功能类型。其识别出的6类时间序列模式把握了网约车出行分布时空模式的时间连续性，有助于进一步构建网约车出行时空演化数字孪生平台。

在犯罪空间分析和空间建模过程中，模型残差中的空间自相关问题对模型参数估计的准确度和犯罪相关因素的分析构成了极大的阻碍，模型残差存在显著空间自相关会导致模型的有偏估计及误导性的推断，甚至导致错误的研究结论。本研究采用一种较为新颖的空间统计方法，即特征向量空间滤波方法（Eigenvector Spatial Filtering），来消除犯罪回归模型估计过程中的残差自相关问题，以及由此引发的模型参数有偏估计问题。以此为基础，立足犯罪模式理论和社会解组理论，以浙江省海宁市主城区为研究区，采用2018年1月—2021年9月室外盗窃警情立案数据、海宁市建成环境数据、珞珈一号夜间灯光遥感数据以及WorldPop人口网格数据，在网格尺度上构建基于特征向量空间滤波的泊松回归模型，在消除模型残差自相关、纠正模型参数估计偏误的基础上，识别出海宁室外盗窃犯罪的影响因素。研究发现：① 基于特征向量空间滤波的泊松回归模型提取出了模型残差中的自相关部分，确保残差无显著空间自相关，将显著的空间滤波加入回归模型，较大幅度提升了模型拟合优度，纠正了系数估计偏误问题，缓解了过度离散问题，并找回了遗漏变量。该方法可推广至其他计数模型和广义线性回归分析场景中，有助于提升模型参数的准确估计水平，找回因自相关等原因而被遗漏的变量； ② 新兴时空热点分析显示，室外盗窃绝对数量随疫情到来呈递减趋势，室外盗窃热点持续于海宁市主城区中部，冷点呈多点分布；③ 人均夜间灯光所表征的城市相对剥夺水平对室外盗窃有显著正向影响；④ 由各类建成环境所刻画的犯罪吸引地、产生地、促成地对室外盗窃有显著影响，本文同时也对与以往研究结论不一致的地方进行了讨论。

树荫是城市区域夏季降温的重要资源之一，对树荫资源的量化可为城市极端高温天气的风险预警提供帮助。现有估算树荫资源的方法中，实测法耗费时间且成效较低，影像识别法难以精确反映树荫的时空变化，本文提出一种基于三维场景的树荫模拟与量化方法。通过三维重建技术模拟城市街道场景，区分并标识地理实体模型的类型；根据太阳几何位置参数信息，构建与实地场景同步的光照环境；根据光线直线传播和阴影形成原理，利用射线求交算法判断太阳光线与场景三维模型的遮挡情况，生成树荫并与其他地物阴影进行区分；量化树荫面积、树荫覆盖时长等数据，并在三维场景中进行可视化效果呈现。通过与无人机拍摄的阴影对比验证，相对误差区间为3.35%~13.27%，平均相对误差为9.29%，该方法在树荫资源估算方面有应用潜力。同时，以城市街道场景为例，模拟量化了不同空间朝向、不同树种、不同樟树生命周期的街道树荫资源情况并进行相应分析。该方法可以模拟任意时刻现实的和虚拟的（未来的或规划的）情景的阴影资源的时空分布情况，且可以进行分类统计，为城市规划管理提供参考，为城市树木降温效应分析提供基础数据。

