【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】 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】 “以人为核心的新型城镇化”国家战略对精准把握城市居民时空行为规律提出了全新要求，驱动地理信息科学从“以地为中心”的静态空间分析范式，向“以人为核心”的微观动态城市人地关系解析范式变革。本文旨在回应这一战略需求，尝试构建了“行为地理计算”的理论与方法体系。【分析】 本文首先界定了其核心研究对象为虚实混合空间中、具有多维语义特征、连续能动的人类时空行为。在此基础上，构建了行为地理计算的理论框架。接着，结合笔者团队的研究实践，综述了在时空行为表达与存储管理技术、行为数据处理与语义补全技术、行为数据挖掘与知识发现技术、时空行为高精度模拟与仿真方法、行为分析与城市系统适应性评价方法、人本化城市系统优化和规划辅助决策方法等关键方向取得的前沿进展，初步验证了该理论方法体系的可行性、实用性和先进性。【展望】 本文展望了行为地理计算在融合地理人工智能、赋能相关学科发展以及支持城市规划管理决策的广阔前景。
【意义】 大语言模型（Large Language Model, LLM）的出现为重构以语言为中心的人机交互方式提供了新的技术基础。与依赖图形界面和基于规则操作的传统交互模式不同， LLM在语义理解、任务抽象和推理方面表现出强大的能力，使语言能够成为组织复杂分析过程的高级接口。虽然LLM与空间信息技术的融合仍处于实验阶段，但相关研究已初步显示出其在地理空间任务理解、推理和分析中的应用潜力。这些研究表明， LLM可能会为组织领域知识以及协调多步骤地理空间任务提供新的机会，从而为地理信息系统智能化发展开辟新的方向。【进展】 为系统探究LLM在复杂空间任务中的适用性及面临的关键挑战，本文回顾了2023年以来发表的地理空间语言模型（Geospatial Language Model， Geo-LLM）相关学术文献，按照地理空间任务类型对现有研究进行归纳与分析，开展以下工作： ① 整理LLM在地理空间任务中的研究案例； ② 梳理Geo-LLM的能力与系统功能； ③ 总结LLM与领域知识、空间数据和分析工具协作的关键技术，反映出在Geo-LLM工作流中整合各类资源的常见策略，包括：通过地理知识注入提升模型的领域认知能力；通过空间数据与工具增强扩展模型的数据处理能力；通过设计推理链与任务规划机制优化模型在复杂空间分析任务中的推理与决策能力。【展望】 在此基础上，本文进一步从多源数据组织、智能体工作流管理、语言模型空间认知与推理、系统评价体系以及基础模型构建角度，讨论LLM与空间技术深度融合面临的挑战与未来前景。本文围绕可应用、可解释与可控的地理智能系统构建展开论述，旨在促进生成式人工智能与地理空间任务的深度融合，以期推动地理空间人工智能的进一步发展。
【意义】 自然资源监测主要是对自然资源自身变化及人类活动引起的变化情况进行检测和监管，为自然资源管理和科学决策提供依据。当前各类监测手段的协同性需进一步加强，并存在侧重宏观监测，对局部或重点区域的监测不够精细，实景监测场景与三维模型形成无法统一的空间基准等问题。【进展】 本文提出了自然资源“天空地”智能感知与实景监测体系的主要构成，通过整合卫星遥感、无人机和地面感知等多层次、多尺度的监测手段，集成地理空间智能（GeoAI）技术，实现对自然资源及其变化的实时监控和精准分析；详细探讨了基于改进的时空双自注意力特征模型Res2Net的遥感影像自然资源多要素变化检测、无人机巡检监测模式与改进的航迹规划遗传算法、塔基视频目标检测定位以及点位布设优化、基于视锥体的实时视频与三维地理场景融合与参数解算几种关键技术与应用。【展望】 未来随着自然资源业务壁垒的进一步打通，弱监督/无监督遥感深度学习、多模态融合与协同、智能体等技术的成熟，有望建立“山水林田湖草沙”各类相关要素统一的监测体系和智能感知平台。
