地理信息的不断泛化对经典的地理信息分析模式提出了巨大挑战，网络化的知识服务将逐渐成为地理信息应用的新模式，助力地理计算到社会计算的形态转变。地理知识服务需要打通人、机构、自然环境、地理实体、地域单元、社会事件之间的关联，促进知识辅助下的数据智能与计算智能。本文聚焦地理时空知识获取与形式化表达及分析的迫切需求，首先分析了时空知识图谱的基本概念与特征，认为时空知识图谱是指具有地理时空分布或位置隐喻的知识构成的有向图，即以时空分布特征为核心的知识图谱；然后提出了时空知识图谱的研究框架，该框架可实现时空大数据到时空知识服务应用的转变，包括泛在时空大数据、时空知识获取、时空知识管理、时空知识图谱、软件系统及行业应用等多个层次；接着从文本描述地理信息抽取、异构地理语义网对齐、时空知识表达与表示学习等方面，介绍了相关研究进展；结合应用实践，介绍了面向行业的时空知识图谱构建与应用途径；最后，讨论了时空知识图谱研究目前面临的关键科学问题与技术瓶颈，提出在大模型时代，构建显式的时空知识图谱，并针对行业需求开展知识推理，仍是时空知识服务的必由之路。

知识图谱广泛应用于人工智能领域,基于此融合多源地理空间数据并表示地理事物的语义和时空信息,实现“数据—知识”的转换成为人们关注的热点。但现有通用知识图谱的空间知识覆盖度低且存在错误,同时基于维基百科构建的地理知识图谱存在空间关系、中文属性和坐标信息等属性缺失问题。因此本文以地理空间数据和百度百科数据的特征分析为基础,提出了以地理空间数据提取地理实体为主,百度百科补充属性信息为辅的知识图谱构建方式。① 基于GeoSparql设计模式层的地理实体、要素、几何形状和空间关系的逻辑关系;② 通过地理实体提取、实体链接和属性信息填充,在数据层实现空间知识融合;③ 结合关系型数据库和图数据库,设计空间知识存储方式;④ 在实体和关系2个方面定量分析知识图谱的构建规模。结果表明,本文构建的知识图谱中地理实体覆盖度和链接百科成功率相对较高,扩充了地理实体的概念描述信息,并将地理坐标的覆盖率提高到100%,对地理数据到地理知识的拓展具有重要意义。

由于地球表面的时空异质性与复杂性,传统从遥感影像具有的信息特征出发,构建智能解译算法解决遥感地学认知的思路在应对面向全球的海量遥感大数据分析时,其精度和地学实用性已触及瓶颈。为此,本文从地学知识为核心的角度出发,结合当前知识图谱理论的发展,提出一种新的面向遥感大数据分析的地学思维构想——地学知识图谱。本构想将地学知识的概念进行重构,依次划分为数据性知识、概念性知识和规律性知识3个层次,并分别利用图模型的节点和边进行统一化表达和关联,打通不同层次地学知识间的反馈迭代与更新,在此基础上赋予地学知识图谱分析遥感大数据分析时知识的查询检索、知识推理、动态校正、拓展更新等功能。其中,如何构建具有多尺度、高维度特征的地理实体以及大体量、异质性的知识层级间的关联推理是地学知识图谱构想实现的关键难点。得益于知识的分层次和图模型结构的统一化表达,提出的地学知识图谱构想在促进遥感大数据时代背景下的地学知识精准化,提升遥感大数据解译精度和地学实用性,深化地学规律认知等方面应该具有广阔的前景。

新型作战样式对战场环境服务保障提出了新要求，战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题，将知识图谱与战场环境相结合，提出了战场环境知识分类方法，认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式；针对三元组知识表示碎片化的问题，构建了战场环境时序超图表示模型，实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模，将各类知识表示为具备时空特点、场景特点的统一知识超图网络；最后，利用地图、事件、影响过程和作战影响效能等数据进行实验验证，超图网络从语义层面实现了各类战场环境知识的关联，可进一步为实现基于超图的智能推理和服务决策提供支撑。

