【意义】大气污染防治不仅是实现碳达峰碳中和的有力支撑，也是保障公众健康、推动绿色转型发展的重要途径。 【方法】基于2012—2022年遥感反演的PM_2.5数据，综合运用空间自相关分析、参数最优地理探测器和多尺度时空地理加权回归模型（MGTWR）等方法，揭示长江经济带三大城市群PM_2.5年均、季节、月均浓度3个尺度的时空演变特征及其影响因素的时空异质性。【结果】 ① 长江经济带三大城市群的年均PM_2.5浓度以2013年为拐点，呈现倒“U”型变化趋势，整体上表现为北部浓度高于南部。2012—2022年，长江中游城市群的PM_2.5浓度均值略高于成渝城市群和长江三角洲城市群，各个城市群的时间变化趋势基本一致，区域差距逐渐缩小，空气质量明显改善； ② 三大城市群PM_2.5浓度整体呈现“冬高夏低、春秋居中”的季节性周期变化规律，各季节的空气质量均得到大幅提升，尤其以冬季改善明显。月均PM_2.5浓度表现为“U”型起伏，各区域的逐月PM_2.5浓度显著下降，大部分区域降至50 μg/m³以下； ③ 三大城市群的年均PM_2.5在整体上呈现出显著的空间正相关，但单个城市群的空间自相关性存在差异。高-高区主要分布在长江三角洲城市群和长江中游城市群的西北部，少数分布在成渝城市群川南地区的泸州和自贡。低-低区主要分布在长江经济带东南沿海和江西省。低-高区仅位于湖北宜昌； ④ 在影响PM_2.5空间分异的关键因素中，第二产业占比对PM_2.5的影响最大，其次是NDVI和人均GDP。多尺度时空地理加权回归模型（MGTWR）在拟合PM_2.5方面表现出优于其他空间回归模型的精度。其回归系数分析表明，人均GDP是抑制PM_2.5浓度的主导因素，其次是第二产业占比，呈正相关关系。年均风速和坡度的影响强度相对较弱，具有 2个方向的作用效果。年均降水量、NDVI和规模以上工业数量对PM_2.5浓度有较强的削弱作用；年均气温和人口密度有较强的促进作用。【结论】 MGTWR方法同时考虑了长时间序列和多尺度分析，为探索PM_2.5的驱动机制提供了新的分析视角。

【目的】舆情的传播演化具有典型的空间属性，从地理空间维度关注舆情问题正发展成为重要的研究趋势。【方法】本研究基于××航客机事故，构建“城市-社交-观点-心理”四维地理舆情超网络模型，运用复杂网络、GIS空间、机器学习等方法探索地理舆情问题的时空演化特征，并运用MRQAP模型探索地理舆情空间演化的驱动机制。【结果】本文实证结果表明： ① 中国舆情热点空间分布具有明显的地理集聚效应与空间相关性。舆论热点集中分布于胡焕庸线以南的京津冀、山东半岛、长三角、珠三角和成渝等城市群且焦点集中在信息传播能力强、舆论影响力大的城市；爆发期与持续期的集聚效应更为鲜明； ② 社交子网呈现菱形钻石结构且具有鲜明的社区效应，但连结效率相对较低；心理子网的主流情绪具有明显的非负面转化特征；观点子网的话题具有分散化演化特征；城市子网呈现明显的“点-轴”结构与高度一体化特征，网络传播效率较高； ③ 同配效应、虹吸效应与邻近效应均对舆论的空间传播具有驱动效应。社交相似、心理相似、观点相似、良好的教育环境、外向型的发展方式、优越的媒体环境以及制度、社会与组织邻近均有助于带动舆情信息空间扩散。【结论】舆情热点的空间分布及其演化特征不仅受地理因素的影响，还与社会经济特征、社会网络结构和心理情绪变化密切相关。

