【目的】 休闲环境品质是影响居民休闲体验和参与度的关键因素，与城市区域活力和经济发展紧密相关。探究环境品质如何影响休闲空间活力对促进城市发展至关重要。【方法】 本研究遵循人本导向，提出一种基于图文融合感知的环境品质与空间活力关系探究框架。利用手机信令数据测度休闲空间活力，在应用网络评论文本与街景影像数据综合感知城市休闲环境品质的基础上，通过参数最优地理探测器模型（OPGD），从全局和局部空间尺度深入分析了南京市单一休闲环境品质因子以及交互作用对休闲空间活力的影响机制。【结果】 ① 南京市休闲空间活力分布呈现“单核心-多中心”的空间分布模式，主城区活力以新街口商圈为核心集聚，江北区形成两端与中心呼应的“三点”格局，仙林地区的高活力区分布在大学城周边，东山高活力区位于双龙大道地带； ② 从全局看，南京市的休闲空间活力由经济水平间接主导。从局部空间看， 14个休闲环境品质因子对休闲空间活力的影响表现出明显的区域异质性，而在高水平休闲空间活力的市、区级核心区，环境品质因子对休闲空间活力的影响均显著； ③ 南京市休闲空间活力的形成机制与区域地理位置、人口密度与构成、经济收入水平等密切相关。【结论】 南京市的分析结果说明，图文融合感知下的休闲环境品质探究提升了休闲空间活力影响因子及其机制研究的系统性与全面性，为优化城市休闲环境品质和提升休闲空间活力提供了科学依据。

【目的】 森林作为陆地生态系统的主体，具有调节气候、保持水土等多种功能。在森林面临的众多危害中，火灾对森林资源的危害日益严重。分析影响森林火灾的因素对于预防森林火灾和制定相关策略至关重要。【方法】 本研究选取中国为研究区，识别森林火灾主要驱动因素，选取植被、气候、地形、人类活动等森林火灾相关驱动因子，利用地理探测器进行全局森林火灾的驱动力分析。并基于植被分区方案，定量计算了8个植被区划的森林火灾空间分布驱动力。【结果】 ① 全局尺度上，森林火灾的空间分布受植被覆盖度（fvc）的影响最大，解释力为0.130 2，气候因子对森林火灾的驱动力相对较强；驱动因子交互作用均为增强，森林火灾的发生是各驱动因子综合作用的结果；且森林火灾驱动因子与森林火灾发生概率之间存在非线性关系和影响阈值； ② 局域尺度上，气候和植被作为森林火灾的关键驱动因素，很大程度上解释了各个分区森林火灾的空间分布。如气温（tem）是寒温带针叶林区域（CTNF）、温带针叶、落叶阔叶混交林（TCBMF）、青藏高原高寒植被区域（AVTP）3个区域的最高解释力驱动因子，解释力分别为0.313、0.410、0.052；风速（win）是暖温带落叶阔叶林区域（WTBF）的最高解释力驱动因子，解释力为0.279。【结论】 在不同区域，森林火灾主要驱动因子和因子的交互作用均有差异，定量验证了森林火灾空间分布驱动力的空间异质性。研究结果有助于了解中国不同区域森林火灾的驱动因素，并帮助政策制定者设计火灾管理战略，以减少潜在的火灾危害。

【目的】 深度卷积神经网络(DCNNs)已经成功应用于高分辨率遥感图像的语义分割，但高分辨率遥感图像普遍存在类内方差大，类间方差小、目标尺度变化显著等问题。卷积运算因其局部性，在处理这些复杂问题时受到了限制。基于Transformer的方法则拥有强大的全局信息建模能力，但在局部信息的提取方面存在缺陷。【方法】 本文提出一种增强多尺度目标感知的双路径高分辨率遥感图像分割算法DMFPNet，模型采用基于DCNN和Transformer的非对称双编码器结构。首先，基于深度卷积构建可变通道空间金字塔模块（SCSP），动态提取融合多通道信息。其次，提出一种多尺度特征增强Transformer模块，通过特征锚点预处理，为模块提供空间偏置信息，同时在自注意力机制中构建可学习余弦相似矩阵，引导模块聚焦图像中不同尺度的目标。最后，构建了一种双边特征引导融合模块(BFGF)，实现2条分支之间不同尺度特征的融合与信息交换。【结果】 本文在Vaihingen和Potsdam数据集上进行了对比实验与消融实验，结果表明：本模型在Vaihingen数据集上分别获得了83.29%、90.65%、 91.69%的平均交并比（mIoU）、mF1（mean F1-Score）和OA（Overall Accuracy），在Potsdam数据集上获得了73.29%、83.98%、88.47%的mIoU、mF1和OA；相较于本文所对比的最佳方法，mIoU在Vaihingen和Potsdam数据集分别提升0.76%和1.42%。【结论】 证明了本模型在解决高分辨率遥感图像语义分割中类内类间方差变化大、目标尺度多变等复杂问题方面具有良好的性能和较高的分割准确性。

