基于时空数据模型来描述现实世界的时空实体，以及基于时空对象的行为能力建模来控制时空实体的行为动作，既是对GIS时空数据模型的创新扩展，也能够适应数字孪生城市建设中对人、机、物三元融合表达和交互分析的现实需求。作为城市基础设施的重要组成部分，城市感知设施是典型的时空实体，其交互控制的相关研究目前主要集中于物联网、 VR/AR以及GIS领域，而这些领域普遍缺失对基于GIS构建的数字世界中城市感知设施的交互控制研究。针对上述问题，基于全空间信息系统的多粒度时空对象数据模型对城市感知设施的行为能力进行建模，在此基础上提出一种时空对象行为驱动的城市感知设施虚实联动交互控制方法。通过构建设施时空对象的交互控制“五元组”模型，能够支持用户通过虚拟场景与设施实物之间的虚实联动交互控制，从而将基于直接通信指令的城市感知设施交互控制过程在数字世界中进行表达，为数字孪生城市中的感知设施智能化、交互式分析应用提供理论与技术支撑。实验结果表明，所提出的城市感知设施交互控制方法具备有效性与可行性。
为探究共享单车出行的复杂时空规律与特性，揭示城市因素对共享单车出行OD的影响，提高OD预测精度，开展本研究。结合城市计算，考虑疫情、天气、温度、风速与节假日因素，构建共享单车出行OD的时空注意力残差网络预测模型(USTARN)。 USTARN先将共享单车OD数据通过时空特征切分捕捉单车流的时空依赖性，再结合注意力机制进行深度残差学习，最后根据城市因素学习结果调整预测结果。利用从政府数据开放平台获取的深圳市共享单车订单大数据及城市因素数据集，分析共享单车出行时空分布规律及其影响因素。将OD数据集按7:1:2划分为训练集、验证集与测试集，分别进行训练预测、模型参数自适应调整及模型验证对比实验。研究表明，USTARN模型的共享单车出行OD预测平均误差为7.68%，与不含城市计算的STARN模型及传统的CNN， BiLSTM模型相比，误差分别降低了5.93%、7.55%、6.07%，预测精度显著提高。 USTARN模型充分反映了时间、空间、疫情、天气、温度、风速等因素对共享单车出行OD的影响。研究成果对共享单车出行OD的精准预测具有理论指导意义，对该出行模式的推广并解决居民出行“最后一公里”问题具有实际应用价值。
在高斯-马尔可夫假设条件下，最小二乘估计是具有最小方差的最优线性无偏估计量，因此基于最小二乘估计的时空地理加权回归方法在满足此假设时可以获得最优估计，但现实中这些条件有时得不到满足。如果样本数据中存在异常值或者呈厚尾分布，最小二乘回归模型估计值可能会存在较大偏误。而分位数回归受异常值影响较小，相比最小二乘回归更为稳健且应用条件相对更为宽松。更为重要的是最小二乘回归模型只能探索解释变量对响应变量条件均值的影响，而分位数回归可以探索解释变量对响应变量分布的影响（如响应变量的多个分位数），可以挖掘到更为丰富的信息。本文在局部多项式估计原理基础上，提出了基于多带宽局部多项式的时空地理加权分位数回归模型，利用两步迭代估计方法得到系数估计，并且允许不同自变量（影响因素)的最优带宽可以不同。本文通过数值模拟，将该模型与时空地理加权最小二乘回归进行对比，基于分位数回归的系数估计的均方误差和平均绝对误差均比最小二乘估计量小（例如，在0.75分位数，基于最小二乘回归得到的系数估计的均方误差和平均绝对误差分别是基于分位数回归的10倍和4倍），说明本文的分位数回归具有稳健性且可以探索影响响应变量分布的因素。最后以上海市2017—2021年商品房住宅小区为案例对象，应用该方法，探究不同影响因素对不同分位数的住宅价格（如高位房价、中等房价、低位房价）的影响，说明了本文方法的实用性。实际数据研究表明同一个影响因素对不同水平房价的影响效果不同，即同一影响因素系数的时间分布和空间分布在高位房价、中等房价和低位房价存在明显差异，并且不同影响因素的最优带宽也存在差异；与基于最小二乘回归的MGTWR相比，本文的分位数回归模型对于异常值的存在更为稳健（删除1%极端值后基于分位数回归模型拟合的平均绝对误差的变化比基于最小二乘回归模型小1%），并且分位数回归模型可以探究多个水平房价如高位房价、中等房价和低位房价的影响因素。