【目的】深度学习方法在地物识别中可以通过自动提取复杂地形特征从而显著提升效率，其中DeepLabV3+算法能够有效捕获多像素特征，被广泛地应用于遥感影像的分割和识别。但其在滑坡识别中细节处理能力受限，容易导致目标边界的模糊和识别错误，此外，该模型依靠卷积运算捕获的是局部信息，难以有效地建立长距离依赖关系。【方法】本文提出了一种基于DeepLabV3+的改进模型，首先，引入坐标注意力（Coordinate Attention，CA）机制，增强特征表达能力。其次，使用密集空间空洞金字塔池化（Dense Atrous Spatial Pyramid Pooling，DenseASPP）模块替换原有的空间空洞金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模块，提升多尺度特征提取效果并有效地解决了空洞卷积低效或失效的问题；同时，通过并联加入条形池化(Strip Pooling，SP）分支模块，提升主干网络对长距离依赖关系的建模能力。最后，引入级联特征融合（Cascade Feature Fusion，CFF）模块，用于整合不同层次的特征信息，进一步优化分割性能。【结果】使用毕节滑坡数据集进行实验，结果表明，改进后模型相较原模型的MIoU提高了2.2%，F1分数提高了1.2%；与其他主流深度学习模型进行对比，该模型在提取精度方面均表现出一定优势。在分割效果上，该模型在识别滑坡区域的整体准确性上有显著提高，分割结果与原始滑坡形态保持很高的一致性，减少了错分和漏分现象，在滑坡边界的分割上更加精确。【结论】通过验证数据集测试及实际应用验证，本文提出的方法在不同场景、不同复杂程度下的滑坡影像均表现出较强的识别能力，尤其在植被覆盖区、河流邻近区域等复杂背景环境中表现更加稳定，展现出较强的泛化能力和普适性。

【目的】针对部分低光遥感图像存在的色彩失真以及噪声伪影的问题，本文提出一种基于Retinex-Net的融合去噪和色彩优化的低光遥感图像增强算法DICR-Net（Denoising and Integrated Color Retinex-Net-based Network）。【方法】在色彩优化阶段，该算法在分解网络和调整网络中引入了挤压激励网络（SENet）和跳跃连接（SC），并在调整网络中引入了颜色损失函数以优化色彩保真度。其中，SENet通过自适应调整特征通道权重以关注重要信息，SC将浅层特征传递到深层以避免信息丢失。在去噪阶段，本文构建了一个基于U-Net的可变形卷积去噪网络DCDNet（Deformable Convolutional Denoising Network)，并在该网络中引入了噪声损失函数以抑制图像噪声。DCDNet的卷积层采用可变形卷积（DConv），确保卷积区域始终覆盖物体形状，同时减少卷积层以降低运算量。【结果】本文采用武汉大学发布的WHU-RS19 遥感图像数据集以及低光图像增强领域经典的LOL数据集，将所提出的DICR-Net算法与MSRCR、Zero-DCE、LIME、Retinex-Net、SCI、DDNet进行对比。实验表明，本文算法在图像的视觉效果上有所提升。与次优算法相比，在遥感图像数据集上，DICR-Net的PSNR、SSIM、SAM、SAT和Delta E分别提升了2.74%、1.54%、2.95%、6.53%和8.82%；在LOL数据集上，DICR-Net的PSNR、SSIM、SAM、SAT和Delta E分别提升了5.30%、6.44%、3.37%、5.10%和10.80%。【结论】该算法在低光遥感图像增强上色彩与噪声表现较好，为遥感图像的长期监测、动态追踪等应用提供了技术支持。

【目的】建筑物轮廓的规则化是基础地理信息数据生成和更新的一项重要内容。基于遥感影像提取的建筑物图斑通常存在不完整、冗余点等问题因而难以直接用于制图，而现有规则化方法只考虑建筑物图斑局部形状和弱直角特征，忽略建筑物在影像的真实分布与形状，造成轮廓与实际形状不符。【方法】为此，本文提出一种顾及建筑物方向特征的规则化方法。首先，提出一个基于多任务学习的建筑物提取模型，同时实现建筑物图斑的提取与图斑方向的定量描述；然后，结合建筑物图斑形状和邻近关系划分建筑物群组和独立建筑物，并分别计算轮廓主方向；最后，基于优化的轮廓主方向拆解和重构建筑物轮廓边，实现对建筑物轮廓的规则化。【结果】在Inria数据集和WHU建筑物数据集上与4个传统建筑物规则化算法和2个直接从影像提取建筑物轮廓的算法展开了对比试验，本文结果在“Y”形建筑物、“C”形建筑物、建筑物群等场景下表现明显优于其他方法。相较于向量重组法，本文方法在Inria数据集的交并比指标上有5.28%提升。【结论】表明本方法能够获得更清晰准确的建筑物角点，有效避免邻近建筑物互相压盖的问题，且相较于直接获取建筑物轮廓的实例分割算法，本文方法有更高的精度和运算效率。

