【目的】 随着城市化进程的加速和机动车数量的剧增，城市交通系统面临着巨大的压力。智能交通系统作为智慧城市的重要组成部分，被广泛应用于改善城市交通状况，交通速度预测即是其中的一个关键研究领域。实时且准确的交通速度预测对于缓解交通压力、优化交通运输和建设智能城市交通至关重要。然而城市交通网络节点间存在复杂的耦合关系和动态随机的时变特征，现有的预测方法往往难以准确捕捉其潜在的动态时空相关性。【方法】 本文将城市交通速度预测视为多变量时间序列预测问题，提出了一种基于多元时间序列动态图神经网络（MTDGNN）的交通速度预测模型。该模型基于实时交通信息，通过图学习层自适应地生成交通动态图，结合预定义的道路网络静态图，从多方面捕捉空间依赖性。同时，图卷积模块和时间卷积模块交替使用，构建多层次的空间邻域与时间感受野，充分提取交通数据的空间特征和时间特征。【结果】 本文在北京市东部城区2017年4月1日—5月31日397条路段的真实交通数据集上对 MTDGNN 模型进行了实验测试，并将预测结果与9个基准模型和7个消融实验模型进行对比。与9种基准模型相比， MTDGNN模型的平均MAE降低了至少2.24%，平均RMSE降低了至少3.98%。【结论】 MTDGNN模型在MAE、RMSE和MAPE评估指标上均取得了最优的预测精度，表明该模型在复杂交通场景中的优越性与鲁棒性。

【目的】 癌症是全球绝大多数国家的主要致病死因，对人类寿命和公共卫生构成了严重威胁。本文探讨了全球五类主要癌症死亡率的时空分布特征，并给出了未来发展趋势预测。【方法】 本文针对2011—2019年全球200个国家五类主要癌症（肺癌、结直肠癌、胃癌、肝癌与胰腺癌），采用GBD数据与世界银行数据库资料，基于MGWR模型提取各类癌症死亡率影响因素的空间异质性特征，利用ARIMA模型提取各类癌症死亡率的时间变化趋势特征，并将该时空信息作为参数输入构建贝叶斯时空模型，对全球主要类型癌症死亡风险进行预测评估。【结果】 研究发现，全球五类癌症死亡率均持续增加， 2019年各类癌症死亡率较2011年平均上升了17.2/100 000人。全球超过72.8%的国家癌症死亡相对风险较高（RR>1），呈现出明显的空间聚集性。【结论】 相比非洲与南亚地区，欧洲、中亚、北美、东亚及太平洋地区癌症死亡率增速较快。相比中低收入和低收入国家，高收入和中高收入国家各类癌症死亡率上升趋势明显，相对风险更高。65岁及以上人口占比、吸烟、酒精、低运动强度、高糖加工饮食、人均GDP、人均GNI和人均医疗卫生支出成为全球主要类型癌症死亡风险的关键影响因素。本研究通过集成不同地理时空分析方法优势，创新性构建了涵括时空分组变量和不同影响因素的疾病风险时空预测模型，灵活度高，可解释性强，更适用于量化时空非平稳性关系，能够有效评估全球不同地区主要类型癌症死亡的相对风险，加深了地理空间建模技术与流行病研究的交叉融合，对严峻的全球癌症防控规划具有重大科学意义。