地球科学（以下简称地学）知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，目前的地学知识图谱研究主要面向实验场景，缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究，导致尚未真正在地学领域现实应用中得到使用。为此，本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求，首先研究了大规模地学知识图谱的构建技术，在此基础上，提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后，以“深时数字地球（DDE）”国际大科学计划为例，开展了面向实际应用的知识图谱平台研发实践。最后，利用该平台，构建了DDE大规模地学知识图谱，开展了知识图谱开放共享，有效实现了知识图谱应用，证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。

命名实体识别（NER）是自然语言处理众多研究基础，其可以被定义为分类任务，旨在从非结构化文本中定位出命名实体，同时将命名实体分类成预定义类别。与英文相比，中文构词灵活、不具有边界性，且缺乏高质量中文NER数据集，导致中文命名实体识别难度较大。细粒度实体是粗粒度实体的细分类型，中文细粒度命名实体尤其是地理命名实体识别难度更大。中文地理命名实体识别无法同时兼顾精度和召回率，改善中文细粒度地理命名实体识别性能至关重要。因此，本文提出2种联合词汇增强模型的中文细粒度地理命名实体识别模型。首先，将词汇作为“知识”注入模型，基于词汇增强方式探究适合细粒度命名实体识别方法，并找出适合细粒度命名实体识别方法BERT-FLAT以及LEBERT；其次，为进一步提升细粒度地理命名实体识别性能，针对上述2种方法在预训练模型、对抗训练以及随机权重平均3个方面进行改进，形成联合词汇增强模型RoBERTa-wwm-FLAT以及LE-RoBERTa-wwm；最后，对联合词汇增强模型进行消融实验，探究不同改进策略对于地理命名实体识别性能影响。基于CLUENER数据集和1个微博数据集的实验表明：① 与无词汇增强功能模型相比，具有词汇增强功能模型在细粒度命名实体识别任务中F1-score提升了10%左右； ② 针对词汇增强方法进行的3处改进使模型在细粒度地理命名实体识别任务中F1-score提升了0.36%~2.35%； ③ 与对抗训练改进、随机权重平均改进相比，预训练模型改进对地理命名实体识别精度的影响最大。

在智能交通领域中，各种信息采集设备积累了海量的多源异构数据，如车辆轨迹、道路状态、交通事件等。如何依据这些海量的交通数据进行关联整合，并利用这些数据进行辅助决策是当前面临的挑战。为应对这些挑战，知识图谱技术由于其具有强大的实体间关联建模能力，在知识挖掘、表示、管理及推理能力等方面显现出了巨大的应用潜力。首先，本文依次针对地理交通图、多模态知识图谱及动态知识图谱的构建技术进行综述，以此展示知识图谱在智能交通领域的广泛适用性。接着对智能交通领域的各类知识图谱构建方法进行介绍。其次，对智能交通领域的知识图谱表示学习技术及知识推理技术进行归纳总结。其中涵盖了多模态知识图谱表示学习的相关算法以及动态知识图谱表示学习的探讨，并展开介绍了动态交通多模态知识图谱中的补全技术和因果推理技术，对于提高智能交通系统的数据理解能力和决策推理水平具有重要的理论意义和实际应用前景。再次，归纳整理了几个应用场景下知识图谱为城市的智能决策提供重要支撑的解决方案。最后，对现有技术瓶颈进行了分析和探讨，并对未来交通知识图谱的关键技术及其辅助应用进行了展望。

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的 2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。

基于位置描述进行空间定位是大数据时代位置服务向智能化转型的关键。针对不同语境中位置描述模糊性差异显著而难以定位的问题，本文提出一种面向模糊位置描述的形式化方法与推理机制。首先，通过梳理人类空间认知规律，明确自然语言中位置描述时关注的要素类型，研究模糊位置描述的形式化表示。然后，基于超赋值理论，从空间对象、距离关系和方向关系3个方面构建模糊位置描述的推理机制。顾及位置描述的上下文语义，利用观察值阈值开展空间推理实现定位。最后，设计收集位置描述的问答系统对方法进行验证。结果表明，本文方法能够依据实际应用场景及时调整位置描述的形式化表示粒度，空间推理结果贴合直观认知。