卫星微波遥感的SMAP土壤水分产品可以用于大陆和全球尺度，但因为空间分辨率低，难以满足中小尺度的应用。经验性降尺度方法是空间降尺度常用方法，但因为需要依赖于光学遥感获取降尺度因子，所以易受云雾影响导致无法获得时间连续的高空间分辨率土壤水分。为了解决这个问题，我们结合机器学习和深度学习方法进行了降尺度研究。首先，获取地表温度、植被指数、反照率、土地覆盖、地形数据、土壤质地等降尺度因子。然后，利用机器学习模型（Random Forest、LightGBM、XGBoost）建立SMAP土壤水分产品数据与降尺度因子的经验降尺度模型。选择其中精度较好的XGBoost模型将SMAP-L4土壤水分产品的空间分辨率由9 km降尺度至1 km。最后，基于9 km和1 km土壤水分数据对训练DSCGAN超分辨率模型，并利用该模型获取研究区域时空连续的土壤水分数据。结果表明，降尺度得到的土壤水分与SMAP 原数据之间的相关性系数R为0.96，均方根误差RMSE为0.034 m³/m³，偏置bias为0.011 m³/m³，无偏均方根误差ubRMSE为0.034 m³/m³。与实测站点之间的相关性系数R为0.696，均方根误差RMSE为0.192 m³/m³，偏置bias为-0.171 m³/m³，无偏均方根误差ubRMSE为0.089 m³/m³。本文方法为生产时空连续的更高空间分辨率的地表土壤水分提供了一个框架，可以满足区域水分调查和农业干旱监测等小尺度应用需求。

不确定性可视化是网络空间地图可视化领域的重点和难点，合理的不确定性符号设计对网络空间地图信息的快速读取挖掘与精准分析决策至关重要。本文提出了一种基于多粒度时空对象数据模型的网络空间双变量不确定性符号表达方法，解决网络空间节点链接图中变量符号无法及时高效地体现节点、连边不确定性表达不一致的情况。以地理社交网络为案例，首先采用多粒度时空数据模型建模的方法，分析网络空间对象建模的内容和流程，设计网络空间实体对象类并创建相应时空对象；在此基础上结合传统符号在网络空间节点链接图表达方面存在的问题，分析网络空间不确定性表达原理和模型，制作相应的视觉熵符号；最后开展对照实验，并采用统计方法对符号实验结果进行检验。结果表明基于对象化建模的方法有助于网络空间多粒度、全类型、多维动态的表达，通过可视化和交互技术能生动直观、全面多维地表现网络空间的发展变化；新设计的视觉熵符号在网络空间双变量不确定性差异表达方面的效果较好，有助于及时高效准确地获取网络空间的不确定性信息。研究可以为网络空间地图可视化领域的发展提供一定借鉴和参考。

城市街道与老年人的日常活动密切相关，探讨街道环境适老性水平的空间分布特征及其关键影响因素，对老年友好型城市公共空间建设有重要指导作用。然而，既有研究难以贴近真实的人本视角、快速、大规模且精准地评估街道适老性水平的地理空间效应。因此，本研究从人行视角采集街景图像，结合语义分割和目标检测技术提取环境要素，利用人机对抗众包评价与残差神经网络50（ResNet50）技术测度街道环境适老性水平，采用莫兰指数（Moran's I）、普通最小二乘回归模型（OLS）、空间滞后模型（SLM）和空间误差模型（SEM）综合分析街道适老性水平的地理空间异质性及其影响因素；最后，选取了老龄化程度明显、街道环境多样的广州天河核心区为例进行实证研究。研究发现： ① 本研究结合了人视街景图像、机器学习和空间统计学方法，能够快速、有效地开展街道适老性水平评价，揭示其空间效应特征和关键影响因素； ② 街道适老性水平指标在研究区存在中等偏高程度的空间聚集性，商业型街道和靠近住宅区的街道、滨水街道差异大。水平较高的是商业型街道和靠近低密度住宅区的街道，较低的是靠近高密度住宅区的街道。老年人在滨水街道的活动性和安全感高，但愉悦感低；对靠近住宅区街道的归属感低； ③ 不同街道环境要素对适老性水平的影响存在差异。绿视率、开敞度和围合度对街道适老性水平的影响较强，拥挤度、人行道占比与场景多样性几乎无影响。研究有助于为精细化、具身性的城市街道适老化空间研究与实践提供参考和理论依据。