【目的】特征匹配是航空影像三维重建的核心步骤之一。然而，航空影像在成像过程中受阴影、视角变化等因素的影响导致匹配点数量少且分布不均匀。【方法】本文提出了一种顾及阴影和视角差异的多策略融合特征匹配方法，该方法结合了传统的SIFT特征提取算法和前沿的LightGlue特征匹配学习网络，通过引入多种优化策略，实现了复杂成像条件下的高质量匹配效果，主要包括以下3点改进： ① 提出了一种自适应阴影区域增强策略，通过影像原始信息提取阴影区域，利用阴影区和非阴影区平均亮度之比确定初始亮度增强因子，并根据阴影区域间的灰度差异对亮度增强因子进行改正，实现阴影区域的亮度增强处理，以恢复阴影区域的地物细节信息，提升特征点数量； ② 引入多视角模拟影像生成策略，利用相机姿态构建多视角模拟影像，以提升输入特征的视角变化适应性，提高匹配质量； ③ 设计了一种基于K-Means聚类的RANSAC匹配优化算法，根据影像的原始色彩信息动态确定聚类数K，并剔除明显色彩不一致的匹配点，利用确定的K值对匹配点进行聚类处理并对每一簇分别利用RANSAC算法进行局部优化，降低平面假设误差，获取相应的内点作为最终匹配结果。【结果】实验基于A3相机采集的航空影像数据，对影像进行单一策略和组合策略处理。实验结果表明，经过自适应阴影区域增强策略和多视角模拟策略处理后，匹配点数量相比于未处理增加了近3倍，聚类RANSAC优化策略相比于传统RANSAC优化方法的平均像素距离误差降低了约30%，匹配正确率平均提升24.8%。【结论】本文方法有效地解决了复杂成像条件下航空影像匹配困难的问题，为三维重建等下游任务提供了更加充分且可靠的数据支持。

【目的】随着空间分辨率的提高，遥感图像所蕴含的信息越来越复杂，其中包含了大量的空间特征与语义特征，而二者的有效提取融合对于语义分割的效果起到关键性作用，然而，大多数现有方法只关注特征融合部分的研究改进，而没有考虑空间语义特征的一致性，导致了边缘分割不完整等问题。此外，这些方法往往忽略了边缘信息的精确提取。上述这些问题将会严重影响分割的准确性。【方法】本文提出了一种基于多尺度深度监督的高分辨遥感图像语义分割模型。首先，针对空间与语义特征分别设计不同的特征提取分支，充分利用遥感图像的空间和语义信息；其次，在空间分支中加入本文所提出的空间去冗余残差模块，引入小波变换与坐标卷积，更加有针对性地提取空间特征，并更好地关注边缘特征；然后，在语义分支中加入本文所提出的残差注意力Mamba，实现了对于全局层次的语义特征提取；最后，在特征融合部分采用多尺度特征融合机制，设计大内核分组特征提取模块将空间分支、语义分支特征与深层次特征逐层融合，抑制无效特征，激活有效特征。此外，本模型采用深度监督机制，对各个阶段的特征融合层添加辅助监督头，提高训练效率。【结果】本文在ISPRS Potsdam和随机采样裁剪数据增强后的Vaihingen数据集上进行了对比实验与消融实验，结果表明本文所提出算法在ISPRS Potsdam和随机采样裁剪数据增强后的Vaihingen数据集上的平均交并比达到83.43%和86.49%，与其他9种最新的核心方法相比，如CGGLNet、CMLFormer等，在平均交并比指标上分别至少提高了5.00%和3.00%。【结论】本文算法能够有效地提取空间语义特征，并将其有效融合，提高了遥感图像语义分割的准确率。