【目的】 建筑设备的任意局部管段或管件连接失效都可能通过网络耦合效应扩散，导致排水、供气、通风等服务功能的受损或中断，进而影响建筑运行的安全性和稳定性。然而现有研究尚未从“管段-管路-管网”的整体视角深入揭示其作为空间网络在拓扑组织、层次结构与抗毁性演化等方面所固有的结构复杂性。【方法】 为此本文提出了一种基于复杂网络的建筑设备建模与抗毁性评估方法，通过将建筑设备的语义连接信息及三维模型几何连接关系相结合，利用Stroke思想将建筑管段、管件等数据转化为几何连续、语义一致的FSM（Flow-segments Stroke Model），深入挖掘FSM的无标度、小世界、社区性特征，并依据不同层次的拓扑结构特征进行了失效模拟与量化分析。【结果】 研究结果表明， FSM中存在独特的低聚类、高模块度、短路径特征。基于复杂网络的评估框架有效揭示了系统抗毁性的非对称演化规律，在随机失效情景下设备网络具有较强抗毁性，在冗余系数β>0.1时最大连通子图比例可恢复至95%以上，表明适度的冗余度能够显著增强系统对意外干扰的抵御能力；但在针对关键节点或区域的蓄意攻击下极度脆弱，仅移除前0.5%的节点即可导致网络连通性下降50%，即使冗余系数增加为1.0，网络的连通性依旧只能恢复到50%，表明FSM对核心节点的依赖度较高。且不同物理形态的建筑设备的抗毁性具有一定的差异，矩形结构的建筑设备抗毁性最优，而树状结构最差。【结论】 研究从拓扑全局视角定量揭示了建筑设备的内在复杂性，对建筑运维阶段的安全评估与智能化管理具有重要意义。
【目的】 热融滑塌是多年冻土区具有破坏性的热侵蚀灾害，热融滑塌易发性评价对保障寒区工程安全与维护生态环境稳定至关重要。祁连山作为西北重要的生态屏障，近年受气温升高和极端降水影响，多年冻土严重退化，致使热融滑塌灾害频发。【方法】 本文提出了一种面向热融滑塌易发性评估的边感知残差密集连接图神经网络（Residual Dense Connected Graph Neural Network, RDCGNN）方法。该方法主要包括： ① 使用斜坡单元而非栅格单元构建地理图，以保持地貌完整性； ② 设计RDCGNN架构，其中包含一个边感知动态卷积算子，以明确地对边属性进行建模，从而实现各向异性信息聚合； ③ 集成了残差和密集连接，以融合多尺度特征并缓解深度网络中的过度平滑问题。【结果】 本文选取祁连山作为实验场景，实验结果表明：提出的RDCGNN方法性能优于基准模型（RF、SVM、GCN、GAT、GraphSAGE），获得了94.05% 的AUC和94.59% 的F1分数。该模型有效抑制了背景噪声，从而实现了对高风险区域最精准的界定。SHAP可解释性分析表明，本文选取的14个热融滑塌影响因子有效支撑了RDCGNN模型对热融滑塌复杂成因的深度解释；其中，降水与距道路距离是祁连山热融滑塌的主控因子。【结论】 本文通过构建残差密集连接图神经网络模型，显著提升了祁连山热融滑塌易发性评估精度，实现了祁连山热融滑塌高易发性区域的精准识别。