Triple Collocation（TC）方法是一种可以在未知真值情况下评估3个独立观测样本各自不确定性的方法，该方法使用的前提是误差形式假设与2组不相关性假设，但在实际使用中，这3条假设难以完全满足。其中2组不相关性假设经常面临较大的违背，并且无法得知这种假设违背对结果误差的影响。本文通过虚拟样本实验生成了多组不同程度违背不相关性假设的样本，以定量评估不同程度假设违背对结果误差的影响。结果表明，一般情况下，某一条不相关性假设的违背程度增加时，方法的结果误差会相应地呈线性或平方倍数增加；但当不相关性假设的违背处于某个特定关系时，TC方法结果的误差会突然大幅度增加，这种现象在以往的研究中并没有得到重视，后文将该现象简称为异常点。为了探求异常点出现的原因，本文从理论上推导出了违反不相关性假设与结果误差之间的关系，这种关系呈现为分式结构，而异常点的出现正是这种分式结构所致。异常点的存在影响了方法的稳定性。从差值形式的TC方法的角度来看，抑制异常点的关键在于如何更好地设计缩放系数。本文给出了2种抑制异常点的方法： ① 忽略加性偏差系数，使得缩放系数不受两组不相关性假设的影响； ② 限制缩放系数的上下限。根据实际数据分析，第2种改进方法优于第1种。第2种方法不仅保留了TC方法的准确性，而且有效地避免了异常点的出现。值得注意的是，在实际数据中，部分异常点会以负值形式出现并因计算结果不能为负而被剔除。在使用TC方法进行计算时，重复次数较少的情况下，可以不考虑异常点的影响。
文化景观基因（简称景观基因）是反映传统聚落丰富的历史文化信息与传统文化特征的功能单元，在推动传统聚落保护及其优秀文化资源的深度开发与利用方面有着广泛的应用前景。针对结合空间数据挖掘方法分析传统聚落景观特征的相关研究缺乏，论文结合概念格空间数据挖掘原理提出了景观基因概念格。在此基础上，通过将传统聚落定义为对象，将景观基因定义为概念格的属性，论文设计了面向对象的景观基因概念格分层构造算法（Object-oriented Layered Conceptual Lattice, OOLCL）。论文选取湖南省现存的30个保存较为完好的历史文化名村和名镇为实验对象，同时与经典的Bordat算法进行对比，以此测试OOLCL算法的性能。结果表明，在属性数量大于对象数量的条件下， OOLCL算法通过对象与对象两两之间属性的交集运算减少了算法冗余度，平均时间耗费减少66.61%，显著提升了概念格的构造效率。这说明OOLCL算法能较好地适用于复杂的传统聚落文化要素特征及其相互关系的判别与分析处理，本文对今后结合GIS和空间数据挖掘方法分析传统聚落的重要传统文化特征具有较好的借鉴意义。
我国西部山区滑坡灾害频发，精确评估滑坡易发性对地质灾害防治至关重要。结合统计方法与机器学习模型的集成模型已广泛的应用于滑坡易发性评价，然而对其结果的进一步优化仍值得考虑。本文提出一种耦合统计方法、机器学习模型以及聚类算法的综合评价方法，以宁南县为例，研究其对滑坡易发性评价精度的提升效应。该方法首先将信息量法（Information Value, IV）、确定系数法（Certainty Factor, CF）和频率比法（Frequency Ratio, FR）分别与随机森林模型（Random Forest, RF）结合，得到三种集成模型（IV-RF、CF-RF、FR-RF）。此后，引入ISO聚类算法对三种集成模型的结果进行分级，得到三种耦合模型（IV-RF-ISO、CF-RF-ISO、FR-RF-ISO）。AUC值（Area Under the Curve）、准确率、F1分数和种子单元面积指数（Seed Cell Area Indexes，SCAI）被用于评估模型的精度。结果显示，集成模型性能均优于单一模型，其准确率和F1分数均大于0.85，AUC值均大于0.9。其中FR-RF模型表现最优，准确率（0.911）、F1分数（0.912）和AUC值（0.965）较FR模型分别提升了0.095、0.096和0.074。与自然断点法和Kmeans聚类法相比，引入ISO算法的耦合模型FR-RF-ISO分级效果最优，其高低易发区SCAI值的差异更为显著。本研究成果表明，耦合统计方法、机器学习与聚类算法的综合评价方法具有较高精度，为提高滑坡易发性评价精度提供思路。