建筑垃圾是城市更新过程中不可避免的产物，造成严重的环境污染和生态压力，精准量化城市建筑垃圾年产量与资源转化率对衡量城市更新代价至关重要。传统人工估算建筑垃圾产量的方法严重依赖统计数据和历史经验，在实际应用中缺乏灵活性，耗时耗力，准确性和时效性亟需提升；现有深度学习模型针对小目标、多尺度特征提取与融合能力相对较差，难以处理形状不规则、碎片化检测区域。因此，本文提出一种多尺度特征融合与注意力增强网络MS-FF-AENet，动态跟踪检测建筑物和建筑垃圾消纳场变化，从而精准量化城市建筑垃圾年产量。使用深度编码网络，获取细粒度高阶语义信息，提高分类识别的精度。解决感受野不足导致提取大型目标时产生不连续的孔洞问题，利用双注意力增强机制更好地保留空间细节，使特征提取更丰富。在解码器中融合骨干网络的浅层和中层特征，更好地捕捉上下文信息，增强复杂场景下高效、准确的特征提取能力。利用MS-FF-AENet提取研究区不同时期的遥感影像数据，通过分析建筑物面积变化情况，计算新增建筑物产生工程垃圾以及拆除建筑物产生拆除垃圾，得到城市建筑垃圾年产量；使用MS-FF-AENet提取不同时期的建筑垃圾消纳场，根据填埋垃圾变化量得出城市建筑垃圾填埋量，间接估算城市建筑垃圾资源转化率。本文基于北京市昌平区2019—2020年高分遥感影像，实验结果表明： ① 在包括UNet、SegNet、PSPNet、DeepLabV3+、DSAT-Net、ConvLSR-Net和SDSC-UNet在内的一系列基线中， MS-FF-AENet在提取建筑物和建筑垃圾的精度和效率等方面更具优势； ② 2019—2020年研究区由于城市更新产生的建筑垃圾年产量约为4 101 156.500 t，其中填埋部分约为2 251 855.872 t，资源转化部分约为1 849 300.628 t，建筑垃圾资源转化率为45.09%，进一步印证政府统计报告结果。本文为城市更新代价精准量算提供了一个便捷且有效的分析思路。

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量，尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例，采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时，引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明： ① 相比于重力模型和辐射模型，街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83），且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构，呈现出“环形散射状”特征； ② 在本研究所选各空间尺度下，对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离，O、D点周围公司企业数量、餐饮服务数量以及购物服务数量； ③ 同一特征对OD流预测模型的局部影响不同于全局，如科教文化和体育休闲类POI在全局尺度下对模型影响较小，但在局部尺度下却表现出极大的影响。

元胞自动机（CA）是土地利用/土地覆盖变化模拟的重要工具。以往基于纯质元胞的CA模型忽略了元胞内部的混合土地覆盖结构，难以模拟现实中混合土地系统在快速城市化进程的连续演化。而混合元胞CA模型（MCCA）虽能较好地处理这一问题，却因难以获取精细尺度的混合结构数据而不易于推广。为了解决这个问题，本研究提出了耦合混合像元分解方法和MCCA模型的模拟分析框架，利用混合像元分解算法从Landsat影像中直接获取MCCA模型所需的亚元胞尺度混合结构数据；并利用SHAP方法挖掘亚元胞尺度土地覆盖变化的驱动力。本文以武汉市为研究区开展了实验，研究结果表明： ① 耦合模型在混合土地结构的空间格局表征以及未来变化模拟方面具有较高的准确性（解混精度高于0.8，mcFoM指数达到0.38）； ② 本文的耦合模型能够在有效模拟精细尺度的土地覆盖动态变化及其比例关系的同时，发现区域土地覆盖变化的相关规律。例如：未来的土地覆盖结构变化主要集中在建成区附近，土地混合度将经历先增后减的过程，靠近公司企业、市政府和高人口、高GDP是不透水面扩张的重要驱动因素，在离高铁站相对较远的地方，不透水面比近处增长更加明显； ③ 本文模型模拟的未来土地覆盖变化趋势与武汉市的未来规划布局相符，多情景间的对比体现了MCCA模型在精确捕捉像元间土地覆盖比例细微差异方面的能力。本研究通过耦合遥感领域的混合像元分解方法和GIS领域的混合元胞CA模型，解决了混合土地覆盖模拟缺乏精细尺度数据源的问题，实现了在亚像元尺度下的未来混合土地覆盖结构变化模拟，可为城市管理和规划决策提供新的方法与工具。