【目的】 精准可靠的逐日卫星降水产品（Satellite Precipitation Product， SPP）是气象和水文研究中不可或缺的基础数据源。然而，现有逐日SPP存在局部降水细节捕捉不足、部分地区误差较大等问题，导致降水空间刻画不清、预测精度不高。【方法】 基于此，本研究提出一种精准捕捉降水空间异质性的加权堆叠遥感日降水产品质量提升方法（Spatial Heterogeneity Weight Stacking， SHW-Stacking）。该方法首先耦合特征重要性与非线性相关性进行自适应特征优选，然后利用高斯混合聚类获得描述日降水空间异质性的同质子区，最后构建加权堆叠机器学习模型融合SPP与站点数据以获得高质量降水产品。【结果】 选取中国区域2016—2020年逐日IMERG降水数据为研究对象，将SHW-Stacking与基于传统分区的类别型梯度提升（TC-Catboost）、5种经典机器学习方法（Catboost、lightGBM、XGBoost、RF、ELM）和原始SPP进行比较。 结果表明，SHW-Stacking能够准确再现实测降水空间分布，其多时间尺度性能均表现最优，在日、季和年尺度上MAE分别至少降低4.6%、3.1%和2.7%， KGE分别至少提高3.4%、1.9%和2.0%，且在降水强度大于1 mm/day时对降水事件的捕捉能力明显优于其他对比方法。此外，聚类分区因素贡献度仅次于IMERG，其作为首要和次要影响因子的天数占比达39.6%和33.9%，凸显空间异质性对降水融合的关键作用。【结论】 SHW-Stacking能够有效捕捉局部降水细节，精确刻画降水空间分布，为精细化降水数据生产提供了一种切实可行的思路和方法。

【目的】 基于模型驱动的机载LiDAR建筑物点云三维模型重建依赖于建筑物点云与预定义基元间的拟合，受建筑物点云密度不均与噪声影响，基元拟合过程中在结构细节上极易产生误差，导致模型重建结果的精度较低。为提高模型重建的精度，本文提出了联合序列二次规划及高程步长校正的机载LiDAR建筑物点云三维模型重建方法。【方法】 首先，建立一个含有经典屋顶结构的基元库，包含简单屋顶、复杂屋顶以及阶跃型屋顶，并结合各屋顶面片间的邻接关系与脊线属性构建邻接矩阵，根据邻接矩阵在基元库中选取最佳匹配的基元；其次，通过序列二次规划算法计算基元形状参数，获得在全局最佳拟合状态下的参数配置，得到初始的建筑物三维模型，通过旋转、平移建筑物模型来校正其与建筑物点云在三维空间中的相对位置；最后，利用城市地理标记语言(City Geography Markup Language, CityGML)储存结构清晰、拓扑正确的建筑物三维模型。【结果】 选取Building3D数据集中10组经典的建筑物点云用于建筑物三维模型重建实验，将本文方法与现有相同基于模型驱动方法的重建结果进行对比，并使用经典的精度评定指标对结果进行定量分析。所选用实验数据对应的目标函数平均值为0.32 m，相较于对比方法精度提升0.03 m，建筑物基元与建筑物点云的水平平均偏差为0.10 m，竖直平均偏差为0.04 m。【结论】 本文通过序列二次规划算法求得的最佳形状参数可构建拓扑完整，形状规则的建筑物三维模型；以屋顶点云平均点间距为步长的高程梯度校正可以有效提高建筑物三维模型重建精度。

【目的】 现有的语义变化检测方法对于遥感影像的局部和全局特征利用不足，且忽略了不同时相间的时空依赖性，导致土地覆盖语义分类结果不精确。此外，检测的变化对象存在边缘模糊问题，检测结果和实际变化区域的一致性有待提升。【方法】 针对这些挑战，受具有长序列处理能力的视觉状态空间模型（Vision State Space Model， VSSM）启发，本文提出了一种融合卷积神经网络（Convolutional Neural Networks， CNN）与VSSM的语义变化检测网络CVS-Net。该网络有效结合了CNN的局部特征提取优势与VSSM捕捉长距离依赖关系的能力，并嵌入基于VSSM的双向时空关系建模模块以引导网络深入理解影像间的时空变化逻辑关系。此外，为增强模型对变化对象边缘的识别精度，提出了边缘感知强化分支，通过联合拉普拉斯算法和多任务架构自动集成边界信息，增强模型对于变化地物的形状模式的学习能力。【结果】 在SECOND和FZ-SCD数据集上，将本方法与HRSCD.str4、Bi-SRNet、ChangeMamba、ScanNet及TED五种主流的SCD方法进行对比。实验结果显示，本方法的语义变化检测性能优于其他对比方法，验证了本方法的有效性。在SECOND数据集上实现了23.95%的分离卡帕系数（Sek）和72.89%的平均交并比（mIoU），在FZ-SCD数据集上的SeK达到23.02%， mIoU达到72.60%。消融实验结果中，随着在基础网络中添加各模块， SeK值逐步提升至21.26%、23.04%和23.95%，证明了CVS-Net中各模块的有效性。【结论】 本方法可有效提升了语义变化检测的属性和几何精度，可为城市可持续发展、土地资源管理等应用领域提供技术参考和数据支撑。

【目的】 等高线与河流之间的不一致性是地理空间数据库更新、维护中的常见问题，目前相关研究大多仅针对单线河，鲜少涉及双线河。鉴于此，提出了一种发掘形态特征的等高线与双线河之间的不一致性探测及处理方法。【方法】 首先，通过DTW算法建立河流两侧岸线目标节点间的映射关系，并对其进行Morphing变换提取双线河中心线；然后，根据弯曲特征参数提取等高线山谷点，并依据DTW算法提取近似山谷线；接着，以双线河中心线为枢纽，建立山谷点与双线河、山谷线与双线河的综合判断规则来探测不一致区域；最后，运用等高线相似变换、河流移位与等高线协同变换，对不一致区域进行移位修正，并通过仿射变换处理局部等高线落水现象。【结果】 本文选取3处不同地形区域进行实验，经修正后山谷点均位于双线河内部，山谷线与双线河间的平均路径差得到有效减小，其中经等高线相似变换结合协同变换修正后的整体平均路径差分别为2.417 、0.033 、2.783 m，经河流移位结合等高线协同变换修正后的整体平均路径差分别为2.667、0.057、0.042 m，均维持在一致性阈值范围内。【结论】 本文通过充分发掘等高线与双线河的形态特征，实现了二者间的不一致性探测与处理，拓展了等高线与河流间的空间关系一致化研究范围，有助于推动多源地理空间数据的高质量集成与融合。