【目的】 城市交通流量预测对智能交通系统至关重要。传统方法常将路网划分为栅格进行区域预测，但忽略了道路间的关联，导致预测结果无法准确反映交通流变化。基于道路段数据的方法虽能捕捉道路间的空间联系，却面临轨迹映射时数据冗余、轨迹错配和数据稀疏等问题。【方法】 为了解决这些问题，本文提出了一种用于道路级稀疏交通流预测的注意力时空神经网络(ASTNN)模型。模型首先对轨迹数据做预处理和基于隐马尔可夫模型（HMM）的地图匹配，得到各道路段的交通流数据；并采用面向路网的自适应紧凑二维图像表示方法，将路网表示为以道路段为像素点的二维图像。在分析交通流时空特征的基础上，提出了两种新的注意力时空模块：注意力时空记忆块（ASTM block）和注意力时空聚焦块（ASTF block），分别用于时间相关性挖掘和空间稀疏特征提取。基于这2个模块，并融合外部信息，构造了ASTNN模型实现道路级交通流预测。 【结果】 本研究以成都出租车轨迹数据为研究对象，在成都市三环区域内的五级路网中，完成了轨迹数据的预处理和流量的映射，并对流量预测模型进行了验证。 结果显示，本文所提出的数据处理方法可使轨迹与路网匹配时间降低73.6%。在与CNN、ConvLSTM、GRU、STNN等现有方法的对比实验中，本文方法在RMSE、MAE以及R²等指标上均取得了最优的预测准确度。在此基础上，进一步验证了在ASTNN中引入温度信息对提高预测准确度的显著作用，为模型性能优化提供了新的思路。【结论】 本研究提出的ASTNN模型为城市道路级稀疏交通流预测提供了可行的实施思路和技术路线。

【意义】影像匹配是完成多景影像空间位置对齐的方法和过程，而自动化影像匹配是现代摄影测量与遥感数据处理中关键的一环。【进展】随着对地观测技术的发展和多源遥感数据获取能力的提高，综合协同处理多源数据的能力需求推动多模态遥感影像的匹配技术研究不断深入，近年来基于深度学习的思想深刻影响了影像匹配领域技术的发展。本文在介绍传统遥感影像匹配框架的基础上，分析了多模态遥感影像的类型、特点与匹配难点，重点论述了针对多模态遥感影像不同深度学习方法研究的新进展，并分析了其优缺点，归纳总结了目前适应多模态遥感影像匹配任务的数据集，对深度学习方法在多模态遥感影像匹配中的发展成果和当前挑战进行了总结。成果方面，该领域算法在高效、鲁棒和精度上显著提升，多模态融合策略和多种创新框架与模型推动了研究发展并反映了该领域从模块化适配到整体建模的转变，揭示了数据驱动的表征学习与几何推理的更深度融合。但当前研究仍存在显著瓶颈，多模态差异方面，异构性严重制约匹配效能，模型泛化能力不足；数据与计算层面，高质量标注数据稀缺、计算资源需求大；工程部署层面，算法实战能力欠缺，误匹配剔除困难，模型在混合模态数据处理中泛化性差。【展望】最后对多模态遥感影像深度学习匹配方法领域的发展趋势与未来展望进行了深入探讨，包括模态无关的设计、物理信息约束的网络架构以及适应复杂环境的轻量化方案等。

【意义】街景图像视觉位置识别（Street View Image-based Visual Place Recognition, SV-VPR）是一种基于视觉特征信息的地理位置识别技术，其核心任务是通过分析街景图像的视觉特征，实现对未知地点的地理位置预测和精确定位。该技术需要克服不同环境条件下的外观变化（如昼夜光照差异、季节更替特征演变等）和视点差异（如车载相机与卫星图像的视角偏差），并通过计算图像特征相似性、几何约束等条件来实现精准识别。作为计算机视觉与地理信息科学的交叉领域，SV-VPR与视觉定位、图像检索、SLAM等技术密切相关，在无人机自主导航、自动驾驶高精度定位、网络空间地理围栏构建、增强现实场景融合等领域具有重要应用价值，特别是在GPS信号缺失场景下展现出独特的定位优势。【分析】本文系统综述了街景图像视觉位置识别技术的研究进展，主要包含以下内容：首先，阐述了图像视觉位置识别技术的基础概念与分类，深入探讨了街景图像视觉位置识别技术的基础概念与分类方法；其次，详细分析了该领域的关键技术研究；此外，全面梳理了街景图像视觉位置识别技术相关的数据集资源；同时，梳理了该技术的评价方法与指标体系；最后，对街景图像视觉位置识别技术的未来研究方向进行了展望。【目的】通过本综述，旨在为相关研究者提供系统化的技术发展脉络梳理，帮助快速把握领域研究现状；关键技术与评估方法的对比分析，为算法选型提供决策依据；前沿挑战与潜在突破方向的预判，启发创新性研究思路。