【目的】 针对无人机侦察环境下地面车辆越野路径规划对安全性与隐蔽性的迫切需求，本文提出了一种融合双向流场与人工势场法的智能隐蔽路径规划方法。【方法】 首先，基于数字高程模型（DEM）与地形坡度数据，构建了精细化越野通行环境模型，并引入人工势场法生成随距离衰减的自适应地形势场，以量化地形起伏对车辆通行能力的影响。其次，面向动态战场环境中规避侦察的实际需求，引入流函数构建绕避侦察区域的动态流场，并提出创新的双向流场机制。该机制依据车辆、侦察机与目标点三者的实时位置关系，动态调整流场方向，克服了传统流函数仅支持单侧绕障的局限性，从而显著提升路径的平滑性与隐蔽性。最后，在河南省登封市复杂山区开展多场景仿真实验，设置包括直线、环形与折线运动模式的侦察机，全面验证算法性能。【结果】 本文算法在路径长度上表现均衡，尤其在隐蔽性方面实现全程零暴露；相较于改进A*、改进RRT*及改进人工势场法等对比算法，本文算法在运行时长上缩减了至多28.04%，路径通过时间上缩减了至多11.13%。且平滑度更优，有效避免了路径抖动与不必要的转向，增强了实际可通行性。【结论】 本研究验证了所提方法在动态侦察环境下保障车辆安全、隐蔽、高效通行的有效性与优越性，为复杂战场环境下的智能路径规划提供了新思路。
【目的】 随着眼动交互技术在地图应用中的普及，用户的个体差异可能直接影响交互效率与要素选择的准确性，有必要在交互设计中予以系统考量。【方法】 本文通过眼动地图交互实验，对性别与空间定向能力在地图要素选择行为上的差异进行实证分析。研究基于消费级眼动仪Tobii Eye Tracker 5构建眼动交互平台，通过设置注视时长阈值与空间缓冲区实现要素选择。用户实验共采集75名有效被试数据（男性30人，女性45人），每位被试在眼动交互模式下完成6种不同难度的点、线、面要素选择任务共90项，并采集反应时间、NASA-TLX任务负担及多项眼动特征指标。通过圣巴巴拉方向感问卷（SBSOD）评估被试的空间定向能力，并在不区分性别的前提下，以全体样本得分均值为界将被试划分为高、低空间定向能力组。随后，采用双因素方差分析方法探究性别与空间定向能力的主效应及交互效应。【结果】 （1）在反应时间与任务负担上，性别与空间定向能力的差异均不显著；（2）在眼动特征方面①最终选择注视阶段，男性注视时长显著低于女性； ② 其余注视阶段，男性注视离散度显著高于女性，高空间定向能力组注视时长则显著长于低空间定向能力组； ③ 高空间定向能力组注视频率显著更低，且该效应在男性中尤为明显。【结论】 研究揭示了不同性别与空间定向能力用户在眼动地图交互中的认知差异：男性倾向采用全局概览策略且决策执行更快，女性则偏好局部特征扫描与谨慎核查；高能力组倾向采用深层、系统化的信息加工模式，低能力组则偏向浅显、碎片化的加工模式。该结论为眼动地图交互参数的个性化适配（如注视阈值与缓冲区动态优化）提供了实证支持。
【目的】 红色旅游在传承革命文化、推动爱国主义教育和促进区域旅游发展中发挥着重要作用，已成为我国旅游体系的重要组成部分。但现有研究多集中于资源保护、价值阐释及游客情感分析等维度，且游客行为模式挖掘主要依赖路径聚类、特征统计等传统方法，尚缺乏系统性的红色旅游典型线路识别与游客行为模式综合分析框架。【方法】 本文以长沙市为例，依托大规模手机定位数据，构建TF-IDF-KMeans模型识别出17条典型红色旅游线路，并从游客在各线路中的时空特征、红色景区功能定位与游客偏好3个维度展开分析。【结果】 结果表明： ① 长沙市红色旅游线路可归纳为6类模式，不同模式在空间分布、活动强度与游览深度上差异显著。其中，“红色教育”模式活动半径最大，体现出较强的跨区域流动性；“红色+文化古迹”“红色+休闲娱乐”“红色+自然景观”则呈现紧凑高效的“特种兵式”游玩模式。② 典型线路中红色景区功能分化显著：橘子洲多作为起点，岳麓山常为枢纽节点，远郊红色景区则在外围线路中发挥补充作用，形成由核心区向外围延伸的层次格局。 ③ 游客在景区选择上表现出显著的群体差异：男性偏好政治文化型，女性倾向复合休闲型；青年注重旅游效率，中老年强调教育与体验；外地游客偏好全景式，本地游客更青睐低时间成本的短线出行。【结论】 本文通过引入TF-IDF文本挖掘方法系统识别红色旅游线路，拓展了旅游地理学中游客时空行为模式的研究体系，同时为红色旅游资源整合、线路优化及景区差异化发展提供了理论与实证支撑。