【目的】 训练样本的质量对模型性能和预测结果有着重要影响，对于小样本数据区域，有限的样本数量及空间分布不均匀可能导致模型无法充分学习致灾要素特征,进一步增加了模型过拟合风险，影响模型预测准确度，因此需要根据区域特点有针对性地采集优化训练样本。【方法】 本文提出一种训练样本采样优化方法，将滑坡正样本原型采样（PBS）方法与无监督聚类模型用于训练样本采样，得到筛选扩充的正样本数据集及客观提取的负样本数据集，构建训练样本采集优化的（Sample Optimization， SO）数据集。然后，引入对小样本数据处理效果较好的随机森林（Random Forest， RF）与支持向量机（Support Vector Machine， SVM）构建滑坡易发性评价模型，分别与原始数据（Raw Data， RD）和仅数据扩充（Data Augmentation， DA）的数据集开展对比实验，利用AUC等指标分析模型预测性能，并基于频率比法对滑坡易发性分区结果进行优选。最后，以滑坡灾害样本数据较少的莆田市为例，开展滑坡易发性评价研究，验证本文提出的训练样本采样优化方法的有效性和泛化能力。【结果】 采用SO数据集构建的模型相较于基于RD、DA数据集，AUC值分别提升了10.69%与18.23%，说明预测性能皆有明显的提高，意味通过筛选扩充正样本和客观提取负样本数据集可以获得更好的性能，且有效缓解了模型训练过程中的过拟合问题；根据频率比分析结果， SO-RF的极高与高易发区频率比均高于SO-SVM，说明SO-RF比SO-SVM更适合类似莆田市区域的有限小样本滑坡数据的易发性评价。【结论】 本文提出的训练样本优化结合机器学习的评价方法具有较高的适用性和准确率,研究成果可为基于机器学习的滑坡易发性评价的训练样本采样方法提供有效思路。

【目的】 建筑物群组模式是城市结构和功能的重要组成部分，其自动识别是城市规划与分析、城市区域制图综合等领域研究的热点和难点问题。针对现有建筑物群组模式分类研究具有简单性和特定性，忽视了领域知识应用的问题，本文提出了一种融合领域知识的建筑物群组模式自动分类方法。【方法】 首先，以建筑物多尺度表达和制图综合的需求为牵引，面向街区内建筑物群组分布层次，将建筑物群组模式分为规则、混合和不规则3类，并构建和标注数据集；其次，结合视觉认知特点和传统规则算法的相似性判断领域知识，设计了一种正对投影对偶图（dual positive projection graph，DPRG）及其节点相似性特征描述；然后，引入Graph Sample and Aggregate （GraphSAGE）网络构建了建筑物群组模式自动分类模型，通过数据驱动的学习获取模式自动分类能力。【结果】 DPRG优于常用的邻近图及其对偶图结构，测试集准确率达到91.2%，相较于已有方法准确率提高了9.0%，规则与不规则模式的二分类准确率达到98.4%；该模型相较于GCN和GAT模型，准确率分别提高了3.6%和4.6%。【结论】 验证了该模型对规则与不规则模式优良的分类能力，同时对分类模糊的混合模式具有较好的区分能力，并将分类结果进行应用测试与分析。

【目的】 多尺度面状建筑群组相似度计算在场景相似检索、模式识别及匹配、地图综合等方面有着重要的应用。然而，传统几何方法只能提取建筑物的低维特征且权重设置主观性强；现有深度学习方法较少考虑建筑物之间的空间关系特征，且只通过图级处理得到群组的上下文信息，容易忽略局部细节的差异性。鉴于此，本文提出一种融合空间关系与SimGNN（Similarity Computation via Graph Neural Networks）的多尺度面状建筑群组相似度计算方法，通过图级和细粒度节点级两种策略比较两群组目标的几何特征和空间关系特征，从而得出二者的相似度。【方法】 首先，将两幅不同比例尺的矢量地图裁剪成若干个同区域的建筑群组，并分别构建它们的图结构；然后，提取群组中各建筑物的几何特征和空间关系特征组成特征向量；最后，将图结构和特征向量输入到相似度计算模型SimGNN中，分别经过图级和节点级处理，得到两群组之间的相似度计算结果。【结果】 与现有方法相比，该模型利用两种策略处理几何和空间关系特征得出的相似度结果更符合人们的空间认知，且该模型能够通过节点级相似度，体现出建筑群组间的细微差异，有效地提高了不同尺度建筑群组之间相似度计算的准确性。【结论】 该模型有助于提升建筑群组相似检索、识别及匹配等空间数据处理方法的合理性和可靠性。