【意义】 在全球城市多灾害风险频发的当下，如何建设具有高水平防灾韧性的交通系统已成为学界关注的焦点。相较于传统的数据类型，时空大数据以其高精细度和高信息密度的优势，在交通系统韧性研究中发挥日益显著的重要作用。然而，目前对于时空大数据在交通系统韧性研究中进展脉络的理解相对不清晰，客观上缺少对交通系统韧性领域中时空大数据的类型、应用场景和发展趋向的综合分析。【进展】 本文利用系统性文献综述方法，对在CNKI中国知网和Web of Science数据库中检索到的中英文相关文献进行了系统的综述分析，全面探讨了时空大数据应用于交通系统韧性研究的主流数据类型，量化评估、监测预警、模拟预测与系统优化4个具体实践领域及在各领域所运用的研究方法，以及相关研究的发展趋势。【展望】 在总结当前时空大数据在交通系统韧性研究中的应用成就与不足的基础上，进一步展望了若干交通系统韧性研究领域未来可能的发展方向，以期为我国时空大数据赋能交通可持续发展、推进交通强国战略目标落实提供有益思考与借鉴。

【目的】 为提高交叉口中车辆轨迹预测精度，解决交叉口多车交互场景中的轨迹预测难题。【方法】 构建强化邻接图卷积（EAG-GCN-T）的车辆轨迹预测模型，采用公共数据集INTERACTION并对数据噪声进行平滑处理，开展模型对比验证试验，与不同基准模型比较误差评估指标，验证轨迹预测精度、对比交互能力、分析泛化能力与驾驶行为识别。在模型构造上，EAG-GCN-T模型将强化邻接图卷积网络（EAG-GCN）与Transformer模型结合，EAG-GCN模块通过考虑相对速度与距离，利用强化加权邻接矩阵精确建模车辆空间交互关系，Transformer模块捕捉时间依赖性并生成未来轨迹，提升了时空预测能力。【结果】 在预测效能方面，单车轨迹长时段预测时，平均位移误差（ADE）和最终位移误差（FDE）较CV、ARIMA、CNN-LSTM分别降低69.4%、39.8%、33.3%和71.9%、32.5%、27.4%；多车交互预测中，与GRIP模型相比，FDE降低19.5%和20.6%；与3种交互机制对比，EAG-GCN-T在所有时域下总体误差最低，ADE/FDE分别为0.53和0.74，且行驶区域符合度（DCA）和轨迹点丢失率（MR）更合理，在匝道和环形交叉口适应性良好。在驾驶行为方面，模型能精准预判跟驰、变道、避让等行为及其对轨迹的影响，预测轨迹与真实轨迹高度一致。【结论】 EAG-GCN-T模型有效解决了交叉口多车交互场景中的车辆轨迹预测问题，具有高精度、强交互性和良好的泛化能力，为智能交通系统的车辆轨迹预测提供了新的解决方案。

【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。

【意义】月球形貌遥感测绘是保障月球探测任务安全实施和推动月球科学研究的关键手段，对于理解月球地质演化和地月系统的形成具有重要意义。【进展】近年来，随着国内外对月球探测的兴趣与投入不断增加，遥感技术的创新推动了月球形貌测绘精度和覆盖范围的显著提升，各类遥感任务获取了大量多源、多模态和多尺度的数据，为技术突破奠定了基础。然而，数据量和复杂性的急剧增加，带来了形貌测绘处理的严峻挑战。本文全面综述了月球形貌遥感测绘的发展现状，重点梳理第二次探月热潮以来月球遥感探测任务的实施与数据获取情况，系统总结了激光高度计测高、光学摄影测量以及合成孔径雷达地形测量等关键测绘技术的最新研究进展与应用。【展望】对月球形貌遥感测绘领域的发展趋势与未来可能面临的挑战进行了深入探讨和展望，针对传感器能力提升、月球绝对参考框架优化、多源数据融合精细建模、海量遥感数据智能高效处理、以及推动科学应用水平发展的前景等方面给出了建议。