设施选址对提高居民生活质量至关重要，利用地理可达相似性聚类对空间元素进行分类是求解此类问题的重要方法。然而，现有的应用于地理可达性分析的聚类算法存在地理可达性测度不准确、不涉及簇中心选取或簇中心不可达等缺陷，不能有效求解真实场景下的设施选址问题。基于此，本文提出一种基于可达距离的模糊C均值聚类算法(Fuzzy C-Means based on Reachable Distance, FCM-RD)。FCM-RD算法改造了经典FCM算法的目标函数、隶属度函数和簇中心函数，使其适用基于可达距离的聚类分析。其次，以沿路网的最短路径距离作为可达距离衡量元素间的地理可达相似性，将聚类元素的二维地理坐标映射为路网坐标，并以此设计簇中心迭代机制，实现在聚类过程中以可达距离迭代不受约束的可达簇中心。同时，对所提簇中心迭代机制的有效性进行理论分析和实验验证，结果表明，FCM-RD算法在每次迭代中所选的各簇簇中心唯一且为当前簇类目标函数最小值点。最后，基于真实地理场景的仿真实验表明，相比基准算法，FCM-RD不仅能获得位置不受限的可达簇中心，而且能获得更好的聚类效果，为实际场景下的地理空间聚类方案提供了有效且精准的解决方案。

高分辨率遥感图像中存在物体视觉特征模糊和同物异谱的问题，在单一模态下对相似地物和阴影遮挡的地物分割较为困难，因此本文提出了一种基于多模态特征提取与层级感知的遥感图像分割模型。本文引入了多模态特征提取模块来提 取不同模态的特征信息，并通过坐标注意力机制充分融合不同模态的特征。抽象特征提取模块采用具有双路径瓶颈块的MobileNetV3作为主干网络，并引入了层级感知网络来提取深层次的抽象特征，通过嵌入像素的场景感知来改进注意力机制，实现高效且准确的类级上下文建模。解码部分设计了多尺度聚合双重融合，将低级特征与高级抽象语义特征相结合，利用逐步上采样实现特征恢复。本文基于ISPRS Vaihingen和Potsdam数据集上的高分辨率遥感图像，实验结果表明： ① 在包括C3Net、AMM-FuseNet、MMFNet、CMFet、CIMFNet和EDGNet在内的一系列对比模型中，MFEHPNet在各项性能指标上得到了显著提高，验证了遥感图像的语义分割性能； ② MFEHPNet在ISPRS Vaihingen和Potsdam的总体精度为92.21%和93.45%、平均交并比为83.24%和83.94%、Kappa为0.85、频率加权交并比为89.24%和90.12%，显著提高了遥感图像的语义分割性能，能有效解决分割中的特征边界模糊和同物异谱等问题。

科学认知中亚-西亚经济走廊国土空间时空演变过程及形成机制，对服务当前“走出去”对外战略和“一带一路”倡议具有重要科学价值与实践意义。依据地域主导功能划分中亚-西亚经济走廊城乡建设、农业生产和生态保护三大国土空间类型，整合多源时空数据构建2002—2022年长时序国土空间分析底图，利用时空立方体模型刻画空间演变过程及典型模式，综合空间转型强度模型从规模-位置-强度3个维度分析空间结构转型特征，基于可解释机器学习模型VIVI-SHAP框架从驱动因素重要程度、交互作用强度和非线性依赖关系等方面分析演变机制。结果表明： ① 2002—2022年中亚-西亚经济走廊约6.14%的国土空间发生了结构转型，城乡建设空间占比小但稳定增长0.17%，农业生产空间整体下降19.04%；生态保护空间内部结构变化明显； ② 生态保护空间内部绿色与其他生态空间的动态互转占主导地位，绿色生态空间向农业生产空间转化呈现出系统倾向性，而城乡建设空间扩张的主要来源为绿色生态空间，占总转入规模的56.36%； ③ 中亚-西亚经济走廊国土空间格局由多个规模量级不同、转型强度各异、驱动机理多样的国土空间转型过程共同塑造，自然地理因素及交通区位因素起到决定性作用，而人口增长和社会经济发展对国土空间结构转型的全局性影响并不突出。本研究为揭示中亚-西亚经济走廊国土空间类型的变化规律和机制提供了新视角和新方法，进一步为决策部门制定合理的国土空间规划提供了数据支持，并在实现更大的空间综合收益及推动区域经济协同发展方面展现了应用价值。