【背景】传统方法因静态感受野设计较难适配城市自动驾驶场景中汽车、行人及骑行者等目标的显著尺度差异，且跨尺度特征融合易引发层级干扰。【方法】针对自动驾驶场景中多类别、多尺寸目标的3D检测中跨尺度表征一致性的关键挑战，本研究提出基于均衡化感受野的3D目标检测方法VoxTNT，通过局部-全局协同注意力机制提升检测性能。在局部层面，设计了PointSetFormer模块，引入诱导集注意力模块（Induced Set Attention Block, ISAB），通过约简的交叉注意力聚合高密度点云的细粒度几何特征，突破传统体素均值池化的信息损失瓶颈；在全局层面，设计了VoxelFormerFFN模块，将非空体素抽象为超点集并实施跨体素ISAB交互，建立长程上下文依赖关系，并将全局特征学习计算负载从O（N ²）压缩至O（M ²）（M<<N， M为非空体素数量），规避了复杂的Transformer 直接使用在原始点云造成的高计算复杂度。该双域耦合架构实现了局部细粒度感知与全局语义关联的动态平衡，有效缓解固定感受野和多尺度融合导致的特征建模偏差。【结果】实验表明，该方法在KITTI数据集单阶段检测下，中等难度级别的行人检测精度AP（Average Precision）值达到59.56%，较SECOND基线提高约12.4%，两阶段检测下以66.54%的综合指标mAP（mean Average Precision）领先次优方法BSAODet的66.10%。同时，在WOD数据集中验证了方法的有效性，综合指标mAP达到66.09%分别超越SECOND和PointPillars基线7.7%和8.5%。消融实验进一步表明，均衡化局部和全局感受野的3D特征学习机制能显著提升小目标检测精度（如在KITTI数据集中全组件消融的情况下，中等难度级别的行人和骑行者检测精度分别下降10.8%和10.0%），同时保持大目标检测的稳定性。【结论】本研究为解决自动驾驶多尺度目标检测难题提供了新思路，未来将优化模型结构以进一步提升效能。

【目的】通过研究极端天气影响下人群停留行为扰动的特征来反映人群动态整体受影响程度，为增强城市韧性、降低灾害损失和保障城市秩序稳定提供支撑。【方法】在个体层面和群体层面，分别基于相似性思想和Z-Score原理构建了定量化停留时空扰动度量方法，并利用2022年7月泉州暴雨事件期间匿名化手机位置数据，对有关方法的有效性进行了检验。【结果】 ① 本文构建的方法能够定量化反映人群停留行为的时空扰动； ② 从个体尺度上看，本文方法能够有效揭示个体的受影响类型和时空分布特征，研究案例数据显示居住在市中心区域个体地理位置和时间安排更容易受到暴雨事件的综合影响；居住在郊区和远郊地区的个体，虽然停留位置有所改变，但时间作息基本不变； ③ 从群体层面上看，本文方法能够反映人群受暴雨影响的时间扰动模式和地理扰动分布，研究案例数据显示暴雨事件当天，受影响群体居住地区覆盖了全市建成区面积的68.71%，而且不同地区的群体停留行为表现出不同的韧性特征和恢复速度。长时间停留行为的停留人次在暴雨前夕显著增加，最大变化幅度为9.82%。短停留行为的停留人次在暴雨来临前和来临时明显减少，而暴雨下午则出现显著增加，停留人次的最大变化幅度高达21.48%。【结论】本文提出的方法能够从个体层面、群体层面定量分析极端天气对人群停留行为的影响范围及程度，能够为应急管理部门评估灾害风险，处置应对有关事件提供支撑。

【目的】从大量在线新闻文章中自动生成新闻事件的故事脉络，有助于跟踪事件演变，在灾害应急救援、军事冲突分析和社会治理等领域有重要应用。现有方法首先通过直接编码文章特征或挖掘关键词共现模式对新闻文章聚类，然后根据时间顺序或地点标签生成故事脉络。然而，这些方法未能充分挖掘利用新闻文本中事件的时空属性，导致生成的故事脉络难以准确刻画新闻事件在时空维度上的演变过程。【方法】本文提出一种基于时空最优传输的新闻故事脉络生成方法。首先，设计了一种两阶段的无监督故事发现方法，先根据新闻流的文档级语义嵌入初步聚合新闻文章，再通过候选故事中的关键词分布更精细地将语义相关新闻分配到同一个新闻故事；然后，利用正则匹配和Wikidata数据，将新闻文章中提取的时间表达式和地名实体分别解析为标准格式时间和位置坐标，以挖掘新闻文章中的时空信息；最后，提出基于最优传输的时空距离计算方法，并引入距离衰减函数建模时空关联的衰减规律，利用最大生成树构建顾及时空关联的故事脉络。为了验证本文方法的有效性，本文在公开的大规模中文故事脉络生成数据集ChineseNewsEvents上开展大量实验。【结果】在故事发现任务上，与基线方法Story Forest和SCStory相比，本文方法在聚类度量指标AMI上提升0.147以上，在ARI上提升0.103以上，在B³-F1达到与SCStory可比较的性能。在脉络生成的结果上，本文方法在相关性、准确性、关联性方面表现更好。【结论】本文提出的方法能更准确地在时空维度上表达新闻事件的发展演变过程，为事件演变检测和模拟提供一种新的工具。