国际大洋钻探计划是地球科学中规模巨大、历时长久的国际合作项目，其数据具有来源复杂、存储分散、格式多样等特征。现有岩芯、测井、文献等数据库平台建设较早，数据组织不统一、检索条件单一、分析应用困难，缺少集成且多样的可视化及分析工具，不利于数据的统一管理、有效整合、高效调度、广泛共享和综合利用。针对上述问题，论文首先剖析了全生命周期的国际大洋钻探科学数据产生流程和组织形式，并分析国际大洋钻探数据要素分类和描述体系，构建了顾及全生命周期的国际大洋钻探科学数据模型，在此基础上，提出包含数据组织、数据查询和专题制图的国际大洋钻探科学数据整合和服务应用框架，设计基于弹性搜索引擎数据冷热分离的数据存储、基于要素按需整合思想的数据查询和可定制可配置的钻孔数据专题制图方法，最后开展了在线验证平台研发实践。研究结果表明，本数据模型及应用框架具备支持数据统一存储、多要素查询和灵活制图等能力和特点，可为科学大数据的高效管理和应用提供借鉴。
实景三维是对人类生产、生活和生态空间进行真实、立体化反映和表达的数字虚拟空间，已作为基础数据广泛应用于智慧城市、可视化展览等领域。实景三维模型语义解译是充分发掘实景三维模型的数据价值以实现场景的自动理解与分析的基础。已有的三维解译方法中，存在被遮挡地物解译不完全，不同地物边界解译不准确等问题。针对该问题，本研究提出了一种基于多视角的实景三维模型解译方法。该方法首先模拟成像过程实现实景三维的多视角二维投影，进一步基于二维影像解译快速获取语义信息，最后将多个二维解译结果进行逆投影获得三维语义模型。本研究以深圳大学实景三维模型为实验数据，通过与基于正射影像的三维解译、面向对象的三维分层解译等方法对比，验证本文所提方法的有效性。结果显示本研究提出的基于多视角的解译方法获得了最高的分类精度（总体分类精度为96.69%， Kappa系数为0.942），在正射遮挡区域，以及不同地物边界区域有更好的解译效果。本方法充分利用实景三维数据的多角度信息，具有较高的理论和实践参考价值，为进一步促进实景三维建设及在自然资源监测领域的应用提供了方法支撑。
城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据，构建了中国366个城市的城际人口流动网络。在节点层面，提出了城际人口流动超越指数衡量城市中心性，探索城市中心性的空间聚类特征；在网络社区层面，分析了中国366个城市的月际城际人口流动特征及社群格局。结果表明： ① 城际人口流动超越指数能够有效表征城际人口流动网络中各城市的中心性； ② 城际人口流动网络中各城市根据其中心性形成“高高”集聚分布和“低低”集聚分布的特征； ③ 城际人口流动集聚格局受节假日因素、新型冠状病毒感染等综合影响，在不同月份表现出不同的特征，总体上符合地理学第一定律，并呈现省际分异特征； ④ 城市凝聚子群发现结果表明，成渝、大湾区、中原、关中平原、长三角等城市群人口流动格局较为稳定，具有跨省人口流动融合特征；山东半岛城市群与京津冀城市群的人口流动格局联系密切，出现跨城市群人口流动特征；浙江省省域内人口流动特征逐渐加强；长江中游、海峡西岸城市群仍未形成跨越省界的稳定人口流动社群格局。
在全球气候变暖与城市化进程加快的背景下，城市热环境受到广泛关注。了解城市热环境时空变化和城市空间形态对城市局地气候的影响对于缓解城市热岛效应至关重要。ECOSTRESS在昼夜不同时刻获取高时间分辨率地表温度（Land Surface Temperature， LST）为从精细化时空尺度对城市热环境进行动态评估提供了数据支持。本文基于局地气候区（Local Climate Zones， LCZ）视角，利用ECOSTRESS LST数据探究了北京市六环内夏季地表城市热岛强度（Surface Urban Heat Island Intensity， SUHII）的日尺度时空变化特征以及LCZ类间和类内SUHII差异。结果表明：① 研究区夏季SUHII具有时空异质性，清晨6时左右， SUHII最低，上午10时左右， SUHII达到最高，下午SUHII逐渐下降，傍晚18时左右开始上升， 21时左右达到夜间最高值； ② 在日尺度上，不同类型LCZ表现出显著的热源/汇角色差异。