高质量的降水数据是气象服务与水文应用的基础资料保障，多时空尺度的卫星降水数据作为重要的降水数据源，现已被广泛应用到水文气象领域。然而，卫星降水产品存在空间分辨率粗糙、准确性差等问题，难以满足精细化水文和气象的应用需求。本文以随机森林（Random Forest，RF）为基础模型，提出一种顾及空间自相关性的多源遥感日降水数据融合方法(Spatial Random Forest Multi-source Fusion, SRF-MF)。该方法首先基于降水与环境因子之间存在较强的相关性，在月尺度上利用空间随机森林对多种卫星降水产品分别进行降尺度，然后根据日比率将月降水分解为日降水，最后借助随机森林将降尺度数据和站点数据融合，最终生成高质量的日降水数据。利用2015—2019年四川省5种卫星降水产品（CHIRPS、CMORPH、PERSIANN、GAMaP和IMERG）和实测雨量计数据，通过SRF-MF方法生成了逐日降水数据集，并将该数据集与原始卫星降水产品和5种机器学习方法比较，包括随机森林合并方法（RF-MEP）、单机器学习方法（RF、ANN）和双机器学习方法（RF-RF、RF-ANN）。实验结果表明，在不同时间尺度上（日、月、季、年）SRF-MF方法产生的降水数据集精度均明显优于其他几种方法，而且针对不同强度降水事件的捕捉精度更高，其降水分布图的空间细节信息更加丰富，准确性更高。本文研究结果将为提高卫星降水数据质量，以及扩大应用领域提供研究思路。

我国是受地质灾害影响最大的国家之一，研究高精度、高可靠性的滑坡形变监测与预测方法对于防灾减灾工作具有切实意义。以三峡库区藕塘特大滑坡为例，针对时序InSAR技术滑坡形变提取过程中面临大气干涉效应问题，在时序InSAR滑坡形变提取中引入GACOS进行大气校正，并通过GNSS观测数据进行验证对比；针对滑坡形变预测前较少考虑时空分析的问题，计算莫兰指数、Hurst指数分析滑坡形变时空特征；针对滑坡形变不仅受历史形变影响，还与多种影响因子密切相关的问题。本文提出将滑坡影响因子与形变量耦合用于滑坡形变预测，并采用结合变分模态分解（Variational Mode Decomposition, VMD）和麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的长短期记忆网络（Long Short-Term Memory, LSTM）模型进行预测。通过VMD分解滑坡位移数据为趋势项、周期项和随机项，构建LSTM网络结构并使用SSA寻找LSTM模型最优的隐藏单元数目、最大训练周期和初始学习率，同时通过数据归一化、正则化和模型评估等方法提升LSTM模型的性能和稳定性，最后利用影响因子与分解后的位移数据训练LSTM模型并完成预测，得到滑坡形变的预测结果。结果表明： ① 2021年1月—2023年6月藕塘滑坡形变最高与最低速率分别为-72.75 mm/a、50.74 mm/a； ② 研究区形变具有正向空间自相关性、沉降区域滑坡形变具有持续趋势； ③ 结合VMD和SSA优化的LSTM模型滑坡形变预测误差仅为0.37 mm，较LSTM的精度提升了11.004%。本文基于时序InSAR技术，结合时空分析结果，构建了一种耦合多个影响因子与滑坡形变的高精度预测模型，为滑坡灾害的防治提供了重要的参考依据。