【目的】 针对传统无人机影像深度估计和网格重建计算效率低，重建质量不佳等问题，本文提出一种融合TSDF与全局平面先验的在线深度估计和网格重建方法。【方法】 首先，利用历史帧深度融合的截断符号距离(TSDF)场光线投射出当前帧降采样的先验深度和法向图，在此基础上计算平面单应变换的多视图匹配代价提升大视差变化区域的匹配代价精度，在代价融合阶段考虑代价比策略剔除遮挡区域的误匹配代价提升融合代价准确性，最后使用半全局代价聚合算法获取降采样的初始深度图；其次，为了获取高分辨率深度图，在降采样初始深度基础上增量式融合全局平面信息，利用全局平面信息优化原始分辨率图像的匹配代价，提升弱纹理、重复纹理区域的深度精度，利用初始深度约束深度搜索范围降低代价计算和聚合耗时；最后，将优化后的深度图增量式融合到TSDF场提取表面网格。【结果】 通过4组典型区域的无人机影像数据对本文方法生成的深度图和网格进行定性和定量评价，结果表明本文方法能够生成精确、完整的深度图和表面网格。其中，本文方法生成的深度图和表面网格平均绝对误差分别小于0.232 m和0.196 m，相比于对比方法中精度最高的Mobile3DRecon，精度分别提升了19.2%和19.3%。此外，本文方法的平均单帧重建耗时较PatchmatchNet、 Mobile3DRecon分别降低了39.9%和32.1%，达到了优于1秒每帧的在线重建速率。【结论】 本文方法有效提升了弱纹理、重复纹理及大视差变化区域中深度估计与网格重建的精度和完整度，可以满足无人机影像在线重建的需求，对自然灾害应急响应等需要快速获取深度和网格的场景具有潜在应用价值。
【目的】 场景图生成（Scene Graph Generation）旨在构建描述目标实体及其交互关系的结构化图，是实现遥感影像高层语义理解的关键技术。然而，现有方法在面向旋转框密集目标场景（如停车场、停机坪）时面临严峻挑战。单阶段方法因依赖显式三元组查询在关系数量爆炸时模型鲁棒性差，且普遍缺乏旋转框支持；两阶段方法因先检测目标后判别关系的级联架构导致误差传播、参数量庞大难以实用化。【方法】 为突破上述瓶颈，本文提出首个面向旋转框目标的单阶段框架RotatedSGG。该架构首先集成自适应大核选择机制（LskNet），有效应对遥感影像目标尺度差异大的挑战，强化对多尺度目标及复杂上下文的感知能力。其次，摒弃显式查询，将全局关系隐式建模机制适配于单阶段旋转框目标检测器，高效鲁棒地建模密集旋转目标间的复杂关系。同时，创新性地将解码器输出的多个特征融合，构建中心点引导的关系表征，协同融合目标全局位置与局部轮廓信息，显著提升关系判别力。最后，针对大幅面影像不适配的问题，设计分块训练与全景关系图无缝融合后处理策略，避免了局部推理导致的碎片化问题，实现高精度、空间连贯的全景关系重建。【结果】 在首个用于场景图生成的大型卫星图像的大规模数据集STAR上，针对场景图检测任务SGDet。RotatedSGG在召回率R@k(k= 20/50/100)上相比主流单阶段方法EGTR提升了0.49%/0.9%/1.25%。更仅需级联两阶段方法约1/10的参数量，平均多标签召回率mMR@k(k=1 500/2 000）达到13.99%/14.47%，调和多标签召回率HMR@k(k=1 500/2 000）达到18.57%/19.10%，相比于当前最优的两阶段方法RPCM， mMR@k (k=1 500/2 000）领先2.46%/2.40%，HMR@k(k=1 500/2 000）领先2.37%/2.14%。【结论】 针对旋转框密集目标场景设计的 RotatedSGG，其轻量化设计与稳定的性能表现，有效应对了该条件下的场景图生成挑战，为遥感影像结构化理解提供了可行的解决方案。