建筑类型LCZ（除LCZ 9）和自然类型LCZ E~F整体上为热源，LCZ 9和LCZ B~C整体上为热汇，LCZ A和LCZ G存在昼夜源汇角色变化； ③ LCZ类内SUHII表现出显著的昼夜和类型差异。LCZ类内SUHII差异在清晨6时左右最小，在下午13时左右达到最大值。建筑类型LCZ中，低层建筑类内SUHII差异总体上高于中高层建筑。自然类型LCZ中，LCZ C和LCZ E类内SUHII差异相对较小，而LCZ D、LCZ F和LCZ G类内SUHII差异相对较大； ④ LCZ类型表现出昼夜不同的热特性和源汇角色变化。LCZ G存在昼夜源汇变化，夜间呈现出明显的城市热源特性。本文所采用的10个时刻的ECOSTRESS LST数据克服了以往利用单一固定时刻的LST数据对于SUHII的高估和低估，所得到的LCZ类间和类内SUHII差异对比结果降低了城市热环境定量研究的不确定性，并为城市热环境源汇景观设计的昼夜权衡提供了理论依据和实践支持。
全色图像和多光谱图像由于光谱和空间尺度上的差异，融合结果容易出现光谱失真或空间失真。如何同时实现两个尺度上的对齐，是提高融合效果的关键。传统的SFIM（Smoothing Filter-based Intensity Modulation）遥感图像融合方法可以保证光谱尺度上的一致，但在衡量空间尺度一致上还不够精确。针对此问题，本文提出了一种基于局部方差互信息的空间尺度对齐方法，并在平均梯度一致性的约束下进一步改进SFIM方法。该方法首先对多光谱各波段线性拟合生成多光谱强度图像，并对高分辨率全色图像进行高斯低通滤波，改变滤波参数循环计算2幅图像的局部方差图像间的互信息，当互信息最大时，高斯滤波参数为最佳滤波估计参数；然后，用该高斯滤波器卷积高分辨率全色图像，得到与多光谱图像空间尺度一致的低分辨率全色图像；之后，高低分辨率全色图像间比值处理得到细节图像，以高分辨率全色图像平均梯度为基准，引入调节系数控制细节图像的注入量；最后，细节图像、调节系数与多光谱图像相乘得到融合图像。为验证本文方法的有效性，在IKONOS和Quickbird两种数据集的植被区、建筑区和混合区3个不同场景六组图像开展融合实验。实验结果表明，对于KONOS数据，本文方法3组实验在光谱保持指标SAM上均位于第二，信息量EN有2组第一，对于Quickbird数据，本文方法3组实验在SAM、EN和AG3个指标上均为最优，具有较好的光谱保持能力和信息丰富程度；空间信息保持指标SCC值虽非最佳，但与SCC值最佳的AGSFIM方法相比， 4组实验的SAM、EN和AG这3个指标整体明显优于对方，而与SCC值相近的GSA或SFIM方法对比，本文方法在6组实验中其他3个指标的也均优于对方，平均提升了13.39%、39.52%和34.03%。同时，本文方法在目视效果上也有较为不错的表现，融合真彩色图像与原始真图像彩色差异较小，图像清晰度基本近似全色图像。融合场景方面，本文方法对于植被为主或混合区域，光谱保持优势明显，图像信息量较为丰富；以建筑为主的场景，融合结果的光谱、 信息的丰富程度和清晰度也具有不错效果。
静止气象卫星产品在天气监测和气候变化应用中发挥着重要作用。受天气状况影响，静止气象卫星地表温度经常存在缺失现象，严重影响着地表温度产品的深入应用。在地表温度缺失值的时间维重建过程中，现有研究大多是比较了不同时间维重建方法的精度，而有关数据缺失时段对模型能否有效重建的影响研究较少。本文以黑河流域为例，基于INA08温度日循环模型，通过模拟实验分析夏季FY-4A（风云4号A星） AGRI（Advanced Geostationary orbit Radiation Imager，先进的静止轨道辐射成像仪） LST（Land Surface Temperature，陆地表面温度）数据缺失对重建结果精度的影响，提出了不同缺失时段的数值替换方案，并采用真实数据对理论实验分析结果进行验证。结果表明：① 缺失第二时段（13—15时）对重建结果的影响可忽略不计，缺失第五时段（次日0—6时）对重建结果影响最大；② 随着缺失时段的增多，参与INA08模型拟合的遥感反演原始值减少，精度也有所下降；③ 模拟实验总结的缺失时段数值替换方案对INA08模型重建FY-4A AGRI LST具有一定指导作用,缺失时段某个时刻被替换为其他时刻地表温度后，能够显著提高缺失数据重建精度。