科学准确地监测红树林物种是保护滨海湿地生态系统的基础和前提。利用多源遥感数据能够有效进行红树林物种精细化分类，但在光学和SAR影像特征及其时间变化信息的应用方面仍存在一定的挑战。本文基于Sentinel-1/2影像数据，提出一种基于多源遥感影像特征耦合和集成学习（Ensemble Learning）算法（Multi-source Features-coupled and Ensemble Learning algorithm, MFEL）的红树林物种分类框架，通过分析光谱指数特征、雷达极化特征及其时序谐波谱特征在特征优选和耦合互补上的分类优势，堆叠随机森林（Random Forest, RF）和极端梯度提升（eXtreme Gradient Boosting, XGBoost）算法，构建红树林物种分类的集成学习分类模型，对比基于特征优选的RF分类模型和XGBoost分类模型，评估MFEL分类方法的分类精度和特征应用差异。本研究以湛江市红树林国家级自然保护区为实验区，实验结果表明： ① 相比于只使用光谱指数特征进行红树林物种分类而言，在增加雷达极化特征或时序谐波谱特征参与分类后，分类精度分别提高了6%和8%；同时增加雷达极化特征和时序谐波谱特征参与分类可以更精准地实现红树林物种分类，分类精度提高了12%； ② MFEL方法分类精度最高，总体精度达到88.03%， Kappa系数为0.86；将使用实验区红树林物种样本训练的MFEL模型迁移至其他区域，物种分类精度分别为83.94%和82.77%； ③ 研究验证了雷达极化特征和时序谐波谱特征在红树林物种分类中的应用潜力，对五种红树林物种分类的精度也有明显提升，分类精度为76%~91%。研究结果对拓展中分辨率遥感卫星影像进行红树林物种监测具有参考价值。

【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。

时空插值可以捕获时空数据中的依赖关系，估计地理现象随时间的几何和属性数据变化。现有的时空插值方法大多未同时考虑数据的长期时间相关性以及全局空间信息，本文结合长短时记忆网络LSTM （Long Short Term Memory）与数据的空间特性构建了时空插值模型：①模型利用空间层剔除弱相关性的信息，提取相关性更强的空间信息输入LSTM网络；②由于传统人工神经网络ANN （Artificial Neural Network）模型无法考虑时间对插值的影响以及单向LSTM模型仅能考虑过去时刻对当前时刻的影响而不能利用未来时刻的信息，本文使用双向LSTM模型BiLSTM（Bi-directional LSTM）体现时间相关性；③为了有效提取全局空间特征并保留BiLSTM双向建模的优势，本文将自注意力机制引入BiLSTM中，构建了融合自注意力的双向LSTM插值模型SL-BiLSTM-SA （BiLSTM Model Fused with Spatial Layer-Self attention）。在实验设计阶段，模型被应用于山东省PM_2.5浓度数据集进行插值效果研究，并与其它模型进行性能比较。实验表明，SL-BiLSTM-SA模型有着更低的误差度量，相较时空普通克里金STOK （Spatio-Temporal Ordinary Kriging）和遗传算法优化的时空克里金GA-STK （Genetic Algorithm-optimized Spatio-Temporal Kriging）精度分别提高了39.83%、36.63%，且能较准确地预测高值和低值。本文融合空间信息，结合BiLSTM和Self-attention构建了时空插值模型，扩展了时空数据的插值手段，为时空数据分析提供了一定的理论和方法支撑。