【目的】 城市道路网选取是地图综合领域的重要研究方向之一，其中特征选择是影响选取准确性的关键环节。然而，随着新的特征指标不断提出，如何科学地选择特征成为了一直以来亟待解决的难题。【方法】 本文引入了机器学习的可解释性框架—SHapley加性解释（SHapley Additive exPlanations， SHAP），旨在分析道路网选取中的特征重要性，为特征选择提供新的解决方案。首先，通过文献统计的方式，研究选用了7种常见的特征作为研究对象，并以10个中国典型城市的1:25万和1:100万比例尺道路网数据为基础，构建包含7种特征指标的数据集。随后，利用LightGBM与XGBoost两种监督学习模型进行训练，并通过模型的评价指标对模型性能进行评估。最后，采用SHAP框架对2个模型进行解释，并分析特征间的相似性、作用方向及其重要性。【结果】 在特征相似性方面，拓扑特征具有较强的相似性，“周边POI数量”与其他特征的相似性较低。在特征作用方向方面，“周边POI数量”和“交通流量”对模型的影响较为不稳定，而其他特征的高值通常有正向贡献。在特征重要性方面，XGBoost模型显示“等级”是最重要的特征，之后是“长度”和“交通流量”。而LightGBM模型的结果与XGBoost模型类似，表明模型对特征重要性影响较小。研究进一步基于本文的权重结果进行道路网选取，并将结果与标准数据进行对比，实验结果显示选取结果与标准数据有较高的一致性。【结论】 本文提出了一种新的解决方案，用于道路网选取中的特征重要性分析，并为特征选择和特征赋权问题提供了参考依据。

【目的】 区位问题广泛应用于公共服务设施布局规划。经典区位问题多以设施成本、出行距离成本或覆盖客户数量等效率指标为目标，空间公平性考虑不足。部分区位模型考虑服务空间公平性，但存在公平与效率指标难以协调、计算复杂度过高和模型缺乏通用性等不足之处。针对现有区位问题之局限，本文提出了一个兼顾设施经济性、出行便捷性和空间公平性的双目标设施区位问题(CEEFLP)。【方法】 CEEFLP有2个目标函数：最小化设施总成本函数，以及最小化出行距离和距离半方差聚合函数。前者优化设施经济性，后者平衡出行便捷性和空间公平性。为求解CEEFLP，设计了一个基于节点交换方法的迭代局部搜索(ILS)算法。【结果】 14个基准案例计算结果表明：① ILS算法能够高效、高质量地求解CEEFLP，模型参数α为1、推荐值和0.001时，ILS求解结果与最优解或已知最好解的差距分别为0.09%、0.24%和0.41%；② 设施成本预算确定时，可以通过出行成本小幅上升，换取所有公平性指标的改善；出行距离增加2.17%，出行距离标准差和基尼系数分别下降了7.95%和9.75%； ③ 增加设施成本预算，既能够降低出行成本，也能够改善空间公平性指标；设施成本每增加1%，出行距离平均下降0.37%，出行距离标准差和基尼系数分别下降0.31%和0.31%。【结论】 CEEFLP能够为设施选址提供一组Pareto最优解，兼顾到设施成本、出行成本和空间公平性，对于公共服务设施布局规划具有实用价值。

【目的】 大语言模型是否具有空间认知能力及其水平的量化方法，是大模型和地理信息科学研究的重要问题。目前还缺乏大语言模型空间认知能力测评的系统方法和标准。本文在研究现有大语言模型特征的基础上开展大语言模型在空间认知问题上的测试标准研究，最终形成一套具备大语言模型空间认知能力的测试标准框架SRT4LLM和测试流程，用以评估大语言模型的空间认知能力。【方法】 SRT4LLM分别从空间场景中的空间对象类型、空间关系和Prompt策略3个维度研究构建测试体系，包括3种空间对象类型、3种空间关系和3种提示工程策略，并制定标准化测试流程。通过对8个不同参数的大语言模型进行多轮测试，验证SRT4LLM标准的有效性和结果的稳定性，据此标准测试不同大模型在逐次改进的提示工程的得分。【结果】 输入空间对象的几何复杂度影响大语言模型空间认知，不同大模型表现差异较大，但同一大模型得分较为稳定，随着空间对象几何复杂性和空间关系复杂度的增加，大语言模型对3种空间关系的判断准确率最大仅有7.2%的小幅下降，显示本测试标准在不同场景间的较强的适应性。改进的提示工程能够部分改善大语言模型的空间认知问答得分，且不同大模型的改善程度差异较大，本标准具备挖掘大模型空间认知能力的能力。同一大语言模型多轮测试表明测试结果收敛，大模型之间的分值差也较稳定。【结论】 SRT4LLM具备度量大语言模型空间认知能力的能力，可作为大语言模型空间认知能力的评估的标准化工具，可为下一步构建原生的地理大模型提供支持。

【意义】 地理建模是解决地理学相关的各种复杂实际问题的科学手段，但执行过程导向的传统地理建模方式给建模者（尤其是非专业用户）实际应用时带来沉重的建模负担。【方法】 本文提出了智能化地理建模应该从用户的建模目标出发，形式化为初始的建模问题单元，以递归求解的思路逐步解决当前的建模问题单元，之后上溯推理形式化新的建模问题单元、相应求解出适用的地理模型（或其组成部分），从而实现根据用户实际应用问题的场景自动构建出合适的地理模型工作流。【进展】 本文介绍了在此基本思想指导下，作者近年来开展的一系列智能化地理建模的方法研究工作，旨在有效降低实际应用中非专业用户的地理建模难度，同时保障所建模型的准确性。基于上述方法研究工作，可实现领域建模知识（尤其是案例化的应用场景知识）驱动、“数据-知识-模型”协同递归的智能化地理建模计算应用模式，基于此开发了原型系统——地理空间智能计算系统（EGC）。【展望】 本文最后重点讨论了上述方法研究与当前兴起的利用大语言模型进行地理建模研究工作之间的关系，并讨论了下一步研究方向。