研究城市臭氧空间分布模式有助于分析污染成因，也能够为污染防治提供科学依据。但过去多基于站点数据分析浓度平均分布的概括性特征，对全域浓度分布平面的描述有限，也很少进行分类研究，无法更全面地看待污染分布的多种模式及其时间变化。本研究利用由卫星数据建模估计的臭氧日最大8 h滑动均值分布数据，针对臭氧空间分布模式标签化的难度提出一种面向小样本的半监督学习方法，以北京市为例进行分类实验。实验发现： ① 2020年数据经预处理后以40个训练样本对249个测试样本进行分类，总体分类精度达81.12%， kappa系数达0.741 6，说明在小样本条件下半监督方法取得了较好的分类效果；② 分类得到的8种模式中，“（东）南高（西）北低或东高西低”的模式1、“（西）北高（东）南低”的模式2以及“中心低”的模式6为主要模式，分别在暖季（3—10月）、冷季（11—次年2月）和冷暖季过渡期占据主导，这一时间规律反映出区域传输和光化学反应的季节性影响； ③ 将2020年的训练样本迁移至2019年进行分类，在取得较高精度的同时也对上述规律进行了验证。以上结果表明，本研究提出的空间分布模式分类方法能够为全面确定高污染的防治区域以及分类研究不同污染事件的成因提供支持。
土壤有机质含量是衡量土壤肥力的重要指标，对粮食生产具有重要影响。我国滨海盐碱地分布广阔，土壤有机质呈现显著的空间异质性。传统的“实地采集-实验测量”的方法费时费力，难以快速描绘盐碱地区土壤有机质含量的空间分布特征。因此，采用遥感技术对土壤有机质含量进行高效且精准地反演，可以快速了解土壤肥力，从而调整与优化农业生产与管理。本研究以黄河三角洲典型滨海盐碱地裸土（0~10 cm土层）为研究对象，通过提取土壤的无人机遥感光谱与空间纹理信息，构建并筛选遥感指数。分别采用多元线性逐步回归、偏最小二乘以及随机森林模型对土壤有机质含量进行反演，并对比分析耕作与未耕作处理对反演的影响，同时探究融入对土壤盐分含量敏感的遥感信息是否可提高盐碱地区土壤有机质的反演精度。研究结果表明：① 在土壤有机质含量反演中，随机森林模型的反演精度（R2为0.83~0.95）显著高于多元线性逐步回归（R2为0.26~0.69）和偏最小二乘模型（R2为0.37~0.72）；② 与未耕作土壤（R2为0.26~0.95）相比，耕作处理下的土壤有机质的反演精度较高（R2为0.54~0.94），即土壤的耕作处理能提高光谱指数对于土壤有机质含量的响应，从而提升土壤有机质含量的反演精度，为更加精准地监测土壤有机质提供新思路；③ 融入遥感纹理信息或土壤盐分含量信息（盐分实测值和盐分敏感指数）可显著提高土壤有机质反演精度。本研究将为提升田块尺度滨海盐渍化农田的土壤有机质含量反演提供理论与技术支撑，从而促进滨海盐渍化地区现代化农业的发展。
油田高后果区是石油输送管道安全管理的关键区域，准确获取油田高后果区地表信息至关重要。针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战，提取结果出现错提、漏提、道路不连续的问题，基于ResUnet模型提出了一种适用于油田高后果区地物提取SML_ResUnet模型，该模型在池化阶段引入条形池化单元，在编解码之间加入混合池化模块和标签信息注意力模块。条形池化单元能实现对长条形孤立信息的捕获，混合池化模块兼顾标准池化和条形池化优点，最大程度保留不同位置区域的特征信息，标签注意力模块引入标签信息来优化注意力模块中生成的注意力概率图，从而进一步提高模型提取结果。在油田高后果区高分辨率数据集上的消融实验结果表明，SML_ResUnet网络提取结果最优，其中OA 、MIoU、 F1-score 分别达到了97.24%、84.23%、91.26%，相较于经典模型ResUnet各评价指标均有提升，其中OA 、 MIoU、 F1-score 分别提升了0.48%、2.49%、1.55%。在山东省某油田高后果区提取任务中，提取结果的总体精度平均为97.66%，适用于具有多种复杂地物类型的大范围油田高后果区内提取任务。
