图像超分辨率技术通过提升图像的空间分辨率，增强图像清晰度，增加图像细节信息，实现在硬件条件不变的情况下提高图像质量。鉴于遥感影像具有较大的像幅、复杂的特征表现和丰富的细节，结合遥感图像信息高效获取的需求，本文提出了一种基于条件控制扩散模型（Diffusion Model）的遥感图像超分辨率算法DSR（Diffusion Super-Resolution）。该算 法以同一区域的低分辨率遥感图像为扩散模型的控制条件，与添加噪声后的高分辨率遥感图像拼接作为输入，构建了一个以U-Net为主干，融合残差连接和自注意力机制的深度噪声训练网络，并改进了损失函数以获得更优的超分辨率效果。 本文实验中采用了多时相、多时期的国产卫星高分系列、高景系列的高分辨率遥感图像以及公开数据集Alsat-2B作为测试数据，测试了从32像素尺寸扩大至128像素的超分辨率效果。在这一基础上，将本文提出的算法与Bicubic、SRGAN、Real-ESRGAN、SwinIR等超分辨率算法进行比较，在PSNR和SSIM指标上取得了更好的性能。实验结果表明： DSR算法适用于遥感图像的超分辨率重建，特别是在多光谱遥感图像的超分辨率处理中，能够提升超分辨率结果质量，克服了简单卷积网络只能提取图像浅层特征的局限，避免了对抗神经网络训练过程中难以收敛的问题，显著提升了遥感图像中丰富细节的还原能力。

实现轨道交通和常规公交2个系统的便捷换乘，是推动轨道交通与常规公交网络之间融合发展、打造多模式便捷公共交通系统的基础。本文以深圳市为例，结合手机信令数据和公交刷卡数据，识别轨道交通和常规公交的换乘特征，进而估算各轨道站点的换乘潜在需求量及其换乘需求缺口，同时基于熵权-TOPSIS模型对各轨道站点换乘供给条件进行了评价，结合换乘供需匹配的评价结果与换乘需求缺口，对轨道站点提出了相应的优化策略。研究发现，深圳市地铁-公交换乘潜在需求高的站点多分布在居住人口聚集区附近，中心城区的换乘供需匹配度高，且部分老城区供大于需，但外围站点普遍存在供不应求的情况；从换乘需求缺口来看，部分供应不足但运行高效的站点值得借鉴经验，而那些需求缺口大的低效站点应根据不同的供需匹配情况进行针对性的提升优化。结果表明：基于多源数据评估地铁-公交换乘潜在需求与换乘供给水平的匹配情况，并结合换乘需求缺口来制定换乘优化策略，对于提升地铁与公交换乘服务的精细化管理水平具有重要的参考意义。

相较于城市暴雨致灾事件（如内涝、洪水、泥石流等），现有研究对小粒度、多样化暴雨级联事件（如房屋损毁、地铁淹没等）风险的特征构成及其客观评估关注较少，难以适应城市精准化管理目标；同时，暴雨级联事件的风险评估模型构建面临样本数据风险特征不完备带来的模型效果约束。针对上述问题，考虑空间特征和风险特征的空间关联性，提出了融合风险特征和空间特征的城市暴雨级联事件风险评估模型构建方法。首先，面向不同暴雨级联事件的风险情景，从暴雨基层官员巡检、公民上报和社交媒体发帖数据中提炼级联事件风险特征；其次，以原始风险样本的空间定位为衔接，利用改进的边际Fisher方法从多源空间数据中挖掘空间特征，补充风险特征的缺失；最后，基于机器学习方法建立风险特征与风险类别的关联关系，构建多类别暴雨级联事件的风险评估模型。中国湖北省武汉市的实验结果表明：所提方法能够通过多源空间特征挖掘解决风险评估模型构建的特征不完备问题，实现多样化暴雨级联事件风险评估模型的有效构建，总体准确率、 F₁得分以及AUC分别提升了23%、24%以及25%；同时，针对小粒度承灾体开展多样化级联事件风险评估，有助于更加精准的城市暴雨风险管理。

社区管辖范围在智慧社区场景中应用广泛，高时效性、可靠的社区管辖范围是提供高质量基层服务的基础。然而，目前社区管辖范围面的绘制仍然依赖于基层工作者的人工标注，具有采集门槛高、更新时效低等问题。运用社区下辖区域的空间关联点位，可实现针对复杂社区管辖范围的生成问题，本文提出了一种基于众源地理数据驱动和图神经网络建模的社区范围生成算法CB-GCN，以实现针对复杂关联点位分布及区域划分条件下的高质量、低成本社区管辖范围面生成。基于城市中的多级路网将城市划分为块面，并基于楼栋空间坐标将块面进一步细分为空间单元，再基于空间单元在众源兴趣面及路网块面中的共现关系构造空间关系图；然后，基于图卷积网络计算空间单元之间的近邻关系度，并据此加权聚合计算空间点位特征；最后根据聚合结果 推断空间单元的社区归属，并得到最终的社区管辖范围。实验结果表明，CB-GCN生成社区管辖范围面的效果均优于基准方法，尤其在F₁-score和IoU指标中较基准方法分别提升9.4%和14.4%。CB-GCN实现了社区面管辖范围生成的自动化，显著提升了社区管辖范围兴趣面生成的效率。