【目的】气候变化下，鄱阳湖区日益突出的干旱灾害严重影响着区内社会经济的可持续发展与生态环境保护。动态监测鄱阳湖旱情的时空特征，深入认识旱情的发生、发展过程，有助于科学制定干旱应对战略，提高区内应灾和减灾能力。【方法】本文基于Landsat和MODIS遥感影像，重建了2000—2023年逐月鄱阳湖水域面积时间序列，在此基础上构建了标准化水体指数（SWI），用以识别湖区的水文干旱事件，刻画不同时间尺度下湖区水文干旱事件的持续时间、间隔时间以及严重程度等特征，同时应用基于事件的干旱传播分析方法，揭示了流域不同来水区气象干旱与湖区水文干旱间的传播与恢复滞后时间。【结果】① 鄱阳湖区水域面积年际波动较为强烈，水域面积年内最大值与最小值的年际变差系数分别为0.13和0.12，表明鄱阳湖区汛期与非汛期出现干旱的可能性大致相当； ② 月尺度上，鄱阳湖区重度干旱事件持续时间、间隔时间和严重程度中值则分别为1个月、6.5个月和-0.25；极端干旱事件对应指标的中值则分别为1个月、8个月和-0.29。随着时间尺度的增加，干旱事件总体上表现出持续时间减小、间隔时间延长而严重程度加剧的规律； ③ 从气象-水文干旱的传播时间上看，在月尺度上，修水，信江和饶河的气象干旱传播至湖区水文干旱的时间约为2个月，快于其它来水区，表明这3个流域的气象干旱对湖区的水文干旱有更为直接的影响。干旱恢复滞时与干旱的传播时间在空间上、不同时间尺度上以及不同的干旱程度上有较高的一致性。【结论】本文提出的基于遥感水域面积的标准化水体指数可有效识别水文干旱事件，拓展了遥感在干旱监测与管理中的应用。本文关于气象-水文干旱传播过程的研究有助于增强区域水文干旱的预测能力。此外，鄱阳湖干旱及其气象-水文干旱传播特性的新认识可为鄱阳湖区的防灾减灾规划与决策提供重要的科学参考与数据支持。

【目的】探索基于街景数据的城市绿视率时空变化特征及其影响因素，为城市街道绿化水平评估提供新方法。【方法】提出GSENet语义分割模型，在编码器中整合GSE-Block特征校准模块，解码器采用高效自注意力模块（Mix-transforemr）。基于该模型分析2014—2023年兰州市主城区百度街景数据，运用热冷点分析、统计分析、相关性分析方法探索绿视率时空变化规律。【结果】① GSENet模型以ResNet50为主干网络，MIOU达74.7%，优于PSPNet、DeepLabV3等主流模型，大面积类别F1分数可达0.95； ② 2019—2023年相比2014—2018年， GVI平均上升2.3%，70.9%的采样点显示出上升趋势。安宁区提升最显著，城关区提升最小。研究区中部偏西及东北部地区GVI显著上升，特别是在高校周边区域；商业中心和交通枢纽附近，GVI出现明显下降； ③ 建筑密集度与GVI变化呈负相关，道路宽阔度与GVI变化的相关性较弱；人口密度与GVI变化在街道尺度下呈现出较强的正相关。【结论】基于GSENet模型的街景绿视率测算方法具有较高准确性，可有效评估城市绿化水平的时空变化特征，为提升街道绿化感知程度和城市空间规划提供重要参考。

【目的】滑坡易发性评价过程中负样本选择和机器学习模型对结果的影响不容忽视。【方法】为探究这2种因素对滑坡易发性评价结果的影响规律，本文以怒江流域怒江州峡谷段为例，在提出利用加权信息量模型对负样本选取优化的基础上，选取了包括起伏度、土地利用和多年年均降雨量在内的13个影响因子，分别采用支持向量机模型、卷积神经网络模型、梯度提升决策树模型3种机器学习模型，与传统随机样本选取方法进行了滑坡易发性对比研究，并针对降雨因子对易发性分级的影响进行分析。【结果】① 基于优化后负样本的各模型评价结果在滑坡密度方面均有提升，分别提升0.010 3、0.0639、0.004 0； AUC值均相对升高，分别升高0.033、0.018、0.008； ② 在易发性评价结果中，梯度提升决策树模型最优，较支持向量机模型、卷积神经网络模型精度分别提高了3.8%和1.7%； ③ 将2019—2020年的夏、冬季平均月降雨量数据引入梯度提升决策树模型，结果显示夏季高、较高易发区面积增大，尤其是南部六库镇和上江镇地区。【结论】基于加权信息量模型优化负样本是合理的，梯度提升决策树模型作为滑坡易发性评价模型较适用于怒江州峡谷段地区的孕灾环境，降水对该地区滑坡易发性具有明显影响。本文所提出的研究思路对区域防灾减灾体系构建具有重要的实际意义，同时也为未来的区域规划提供科学依据。