我国是受台风影响最严重的国家之一，台风灾害严重威胁着沿海地区的社会经济和自然环境。近年来，随着知识图谱相关理论和应用技术的发展，其强大的知识整合与表达能力可以为台风灾害事件的动态监测与管理决策提供有力支持。针对当前台风灾害事件相关模型对时空过程表达不足等方面存在的问题，首先，从台风灾害机理出发，通过对台风灾害事件组成要素和动态特性的分析，提出从概念、对象、状态、特征和关系5个层次建立的台风灾害事件知识表达模型。其次，充分顾及台风灾害事件信息的多粒度特性，在模型中将不同的特征信息统一到各个对象中。为了突出台风灾害事件的时空过程，以状态作为过程在特定时空下的截面。最后，以2021年台风烟花事件为案例，构建了台风灾害事件知识图谱。结果表明，该模型不仅突出了事件中不同对象的特征刻画，通过多个对象的状态序列表达出台风灾害事件的时空过程，进一步提高台风灾害事件的全过程信息表达与存储，为应急决策方案提供有效的数据与决策辅助支持。

地学信息图谱是陈述彭先生倡导的重要理论探索领域。本文根据先生的相关文献和论述,探讨了地学信息图谱思想的内涵,认为图谱是许多领域都采用的表达和分析的方法论,地学图谱是针对地学领域地学现象和过程的图谱,地学信息图谱则强调在地理信息系统支持下,通过定量地学信息（地学数据库）和地理计算实现的地学图谱,以期通过运用地学图形语言进行地理时空表达与分析,用于描述人与自然和谐相处的规律,反演它的过去,评估它的现状乃至预测它的未来。地学信息图谱思想的提出与陈述彭先生的职业生涯密切相关。他青年时期的坚实地理学基础,中年时期将综合地理和地图设计紧密结合的实践,晚年时期对遥感与地理信息系统的引领,促使他集一生在地理科学研究中的丰富理论、方法、技术成果积淀,开辟了这一探索性的地学研究新领域。地学信息图谱是陈述彭先生留给后来者的科学问题。为此,作者根据新近相关领域的研究进展,提出了未来可能的研究方向：全息地图的发展是地学信息图谱表达的重要基础,并有助于进一步发现新的地学现象和新的地学规律。遥感对地表信息的“谱”探知要以地理学“图”分析思想为支撑,它将最终回归于对复杂地表分布与内在发生机理等地理学核心问题的回答。地学信息图谱的认知以人地关系为中心,以实现从客观地理空间到虚拟空间的人地关系新认知构建一套认知理论。地学信息图谱的目标是辅助发现与利用新的地学知识,为实现自动化、智能化的地理知识图谱奠定理论与方法基础。

以图结构表达的知识图谱不仅在语义网络的描述与推理中发挥着重要作用，对于空间实体的结构化抽象与空间推理也具有重要意义。空间实体的联系信息在知识图谱中以图的边记录，通过路径探测、子图对齐、模式发现等基于边的知识图谱计算推理，在空间场景认知可发挥重要作用。地理知识图谱是一种对地理概念、实体及其相互关系进行形式化描述的知识系统，既有通用知识的内涵与特点，也有地理知识特定的时空特征，能够将语义模型和时空模型联系起来，描述语义关系、空间关系和时间关系，在地理知识的表达、理解、获取与推理方面有巨大的应用潜力。现有地理知识图谱的研究工作多集中于语义方面，语义关系的抽取与表达比较丰富，可以支持进一步的地理知识语义搜索等功能；然而地理知识图谱在时空模型上的知识表达比较缺乏，现有的空间关系局限在要素之间，很少涉及空间认知中进一步的分布态势、空间格局等，地理知识图谱在空间语义知识方面有待增强。本文基于知识图谱构建原理，以建筑群地理知识图谱构建为例，实现格网型建筑物模式的识别。先将建筑物抽象成实体，表达为图的节点，基于几何邻近分析提取建筑物之间的空间邻域关系，以此构建建筑群地理知识图谱；在此基础上结合建筑物模式识别的领域知识，进一步推理构建其他的空间语义关系，完善地理知识图谱；再将建筑群场景的格网模式表达为知识图谱的规则，在知识图谱上基于NoSQL语言进行推理。结果表明，本文方法能有效提取建筑物格网模式，验证了地理知识图谱在空间推理上的作用和在领域问题研究中的良好适应性，为地理知识图谱在空间认知领域的应用提供了思路。