光学影像和SAR影像具有丰富的互补属性，有效的融合策略可为地物解译提供夯实的信息基础。道路作为条状地物，其拓扑结构、分布规律和应用场景往往会对解译效果带来挑战。基于此，本文提出一种多分支双任务的多模态遥感影像道路提取方法。首先，构建结构相同但参数独立的编码—解码网络分别对光学和SAR影像进行特征提取，并利用道路表面分割标签监督训练；其次，引入SAR影像的编码层特征进行道路边缘检测，并将其中间特征输入至SAR影像的解码层特征，从而优化道路与背景的切割效果；最后，利用设计的通道—条状空间注意力（Channel Attention-Strip Spatial Attention, CA-SSA）充分融合光学影像和SAR影像的浅层和深层特征，从而预测最终的道路提取结果。为验证本文方法的有效性，利用Dongying数据集进行实验，在定量精度评价指标中，本文方法的IoU相比单模态对比方法至少提升1.04%，相比多模态对比方法至少提升1.95%；在定性效果分析中，本文方法在道路交叉口以及低等级道路等重难点区域具有明显优势。此外，在光学影像受云雾影响时，本文方法的道路提取效果最佳。

在大城市出租车队电动化转型过程中，出租车充电需求呈现出充电负荷高、时空分布随机性强的特征。为精确估计出租车队完全电动化转型后的充电需求，本文提出了一种仅基于燃油出租车轨迹数据的潜在充电需求识别概念模型以及基于轨迹地图匹配的二叉树实现算法，为电动化转型滞后地区提供了新的充电需求估计范式。本文使用890辆带有电池状态字段的电动出租车轨迹数据对模型和算法进行验证，结果表明，充电区段数量、充电需求电量等指标的估计误差小于6.5%。此外，模型和算法在不同电池电量消耗阈值θ和不同空间尺度（500、1 000和10 000 m栅格）下具有较高的时空分布估计精度。在此基础上，本文提出以北京市六环内真实道路网为空间分析单元，运用奇异值分解算法对潜在充电需求时空矩阵进行分解降维，以挖掘潜在充电需求的时空特征模式。最后，运用北京市连续3 d共1 913辆出租车轨迹数据进行案例研究，结果表明，北京市出租车潜在充电需求的空间分布呈现出明显的重点区域、关键通道聚集性特征，与该区域的高出行活动强度以及长途出行相关的高密度充电需求高度吻合。分解后的充电需求呈现出常态化充电需求为主导、上下午异质性充电需求以及工作时段和非工作时段异质性充电需求为辅的时空结构特征。该分析方法有助于挖掘潜在充电需求的空间分布结构特征及时空耦合关系，为出租车队电动化转型下的充电基础设施中长期规划、电网负荷调度调节和充电需求管理等提供决策参考。

过度饮酒的危害是中国乃至全球面临的问题。本研究结合经典理论构建过度饮酒行为与地理环境关系的理论框架，使用广州市急救医疗指挥中心受理的公众急性酒精中毒呼叫记录、手机信令等多源时空数据，探究动态地理背景下过度饮酒行为的时空特征及影响因素。结果显示： ① 过度饮酒行为在时间上多发于周末和夜间，在空间上集中于城市商业中心；其空间分布在日间较为均衡，而在夜间较为集聚； ② 过度饮酒行为受酒精可获得性的影响，其与社区的KTV、交通站点密集度正相关。KTV的正向影响在日间主要体现在旧城区，在夜间体现在旧城区、近郊区和开发区，夜间的影响相对明显；交通站点的正向影响主要体现在近郊区，且在日间相对明显； ③ 过度饮酒行为也受部分空间失序因素的影响，其与所在社区的土地建成率正相关，但与建筑楼龄、街景脏乱度等关系不显著。土地建成率的正向影响主要体现在新城区的景观风貌核心地区以及城郊结合部的城中村社区，且在日间相对明显； ④ 过度饮酒行为与社会失序的关系较为复杂且时空分异性较强，其整体上与社区的外地出生人口比例负相关，与低教育人口比例和住宅租金正相关。⑤按照日间和夜间过度饮酒行为影响因素的聚类，分别划分不同的类型区，可针对这些类型区实施差异化的干预措施，以降低过度饮酒的危害。研究揭示了动态地理背景和较小空间尺度下过度饮酒行为与地理环境的关系，弥补了以往的相关研究对动态地理背景和时空异质性考虑不足、分析尺度较大等局限，相关结果能为酒精政策制定和完善、地区治安和卫生资源配置、城乡空间规划设计和相关健康问题的环境干预措施提供参考。