【目的】揭示旅游流网络结构特征是景区优势互补和协调发展的前提条件。【方法】本文基于大规模手机定位数据，综合运用出行链提取、社会网络分析以及社区检测等方法构建了多尺度旅游流网络分析框架，在微观、介观和宏观尺度挖掘长沙市旅游流网络结构特征。【结果】① 微观尺度：长沙市旅游流网络呈现显著的中心化趋势，岳麓山国家重点风景名胜区和橘子洲景区等少数节点在网络中的影响力较大。仅有33%的节点的结构洞效能和效率大于均值且约束性小于均值，网络结构洞现象突出，整体连通性和效率受限； ② 介观尺度：长沙市的旅游流集中程度较高，呈现明显的空间聚集特征。旅游流网络被划分为6个旅游社区。各社区内通常有2个核心景区带动游客对周边景点游览，不同旅游社区发展不平衡，存在以岳麓山国家重点风景名胜区和橘子洲景区为核心的超大旅游流社区； ③ 宏观尺度：旅游流网络呈现“单核强集聚、整体分散”分布特征，形成以市中心为核心向外扩散的多圈层结构。旅游流网络的网络全局效率仅为0.367，部分边缘地区的景区可达性较差，核心景区对边缘景区的“涓滴效应”有限。

【目的】无人机及卫星遥感技术已经被成功地应用在土壤有机碳等属性的估算研究，但对土壤质地的估算相对较少，因此开展该方面的研究具有重要的应用价值。本研究以青海湟水流域互助县卓扎滩村、湟中区拦隆口镇泥隆口村和鲁沙尔镇白土庄村3个田块为研究对象，探索了无人机和卫星遥感技术在田间尺度上估算土壤质地含量的应用潜力。【方法】基于无人机平台分别搭载2台高光谱相机对各农田土壤进行无人机成像、利用地物光谱仪收集土壤野外原位光谱、采集土壤样品，共获得2022—2024年838份土壤样品；此外，获得相近时间的GF1/2/7 (Gaofen1/2/7)、Sentinel-2 A和ZY1-02D (Ziyuan 1-02D)影像数据；实验室测试各样品的土壤粒径并采集土壤室内光谱数据。在上述数据的支持下，利用XGBoost (Extreme Gradient Boosting)方法分别对土壤质地含量与实验室、野外原位、无人机、GF、ZY1-02D和Sentinel-2光谱进行统计建模与估算，进一步对土壤质地含量进行空间分布制图。【结果】① 在XGBoost方法的模型结果中，无人机影像光谱的最优模型精度RPD为2.441，GF1/2/7、ZY1-02D和Sentinel-2卫星影像的最优模型精度RPD分别为1.815、1.601和1.561； ② 基于无人机和卫星影像的估算精度要低于地物光谱仪测得的光谱估算精度，具体为：实验室光谱>野外原位光谱>无人机影像光谱>GF1/2/7卫星影像光谱>ZY1-02D卫星影像光谱>Sentinel-2卫星影像光谱；在土壤质地含量的估算结果中，黏粒含量的精度最高， RPD最高可达2.70，粉粒次之，RPD为2.24，砂粒含量的精度最低， RPD为1.91； ③ 砂粒和黏粒含量与土壤光谱反射率呈现出负相关关系，而粉粒含量则呈正相关关系，砂粒、粉粒和黏粒的敏感波段主要集中在近红外波段范围（780~2 400 nm）； ④ 砂粒、粉粒和黏粒的含量在3年内变化较小，表现出相对稳定的状态，3个田块通过制图结果得到的土壤质地含量主要为：67%<砂粒≤83%、10.6%<粉粒≤19.1%和3.2%<黏粒≤6.6%。【结论】对田间尺度来说，无人机影像是土壤质地含量制图的最佳数据源，能够有效服务于精准农业管理，而GF1/2/7与ZY1-02D卫星影像基本满足质地制图的要求， Sentinel-2卫星影像对田块尺度制图则较为粗糙。

【目的】针对现有遥感影像建筑物提取模型中因冗余导致的特征表示能力差、建筑物边界不清晰及微小建筑物丢失问题。【方法】提出一种细节增强与跨尺度几何特征融合网络DCS-Net，由信息解耦与聚合模块（IRDM）、局部互相似性细节增强模块（LMSE）和引导小目标推理的跨尺度几何特征融合模块（CGFF）组成。IRDM模块通过分配权重将冗余特征分离并重构，从空间和通道2个维度抑制冗余，促进有效特征学习； LMSE模块通过动态选择窗格以及编-解码特征之间的局部互相似性指定像素聚类，提升建筑物边缘信息的准确性和完整性； CGFF模块计算原始图像与不同语义级特征图间的特征分块关系，补偿信息损失以提升微小建筑物的提取性能。【结果】本文的实验基于2个公开数据集： WHU航拍数据集和Massachusetts建筑物检测数据集。实验结果表明，与UNet、PSPNet、Deeplab V3+、MANet、MAPNet、DRNet、Build-Former、MBR-HRNet、SDSNet、HDNet、DFFNet、UANet等现有建筑物提取算法相比，DCS-Net在各项评价指标中得到了显著提升，验证了所提方法的有效性。在WHU数据集上的交并比、 F1值和95%HD达到92.94%、96.35%和75.79，对比现有最佳算法分别提升了0.79%、0.44%和1.90；在Massachusetts数据集上的指标为77.13%、87.06%和205.26，分别提升了0.72%、0.43%和13.84。【结论】DCS-Net能更为准确完整地提取出遥感影像中的建筑物，并显著缓解微小建筑物丢失的问题。