随着全球经济一体化的深入推进，海上交通拥堵和船舶事故频发。为了对海上船舶活动进行监管和分析，传统的方法主要利用船舶定位数据进行数据挖掘，未结合其他海上多源数据进行船舶时空活动过程和行为模式分析，缺少深层次的知识挖掘。为此，本文综合利用多源数据，在提取轨迹的语义信息基础上，构建船舶活动知识图谱，为低知识密度的轨迹时空点序列向高阶语义知识转化提供一种有效途径。具体地，首先通过解析船舶活动的特征和组成要素，基于“过程-事件-行为”的核心思想，设计船舶活动知识图谱本体层；然后利用Stop/Move模型提取轨迹语义信息，利用DMCNN模型抽取船舶突发事件，完成实例层填充；最后通过构建原型系统，对上述模型和方法进行验证。结果表明，本文所构建的船舶活动知识图谱，可以支持对船舶常规活动和突发事件进行知识表示，并可以实现时空活动查询和回溯，进而达到语义增强效果，具有一定的应用价值。

湿地作为地表覆盖类型的一种，对于生物多样性与气候变化有着重要的意义，也是人类的基本生存环境之一。为更好地理解和表达湿地知识及分类间关系，本文提出了一种基于本体的湿地知识图谱构建方法。首先，利用GlobeLand30数据、生态地理分区数据，围绕湿地类型、特征分布等要素分析湿地领域知识，提取知识间的语义关系，通过本体建模形成湿地知识图谱的概念框架；其次，融合百度百科数据等进行湿地实体的提取、属性信息抽取，丰富湿地知识图谱的数据层；最后，使用图数据库Neo4j存储实体关系和实体属性，实现了湿地知识图谱构建。本文构建的知识图谱扩充了湿地实体的概念描述信息，探索了顾及时空特征的湿地知识表示方法，为地表覆盖领域的知识图谱构建提供了一个应用范例。

城市正在成为人类社会可持续发展的核心要素。随着大数据和人工智能技术的飞速发展，越来越多的研究致力于数据驱动的城市可持续发展，通过海量多源异构城市数据对城市在社会、经济和生态方面的可持续发展进程进行监测、解释和评估。然而，当前研究往往局限在单一应用场景和单一数据源，缺少对不同城市数据源、不同城市元素之间内在关联的考虑，难以泛化到城市可持续发展的多种场景。因此，本文提出城市商圈/街区知识图谱驱动的城市可持续发展研究框架。首先，从海量多源异构城市数据中构建城市商圈/街区知识图谱本体，建模人、地、组织、商圈和街区等城市元素的关联关系，进一步在本体指导下实现知识融合，构建城市商圈/街区知识图谱。紧接着，围绕城市可持续发展进程的状态监测、现象解释和决策评估介绍城市商圈/街区知识图谱驱动的城市可持续发展应用。最后，以城市社会经济指标预测为典型任务，提出知识注入的跨模态对比学习方案，验证城市商圈/街区知识图谱在相关应用中的有效性和泛化性，为城市商圈/街区知识图谱驱动的城市可持续发展提供典型例证。

面向自然语言的地理空间场景描述一直是地理信息科学的重要研究方向，传统方法更注重空间关系的遍历性描述，难以融合人类空间认知，与人类自然语言有较大的差距。地理空间场景自然语言描述的本质是地理空间二维向量转换词空间一维向量的过程。本文提出M2T空间场景自然语言表达框架，通过空间场景理解、语言合成和注意力感知3个知识图谱，在多源知识图谱的融合机制下，生成自然语言空间场景描述文本。其中空间场景描述知识图谱解决遍历空间关系剪枝难题，同时通过建立空间关系图谱建立空间场景之间关联，支持空间场景连续表达；自然语言风格知识图谱建立空间表达与语言风格的关联，实现了贴切于空间自然语言表达的多样化语言风格；空间关注度知识图谱根据空间场景主体和客体交互状态，建立注意力矩阵捕捉自然语言空间表达的细微之处。以北京故宫为例设计的原型系统，实验表明系统生成结果与人类游记接近，且内容覆盖更完整，风格更多样，验证了M2T框架的有效性，并展现了空间场景自然语言描述应用的潜在价值。