【目的】 遥感图像因成像传感器、气候及地理环境等不同而存在显著的领域差异，导致目标检测模型在实际场景中泛化性能下降。这一现象在特征稀疏、对风格变化敏感的小目标上尤为明显。【方法】 针对上述问题，本文提出一种基于FFCA-YOLO的遥感小目标域适应检测方法（DA-FFCA）。本模型创新性主要体现在2个部分： ① 在均值教师框架中设计了面向目标域的数据增强模块，融合约束式自适应实例归一化策略（C-AdaIN）与特征级小目标掩码保护机制（F-SOMP），在强化风格多样性的同时有效保留小目标的结构特征； ② 设计了多粒度自适应伪标签分配器（MG-SPA），通过为不同类别设计自适应阈值，缓解了训练初期低质量伪标签对模型的负面影响，从而在长尾分布场景下生成高质量标签。【结果】 在不同卫星、无人机到卫星、虚拟到真实三类跨域场景下的实验结果表明，本文方法在目标域上的mAP分别达到63.8%、67.3%和72.2%，不仅显著优于仅在源域训练的基准模型（提升幅度达12.0%~14.4%），也超越了SFA、EPM、SFYOLO等多种主流对比方法。消融实验证实，所提SO-SAAM与MG-SPA模块可分别为模型带来5.7% 和3.5% 的精度提升，且在推理阶段参数量仅7.1 M、速度达107 FPS，达到了精度和效率的平衡。【结论】 DA-FFCA方法在不同成像条件、平台来源和虚实场景之间均表现出稳定的域适应能力，验证了其在现实跨域场景中具有良好的有效性与鲁棒性，为解决遥感目标检测中的域偏移问题提供了可行方案。
【目的】 气候变化引发的极端天气事件频发，严重威胁全球环境与人类健康。现有热舒适度数据集在时间或空间分辨率方面存在一定的局限性，难以满足区域尺度精细化评估的需求，亟需发展高分辨率的热舒适度指数集。【方法】 为此，本文基于Google Earth Engine（GEE）平台，融合多源时空数据，构建了一套高精度热舒适度多指数数据集的生产框架。首先，评估了不同机器学习算法估算关键气象变量（气温、风速、湿度）时的精度，选取最优模型估算1 km气象变量；其次，结合平均辐射温度（MRT）和估算所得1 km关键气象变量，利用各指数计算模型得到1 km逐日各热舒适度指数。【结果】 所构建的2019年陕西省逐日1 km多种热舒适度指数数据集包含通用热气候指数（UTCI）、表观温度（AT）、酷热指数（HI）、湿润指数（Humidex）、风寒温度（WCT）。评估结果表明： ① 相较于GEE所支持的其他机器学习模型，随机森林在气温、风速和相对湿度估算中均表现最佳， R²分别为0.982、0.667和0.870； ② 气温和相对湿度估算结果在时间上和空间上与站点观测高度一致，而风速在复杂地形区域精度相对较低； ③ 基于2019年陕西省站点观测数据的五折交叉验证结果表明，高分辨率关键气象变量作为指数模型输入时，显著提升了热舒适度指数的空间细节和估算精度， 5种指数的R²均在0.968以上， RMSE在1.362~2.441 ℃之间。与现有热舒适度数据集及站点观测数据的对比分析表明本文数据集时空分辨率较高，空间细节表达更丰富，估算精度更高。【结论】 本文提出的热舒适度生产框架可为区域尺度热环境演变研究及热风险评估提供高分辨率数据支撑。