【目的】通用基础模型展现出的优秀泛化能力使其成为了人工智能领域的热门课题，然而受制于遥感影像的特殊性，这些基础模型无法直接应用于遥感视觉任务。此外，现有的变化检测方法往往依赖于大量的人工标注样本，缺乏对现有矢量数据的有效利用，无法满足高效自动化检测的要求。针对这些问题，本文提出了一种自上而下的变化检测方法，挖掘基础模型和矢量数据中的宝贵信息以减少人工参与。【方法】首先，使用改进的简单线性迭代聚类（Simple Linear Iterative Clustering, SLIC）算法，以矢量边界为约束对同一区域的双时相影像进行分割与标注，分别生成训练与测试数据。随后，利用CLIP (Constrastive Language-image Pre-training) 模型的泛化推理能力来纯化训练数据；接着，利用基于通道注意力机制的双线性神经网络(Channel Attention Bilinear Convolutional Neural Network, CAB-CNN)进行细粒度场景分类；最后，结合变化规则和后处理方法来识别变化的矢量图斑，并使用SAM（Segment Anything Model）对变化图斑进行细化。为了验证方法的有效性与普适性，本文选取两块区域作为研究对象进行定量实验： ① 江苏省扬州市广陵区，数据包含2022年和2023年的遥感影像以及2022年的土地利用矢量； ② 江苏省无锡市惠山区前洲街道，数据包含2018年和2020年的遥感影像以及2018年的土地利用矢量。【结果】本文方法在广陵区达到了86.47%和90.46%的准确率与召回率，较基于变化像元统计的方法提升了6.28%和7.90%。前洲街道研究区上的准确率与召回率分别达到了89.75%和91.37%，较基于变化像元统计的方法提升了8.65%和6.79%。【结论】本方法能够利用现有的矢量数据与基础模型，在大幅减少人工成本的情况下，定位变化的矢量图斑并对其进行细化，对于诸如耕地“非农化”检测、违法用地检查、林地覆盖调查等需要检测变化并更新图斑的任务提供了一定的辅助作用。

【目的】地形导致了山地城市人口空间分布差异极大。山地城市的人口空间分布信息对科学研究和地区的政策制定、资源配置、灾害评估与防护等领域具有重要意义。【方法】为准确反映山地城市人口分布，本文提出了一种基于居住区识别和改进随机森林的山地城市人口空间化方法。该方法先识别了居住区格网并应用到特征提取阶段，避免了将人口分配到非居住区。然后，构建了山地城市特征变量数据集，考虑了山地城市人口分布的空间异质性和复杂性，通过GMM聚类算法对特征变量集进行聚类。采用Bootstrap采样法从各类中随机抽取等量的数据形成新的特征变量集并作为训练数据构建随机森林模型，实现了传统随机森林模型的改进。为验证该方法的有效性，本文以山地城市重庆市为实验区，得到了重庆市150 m格网人口空间化结果，将本方法模拟结果与传统随机森林模型、WorldPop数据集和LandScan数据集进行对比，并基于随机森林模型对各特征变量进行了重要性度量。【结果】本文方法的模拟结果整体精度达到82.9%，比传统随机森林模型的模拟结果提高了2.7%，比WorldPop数据集和LandScan数据集分别提高了2.94%和10.91%。在整个实验区，与WorldPop数据集和LandScan数据集相比，本文方法的MAE分别降低了212.63和35.11，RMSE分别降低了1 354.34和524.54；在高密度丘陵区和山地地区，本文方法的精度更好，展现出本文方法对山地城市人口空间化的有效性。【结论】此外，本文方法的模拟结果在不同人口密度区和不同地形区表现出比2个已开放的人口数据集更明显的人口分布异质性特征，展现了更为丰富的人口密度信息。

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻碍了预测准确性和稳定性的提升。【方法】本文提出基于卡尔曼“估计-校正”循环网络的暴雨临近预测方法，在个别变化理论约束下估计气象状态，并在卡尔曼滤波的指导下依据估计误差进行气象状态校正，以实现准确和可靠的暴雨预测。所提“估计-校正”网络包括个别变化约束的深度状态估计和估计误差指导的气象状态校正2个核心单元；前者根据历史气象状态估计下一时间步的气象状态及误差；后者根据估计误差和观测误差进行气象状态的校正；二者共同提升暴雨预测精度和稳定性。【结果】在ERA5和NCEP数据集上的实验证明，所提方法的暴雨预测准确性指标CSI比所对比的基线方法提升了5%，并以稳定性指标SPREAD≈0.5的成绩取得了良好稳定性。【结论】验证了在深度学习中融合滤波理论缓解不确定性问题的可行性。

【目的】针对当前地图上点群目标空间相似关系计算模型中特征指标的选取及权重确定普遍依赖于问卷调查、专家评分或自定义权重，导致模型在客观性和通用性存在局限性。【方法】本文开展了以下研究： ① 对点群空间相似度计算模型中常考虑的特征指标进行了系统的梳理、统计与分析，并选定了属性相似度、分布范围相似度、分布密度相似度、距离相似度、方向相似度及拓扑相似度进行研究； ② 采用单一定权方法：层次分析法(Analytic Hierarchy Process, AHP)、模糊综合评价法（Fuzzy Comprehensive Evaluation Method, FCEM）、粗糙集理论（Rough Set Theory, RS），以及一种通过拉格朗日优化决策模型将AHP与RS结合的综合定权方法：AHP-RS组合权值法，采用上述方法分别计算各特征指标的权值及权重排序； ③ 将AHP-RS组合权值法确定的权重应用于点群空间相似度计算模型。【结果】① AHP-RS组合权值法不仅保持了与AHP和FCEM一致的权重排序，还显著减弱了RS对数据过于敏感导致权重排序不合理问题，同时大幅缩小了权值间的差异，使得权重更贴近实际情况； ② 不同尺度下点群空间相似度计算结果与人类对不同尺度下点群相似度的认知高度一致，进一步验证了AHP-RS组合权值法在权重确定上的合理性与有效性。【结论】本文最终提供了一组特征指标权重分配方案ω_拓扑, ω_距离, ω_属性, ω_方向,ω_分布范围, ω_分布密度=（0.36, 0.15, 0.10, 0.15, 0.12, 0.12），为点群目标空间相似度计算模型提供了客观、统一的权重依据，为空间相似关系的计算及地图综合提供了可靠的理论基础。