“地、物、化、遥”等地质矿产勘查和科研工作建立了海量的矿产调查数据，蕴含丰富的成矿构造背景、产出地质环境、矿床地质特征、矿床成因模式等与成矿和分布相关的知识。海量矿产资源相关数据向有效成矿规律知识的转换，已逐渐成为提升地质找矿精度的突破口。本文引入知识工程中本体知识表示技术，开展金矿知识图谱构建方法研究。首先，梳理了金矿成矿模式，确定了金矿概念、金矿实体以及地质特征、成矿特征等属性，运用自顶向下的领域本体知识表示方法构建金矿知识图谱的模式层；其次，基于结构化、半结构化和非结构化的多源异构地质数据源，采用深度学习模型实现金矿信息提取和语义解析，丰富金矿知识图谱的数据层，采用自底向上的方式构建金矿知识图谱；最后，基于图数据库开发了金矿知识管理系统，实现金矿数据管理、知识获取、金矿知识可视化表达、知识库管理、金矿找矿知识查询等功能。本文研究成果可形成“数据-知识”联合驱动的金矿找矿方法，为地质勘查工作中识别、控制和管理矿产资源、提升找矿精度提供参考。

网络文本是构建和填补大规模地理知识图谱的重要地理信息来源。但网络文本来源广泛、动态性强、表达方式复杂多样、蕴含地理信息良莠不齐，网络文本蕴含地理信息质量评估面临评估对象多层次、质量维度不明确、评估指标多元化、深层次指标难获取和评估方法多样化的挑战。因此，本文提出了一种网络文本蕴含地理信息质量评估框架（QAF-GIWT）。QAF-GIWT面向网络文本获取地理信息过程，明确了数据源、数据项和数据集3层质量评估对象，针对不同层次评估对象定义了包含相关性、新颖性、可靠性和完整性4个质量维度和相应的量化评估指标，系统地梳理了质量评估过程中所涉及指标计算、指标综合和质量预测方法的特点及其适用性。其中，借助自然语言处理技术及相应的指标计算方法，构建了包含单元地理语义比率、地理语义含量比率、平均地理信息含量比率和地理信息含量比率、地理实体比率、窗口地理信息含量比率等指标。实验中针对马蜂窝等类型网站特性设计了QAF-GIWT框架，针对多层次质量指标的综合评估，采用了层次分析法进行可靠性综合评估，应用实验案例验证了QAF-GIWT框架的有效性。QAF-GIWT提供了一整套囊括质量维度、质量指标和质量评估方法的方案，可辅助进行海量异构动态的网络文本数据源的筛选和从中获取地理信息的过滤，大幅度减小信息获取的复杂度，降低数据存储冗余度。

本文回顾和综述了陈述彭院士关于地学信息图谱的学术思想,该学术思想来源于陈先生的科学实践。他提出了地学信息图谱的相关概念及其类型体系,地学信息图谱是地学图谱与现代信息技术结合的产物。地学信息图谱的核心在于发现地学时空知识和规律,并能为社会经济建设提供应用服务。按研究对象划分为地学各分支学科的信息图谱和各行业的信息图谱,按功能划分为：征兆图谱、诊断图谱和实现图谱。陈先生发展了地学信息图谱生成的技术方法,提出了地学信息图谱的工作流程,促进了地学信息图谱在经济社会发展中的应用。陈先生指出了发展地学信息图谱的创新方向：创新地学大数据获取技术方法,提升地学信息图谱生成智能化与自动化水平,促进地学信息图谱应用的深度和广度。陈先生指出网格地图是地学信息图谱的重要基础。该思想至今对推动地球信息科学的发展及其在解决国家重大战略需求方面,仍然具有重要的指导意义。总结了在陈先生地学信息图谱思想的指导下,在地学信息图谱方面的一些实践探索和结果,包括：发展了基于知识发现的专题信息提取和多数据多知识协同的精细地表要素获取的技术方法,提高了水体、绿被、积雪和城乡聚落提取以及精细土地利用和精细植被类型信息获取的自动化水平和效率;拓展了时空变化图谱的研究和应用,提升了时空变化图谱生成的智能化水平和效率;地学信息图谱在社会经济发展、生态建设、环境保护和灾害风险防控等方面的应用实践已展示出了巨大前景。最后,结合新时代共建全球人类命运共同体和地球科学国际化的重大战略需求,提出了开展全球地学信息图谱关键技术与应用研究,以期实现地表大观测到大数据,再到大知识大应用的提升转化,支撑地表治理体系和治理能力的现代化,提升地学服务经济社会发展的水平和能力,彰显学科特色与优势。