【目的】随着我国城市化进程的深入和市场竞争的加剧，长时间工作已成为普遍的社会问题，对劳动者身心健康与城市可持续发展构成挑战。当前关于城市居民工作活动的研究多依赖问卷调查数据，样本量有限且缺乏针对特大城市长时间工作现象的探究。【方法】本研究基于长时序手机信令数据，提出了一个识别长时间工作者的技术框架，系统分析了2019年11月份北京市长时间工作现象的空间分布特征。【结果】研究发现，北京市长时间工作者（周工作时长≥40 h）占比达47.1%，平均周工作时长48.86 h，其空间分布呈现“多中心集聚”格局，集中于CBD、金融街、中关村及亦庄等就业聚集区。不同性别和年龄群体分异显著：男性平均周工作时长（49.62 h）较女性（48.14 h）高1.5 h； 20~29岁男性群体的平均周工作时长（50.68 h）最长，而30~39岁女性群体尽管人数占比最高（22.13%），但其平均周工作时长（47.59 h）反而最低。此外，不同类型就业聚集区的长时间工作特征呈现明显的分异规律：CBD和中关村等区域的长时间工作人数更多，亦庄地区的长时间工作者占比最高（58.0%），而新发地、马驹桥等批发物流基地的工作强度更大（平均周工作时长均超过50 h）。【结论】本研究为深入理解北京市长时间工作现象提供了丰富的实证依据，研究结果为优化劳动时间政策提供了数据支持，对促进城市可持续发展和社会公平具有现实意义。

【目的】精确识别城市河流浊度分布对于了解城市水环境质量、评估污染状况和优化水资源管理具有重要意义。目前，在水质遥感反演研究中，一般先依据相关系数选择建模的敏感波段或组合，然后建立反演模型。然而，由于常用卫星遥感数据的光谱波段范围较宽且波段数量有限，寻找敏感波段或波段组合的过程存在不确定性。【方法】本文提出了一种基于卷积神经网络（Convolutional Neural Network，CNN）的浊度反演方法，该模型由4个卷积层、2个池化层和4个全连接层组成。以郑州市东风渠和熊耳河水体为研究对象，基于Planet卫星数据、实测浊度数据和光谱数据，利用CNN模型对河流水体浊度进行遥感反演，并与2种回归分析方法和3种经典机器学习方法进行精度对比，最终生成研究区浊度空间分布图。【结果】研究区浊度反演的决定系数（R²）达到0.908，均方根误差（RMSE）为0.410 NTU，相较于最优回归分析模型和最优经典机器学习方法分别提升39.6%和6.5%。通过“目测+实地采样+实验室水质分析”的方式对结果进行了验证，结果表明，CNN模型生成的浊度分布图与实际采样数据和实地调查结果基本一致，研究区浊度平均值为3.52 NTU，标准差为1.003 NTU，变异系数为0.28。【结论】本研究表明卷积神经网络方法能够有效捕捉遥感影像中的非线性和高维数据复杂关系，可以提高河流水体浊度遥感反演的精度。

【目的】知识图谱作为一种融合多模态数据源的前沿技术，在GIS领域获得广泛关注。知识图谱主要通过图数据库构建。然而，目前主流的图数据库对地理时空数据的组织和分析仍面临挑战。【方法】为了解决这一问题，本文提出了一种桥接图数据库和空间数据引擎的时空语义建模与查询优化方法。该方法在图数据库中将地理实体存储为占位符节点（仅保留映射ID），并与时空索引节点（时间树、Geohash编码）建立关联，以增强时空聚合能力。同时，在关系数据库中存储完整的地理时空对象，并采用表分区策略优化检索效率。该方法通过统一标识符和JDBC实现跨数据库地理实体的路由映射，当用户调用图数据库中预注册的时空函数时，查询重写器基于实体标识符将图查询转换为SQL语句，并下推至关系数据库处理，随后将结果反馈至图查询流程。此外，引入两阶段提交协议保障异构数据库的数据同步性。【结果】本文通过集成Neo4j和PostGIS实现了该方法的原型系统，并基于深圳市多源时空数据集（包含出租车轨迹、共享单车轨迹、路网、POI及遥感影像），对不同规模数据进行查询和存储效率实验。结果表明：相较于主流图数据库系统（Neo4j、GraphDB），本方法在地理时空查询中显著提升性能，尤其在复杂计算场景下响应时间可缩短1~2个数量级，并支持原生图数据库无法实现的栅格计算；通过轻量化图节点和PostGIS数据压缩，存储空间减少约3~5倍。相较于虚拟知识图系统（Ontop），本方法在空间查询和存储消耗上差异较小，但在大规模时空查询中响应时间显著缩短。【结论】相较于现有方法，本文方法可直接利用现有图数据库构建实体化时空知识图，提升了地理时空知识图的建模灵活性和查询效率，且支持用户自定义扩展地理时空函数库，为知识图谱中地理时空数据的高效管理和分析提供了新的思路。