【目的】巡视器是开展月球科考与原位资源利用的重要工具，而极端复杂的地形与光照环境给巡视器探测带来高潜在风险。目前在实施探测任务前缺乏激光雷达等数据，因此开展遥感数据支持下的月球巡视器探测三维仿真方法研究，可预先评估巡视路线安全，旨在提升巡视探测任务的成功率。【方法】本文提出了一种基于Visualization Toolkit（VTK）的月球巡视器探测三维仿真方法，实现了月表米级分辨率地形环境可视化、月表光照环境更新和巡视器位置与姿态变换3个关键环节。【结果】在月球南极沙克尔顿连接脊区域的巡视三维仿真结果可以预先评估路线安全性，其中，月表三维地形环境可视化效果展现了撞击坑和山体的起伏变化，第一人称探测动态模拟有效仿真了巡视器行驶过程，直观感受到前进中的位置与姿态调整过程，有利于评估长距离巡视探测路线的安全性。模拟过程同时实现了动态光照场景实时更新，可以直接观察探测过程中的光照变化。【结论】本文提出的方法旨在实现探测任务实施前的巡视路线安全性评估，为验证未来月球探测任务的可行性提供先验信息与重要保障。

【目的】地表和深空天体的典型要素本质上是具有时变特性的空间实体，均可以用栅格和矢量的数据格式进行表达，其空间格局探测和推演依赖空间分析共性理论基础。这些要素的空间格局与可能演变情景可以用发生概率表述，其受复杂的多因素作用机制影响。【方法】为此，本文将空间格局及其演变的广泛影响因素归纳为五类：地形（T）、限制区（C）、可达性（A）、邻近性（P）和异质性（H），并提出了考虑这五类共性因素的通用发生概率推演范式（TCAPH）。【结果】为验证构建的空间分析范式和模型，针对地球表面要素中典型现象（如土地利用变化）开展了空间格局模拟与预测，同时针对月球南极de Gerlache区域月球科研站建设可能性开展了空间概率推演与适宜选址。【结论】案例研究表明，基于五类因素的发生概率建模方法适用于原生和衍生空间格局的分析及推演，解决了情景转移概率和选址适宜概率求解的难题，实现了概率构图误差最小化的空间格局表征与推演，可用于从地表要素到深空天体要素的多类空间实体分析与决策支持。

【目的】Korolev盆地位于月球背面斜长质高地地体和全月地形最高的区域内，是月球地球物理网络任务计划开展地物测量的唯一的月背着陆点。Korolev盆地表面物质的微波热辐射特性研究可以为该任务的开展提供新的重要科学参考。【方法】基于嫦娥2号卫星微波辐射计数据，采用基于Delaunay四面体剖分的重心插值方法生成了研究区亮温图，并进一步得到了亮温差图；基于Clementine UV/VIS数据，制作了研究区FeO和TiO2含量图；基于Diviner数据，制作了研究区岩块丰度图；结合Th元素含量图和布格重力图，详细评估了Korolev盆地浅层月壤的微波热辐射性质。【结果】① 利用四象限分析和剖面分析方法，发现和确认Korolev盆地中部和西北部存在微波热异常； ② 发现盆地内环存在低亮温异常环带； ③ 发现盆地西部存在未被热红外数据识别到的岩块。【结论】① Korolev盆地底部很可能存在放射性元素富集，而且表面Th元素含量不能代表月壳深部的Th元素含量； ② 撞击事件将纯斜长岩挖掘至盆地表面。研究结果为进一步研究月背高地的热状态和浅层月壳的热活动现状提供了新的重要科学参考。

【目的】月球撞击坑的识别与分类对探测器着陆点的选择和月球年龄的估算至关重要。然而，由于撞击作用形成了复杂的月貌形态，像素级不可再分的微观月貌特征的研究面临诸多挑战。基于此，对微观月貌特征的识别需要采用尺度自适应的方法，同时应充分考虑微观月貌特征来完善月球撞击坑分类图谱。【方法】本研究引入了一种基于地貌基元的尺度自适应算法，用于自动分类微观月貌。首先，该算法通过优化地形参数来定义月球地貌的局部三元模式，并依据优化后的局部三元模式确定月貌基元。然后，依据地形起伏度和坡度的规则将月貌基元进行聚合，以识别大范围内的月球撞击地貌单元。最后，基于月貌基元构建加加林环形山区域的月球撞击坑分类图谱。【结果】该方法提取了月球微观形貌基本单元，实现了多尺度撞击坑识别，精确率达到88.24%，召回率为84.96%， F1分数为86.57%。最终建立了撞击坑分类图谱，包括简单酒窝型、小规模碗型、小规模平底型、小规模中央峰型、中等平原型、中等中央峰型、大环状平原型和特大复杂型。【结论】该方法在识别撞击坑时展现了稳健性和高效率，并且识别和分类后的撞击坑为月球地貌学和地质学分析提供了多尺度的地貌单元。