主流地图检索方法多基于元数据文本匹配或图像内容相似度计算，缺乏对用户意图的主动理解，导致检索结果欠佳；而现有意图识别方法无法准确表达与识别复杂地理概念联合约束的地图资源检索需求。为此，本文提出一种顾及地理语义的地图检索意图形式化表达与识别方法，旨在利用相关反馈样本“感知”用户需求，以提升检索精度。该方法通过地理本体约束“意图-子意图-维度分量”模型的构建，实现检索需求的语义化描述；并将意图识别视为组合优化问题，基于最小描述长度准则、顾及地理概念从属关系的样本随机合并策略及贪心搜索实现最优意图识别。实验结果表明，相比基于频繁项集挖掘的RuleGO、决策树的DTHF算法，本文方法具有更高的识别准确度与噪声容忍度；随机合并策略可在不降低识别准确性的情况下有效缩短平均求解耗时；样本增强策略保证算法在样本规模仅为20时仍具有较高识别准确度。该方法可望应用于地理信息门户，提升各类地理信息资源共享与发现的服务品质。

地理模拟作为地理环境模拟与认知的重要方法，是挖掘地理知识、揭示地理规律的重要手段。气象模拟，作为重要组成部分参与到地理环境模拟的诸多方面，影响到地理环境的系统模拟和复杂问题求解。而气象模型专业性强、模拟知识复杂，涉及到输入数据、模拟方案设置等诸多方面，所以如何高效管理及共享气象模拟知识成为亟需解决的问题。本文应用案例推理和知识图谱，统一异构的气象模拟知识，研究顾及语义和图结构相似度的气象模拟知识推荐方法，以提高气象模拟知识的共享能力。 ① 本文基于中文气象模拟文献资料抽取了气象模拟知识，以模拟案例为载体，在知识图谱中构建气象模拟知识库； ② 构建气象模拟案例相似度评估模型，实现顾及语义和图结构相似度的气象模拟知识推荐，该模型一方面利用经过气象模拟语料库训练的Bert（Bidirectional Encoder Representations from Transformers）语义模型挖掘气象模拟知识案例的语义特征，另一方面提取存储在图谱中模拟案例的结构特征，并通过AHP（Analytic Hierarchy Process）层次分析法进行权重设置，从而准确的衡量气象模拟案例的相似度。 ③ 研发了可视化的气象模拟知识共享原型系统，可以根据用户需求推荐气象模拟知识的参数方案，为涉及气象过程的地理系统模拟人员提供知识参考。基于所构建的气象模拟知识库，经推荐准确性和稳定性评估，系统的推荐准确率达到91.3%，研究成果提高了气象模拟知识共享和重用能力。

【目的】随着知识图谱技术在GIS领域应用和发展，地理知识图谱（GeoKG）近年来逐渐成为GIS领域的重要研究方向。GeoKG往往无法确保涵盖所有知识，知识的缺失和不一致性严重影响应用性能，需要采用GeoKG推理技术来自动补全缺失知识、识别矛盾知识、预测地理现象未来发展趋势。区别于通用知识图谱推理技术，GeoKG推理技术需要着重考虑地理知识的复杂时空特性。本文对近年来GeoKG的推理工作进行了全面介绍和总结。【分析】首先，介绍了GeoKG推理的相关概念与问题描述；其次，本文分析了GeoKG推理的二大核心任务： ① 面向知识补全的推理模型，主要用于填补图谱中的空白，确保知识的完整性； ② 面向预测任务的推理模型，旨在通过已有地理数据预测未来的趋势。两类模型各自针对不同的应用场景进行优化，并在地理数据的处理中各有侧重。【展望】展望了GeoKG推理的未来发展趋势，指出未来GeoKG推理技术的发展将更加关注时空数据的复杂关系处理、多尺度地理知识的推理、多模态数据的融合，以及提高推理模型的可解释性与智能化。此外，GeoKG与大规模预训练模型的结合也将成为关键方向。