【目的】全球离散格网系统（Discrete Global Grid Systems，DGGS）本质上是多尺度栅格结构，地理空间矢量与格网的集成是难点，矢量线格网化是其中的基本问题。现有方案多以平面格网单元中心（格心）连线为矢量线建模结果，但扩展到球面后建模精度降低，本文针对这一缺陷提出矢量线全球离散格网系统高精度建模方法。【方法】首先选择与地球拟合程度更高的菱形三十面体构建六边形格网系统，以3个相邻菱形面构成组合结构并建立三轴整数坐标系描述单元空间位置；然后根据矢量线首尾端点所在单元确定最优方向编码以减少搜索范围，通过编码邻近运算搜索矢量线经过的球面单元，以球面格心连线为建模结果并提出跨面矢量线处理方法；最后增加单元顶点（格点）作为结构要素，实现多结构要素矢量线建模，进一步提高建模精度。【结果】实验结果表明：本文方案能正确实现全球各个大洲海岸线格网化建模，确保格网化单元与矢量线拓扑相交，且相较平面格网建模结果兼具精度和效率优势。【结论】针对传统矢量数据格网建模方法的几何精度损失和拓扑畸变问题，本文提出高精度球面格网化建模方法，为矢量数据转换至格网同构处理提供有力支撑。

【目的】针对IFC标准的建筑信息模型（BIM）在实际应用中存在几何优先、语义弱化、跨软件语义丢失等问题，借鉴知识图谱及其推理算法（TransE）模型，将BIM模型信息进行网络化语义表达，通过增强模型的几何和语义关联性，解决跨平台交互语义丢失问题。【方法】以Revit软件库自带三层建筑模型为实验对象，将TransE模型应用于BIM语义信息的提取。BIM语义信息首先分解为构件语义、关联语义、坐标语义3种，建立构件节点的IfcEntity动态标签及关联节点的静态关系属性标签，提取了2 453个BIM语义节点、14 844条关联关系。【结果】实验及结果表明： ① 知识图谱能有效地将BIM模型构件及复杂关系进行图形化表达； ② 对比不同参数组合下TransE模型性能指标（MRR\Hits@n)发现：嵌入维度与模型性能成正比，学习率与模型性能成反比； ③ 当嵌入维度为200、学习率为0.000 5时，模型的评价指标最优； ④ 通过搜索系统查询所有构件节点进行结果验证发现，BIM构件语义信息提取成功率为94.47%。【结论】本文所倡导方法适用于BIM语义信息的提取及其更深层次的语义分析，研究结果为BIM与GIS集成提供一种语义转换的新途径。

【目的】现阶段台风灾害知识服务常面临着“数据海量、知识难求、服务受限”的困境，如何从海量数据中快速凝练知识，提升台风灾害知识服务水平，减轻灾害带来的破坏性影响是当前研究的关键。大语言模型（LLMs）在自然语言处理领域展示出优异的性能，能够有效挖掘各类灾害信息，为深度灾害知识服务提供有效支撑。【方法】本研究深入解析了LLMs在台风灾害领域的应用前景，搭建了涵盖数据、知识、服务的台风灾害知识服务方法。【结果】就数据层到知识层而言，提出了基于Qwen2.5-Max的台风灾害知识图谱自动化构建方法。该方法首先提出了多层次台风灾害知识表达模型，而后构建了顾及时空特征和灾情影响的台风文本训练数据集。在此基础上采用“预训练+微调”的技术范式，实现了灾害数据到灾害知识的快速凝练。就知识层到服务层而言，提出了基于Qwen2.5-Max的台风灾害智能问答方法。该方法利用构建的台风灾害知识图谱，采取图检索增强生成（GraphRAG）方法，实现了基于图的灾害知识检索与面向用户的个性化防灾减灾指导方案生成。【结论】本研究充分展示了LLMs在台风灾害领域的广泛应用前景，也为LLMs与地理信息技术的交叉融合打下了基础，有望推动地理人工智能的进一步发展。

【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。