【目的】 基于异构遥感影像的多模态变化检测（MMCD）是监测地表变化的关键技术。然而，该技术面临重大挑战，主要集中在于弥合多源成像系统（如光学-SAR）固有的模态差异，同时实现跨模态语义对齐与异构地理空间变化的精准识别。但现有方法多聚焦于单模态特征优化或多模态浅层特征融合，未能充分解决跨模态语义对齐这一核心问题。【方法】 针对以上问题，本文提出了一种多粒度对齐与频率自适应融合的多模态遥感影像变化检测方法（Multi-granularity Alignment and Frequency Adaptive Fusion Network， MAFFNet），专门用于处理异构遥感影像。该方法通过多粒度语义对齐与频率自适应的模态特征融合，有效弥合了异构影像间的知识鸿沟。首先，在特征级对齐阶段，采用预训练的视觉基础模型（VFM），实现光学模态向异构成像域（如SAR）的分层视觉知识迁移。其次，在图像级对齐时，通过结合损失约束的深度结构表征学习与对比学习机制，加强跨模态高层特征的语义一致性。最后，为获取多模态异构影像的空间细节，引入了模态耦合注意力机制，利用频率加权的注意力机制动态融合模态特有的互补特征。【结果】 本文在2个基准多模态变化检测数据集（Wuhan和BRIGHT）上进行了实验，实验结果表明， MAFFNet在Wuhan数据集上，与DTCDN、HGINet、HeteCD等主流方法相比，较次优模型HeteCD， F1分数提升1.21%， mIoU提升0.68%。这些增益在更具挑战性的BRIGHT数据集上，相较于次优模型Sigma扩展到8.20%（F1）和4.39%（mIoU）。这种跨数据集的性能一致性验证了MAFFNet在复杂场景中的有效性和鲁棒性。【结论】 本文方法有效提升了基于异构遥感影像的多模态变化检测精度，为灾害响应和环境监测等应用领域提供关键技术支持和信息支撑。
【目的】 时序节律描绘了人口流动的动态过程，蕴含着更直接的城市功能信息。然而，现有研究多集中于网络特征，对时间序列形态所蕴含的功能信息关注有限，缺乏在时序特征与城市功能类型之间建立系统联系的分析框架。【方法】 本文提出一种“时序特征-网络结构-功能角色”的分析框架，以整体识别城市在全国人口流动网络中的功能与角色。在时序特征层面，基于2022年12月20日—2023年12月20日全国366个城市的日尺度人口净流量时序，将城市划分“先流出后流入型”(Ⅰ类，87城)与“先流入后流出型”(Ⅱ类，279城)两大集群，并识别各集群细分的节律子型及对应的空间格局；在网络结构层面，利用点度中心度衡量城市流动规模，通过加权介数中心性刻画城市在跨区域流动中的中转枢纽能力，构建人口流动网络中心性与连通性的结构性认知；最后，将时序节律特征、网络特征与空间格局联合解释，实现城市功能角色的综合识别。【结果】 全国人口流动网络呈现显著的“核心-边缘”结构，人口流动高度集聚于长三角、珠三角、京津冀与成渝城市群，北京在全国尺度上表现出突出的中转控制能力。从时间节律看，366个城市可划分为两类宏观流动模式，并进一步细分为5类节律子型，其中高频巨幅型城市50个，节假日期间人口流动峰谷差达百万人级；其余中频低幅型（37城）、高频中幅型（106城）、中频中幅型（108城）和中频高幅型（65城）在波动频率与幅度上呈现连续梯度分化。在融合网络结构与时间节律特征的基础上，识别出7类具有明确功能指向的城市人口流动角色，包括在全国或区域尺度承担人口流动组织与调度功能的综合型中心城市、在跨区域流动中发挥关键中转与通道控制作用的交通枢纽型城市，以及以节假日脉冲式流动为主要特征的旅游目的地型城市等。融合结果进一步表明，高频巨幅型城市主要集中于综合型中心与交通枢纽角色，其中39个与国家或区域中心城市定位一致，37个符合全国或国际性交通枢纽规划；同时，珠海、嘉兴、温州等10个未纳入国家级中心或枢纽体系的城市，显示出向国家级中心城市及交通枢纽演化的潜力。【结论】 本研究构建的融合框架实现了对城市功能角色的精准识别，揭示了全国人口流动网络的“核心-边缘”结构与多层级功能分化格局，验证了国家城市体系规划的科学性，同时识别出一批具有潜在重要功能的城市，为城市治理、区域规划及人口政策制定提供了动态视角的决策支撑。