【意义】经典统计推断依赖大样本与独立同分布前提，但时空数据却往往不满足这两大前提，因此，经典统计框架下的时空统计方法具有一定理论局限；相较而言，贝叶斯统计范式下的时空统计方法通过融合先验信息、引入参数随机性，形成统一的概率推断框架，可考虑更多不确定性，并能有效克服时空数据中的小样本和非独立问题，在时空统计建模中体现出较强的自身优势，并受到广泛关注和快速发展。【进展】本文首先从方法论演进角度出发，从传统贝叶斯时空统计与贝叶斯时空机器学习两个视角系统梳理了主流的贝叶斯时空统计模型，前者包括贝叶斯时空演化层次模型、贝叶斯时空回归层次模型、贝叶斯空间面板数据模型、贝叶斯时空地理加权回归模型、贝叶斯时空变系数模型和贝叶斯网格化时空高斯过程模型，后者包括贝叶斯时空因果森林模型、贝叶斯时空神经网络模型和贝叶斯时空图卷积神经网络模型；后又从实际应用方面，重点回顾了贝叶斯时空统计模型在公共卫生、环境科学、经济社会与公共安全、能源与工程等领域的应用。【展望】贝叶斯时空统计方法需在多源异构数据建模、深度学习融合、因果推断机制引入及高性能计算优化等方面实现突破，以兼顾理论完备性与实践适应性，推动其发展为具备因果推断、自适应泛化及智能分析的下一代时空建模范式。

【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】 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。

【意义】月球表面物质成分与热环境特征，是进一步认识月球资源分布、环境特征、演化历史的重要科学依据。光谱成像仪具有无损探测物质成分的能力，是月球及深空探测任务中配置的重要科学载荷之一。轨道器探测数据为人类认识月球资源分布、起源演化等提供了重要数据。随着月球探测任务的日益深入和光谱成像技术的不断发展，获取更高空间分辨率、更高光谱分辨率的宽谱段全月数据是月球环绕探测的发展趋势，但也加深了数据处理的难度。【进展】本文首先概述了国内外历次月球探测任务中，光谱成像仪的参数配置及主要研究成果等；然后，针对月球高光谱宽谱段遥感数据预处理、月表参量转换等难题进行了讨论；最后，就如何突破现存的挑战，获取更高精度的月表科学研究成果，提出了可能的技术途径和解决方向。【结论】高光谱数据为月球表面特征的详细研究提供了数据基础，后续将为载人月球探测和月球科学研究提供进一步的支撑。光谱成像技术的发展以及高光谱数据处理方法的提升将进一步增强在月球和行星科学方面的研究能力，推动月球的地质学和资源利用的发展。

【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。

【意义】人类移动与交通、传染病、安全等密切相关，使得轨迹分析与建模成为持续的研究热点。目前，学界与业界已发展了大量以机器学习/深度学习为主流的轨迹专门模型，如轨迹插值模型、轨迹预测模型、轨迹分类模型等。然而，这些模型大多针对专门任务设计、基于局部区域数据训练，难以泛化应用于其他任务、其他区域乃至其他类型的轨迹。近年来，随着生成式人工智能发展，通用基础模型在自然语言处理、计算机视觉等领域得到显著应用。在这一技术发展趋势下，构建轨迹基础模型，使其学习到大规模轨迹数据的通用特征，以适用于不同区域与多种下游任务，成为轨迹建模的迫切需求。【方法】本文首先系统综述了各类轨迹专门模型的研究进展与发展脉络，然后将轨迹建模任务分为常规任务（轨迹相似性计算、插值、预测、分类等）与生成任务（轨迹生成），阐述了近年来面向这两类任务的轨迹基础模型前沿研究进展。【结论】本文认为，面向常规任务的轨迹基础模型除了具备任务泛化能力，还应进一步强化其空间泛化与数据泛化能力；面向生成任务的轨迹基础模型还需攻克空间泛化难题，能够基于易获取的目标城市宏观数据或特征，“从无到有”生成城市级大规模轨迹数据。此外，将轨迹数据与其他类型数据（如文本、地图、其他地理空间数据）联合构建多模态地理基础模型，以及构建面向交通管理、传染病传播、公安寻人等业务场景的轨迹基础模型，也是未来值得探讨的研究方向。

【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】小目标检测在军事和民用领域具有重要意义，但由于低分辨率、高噪声环境、目标遮挡及背景复杂等因素的影响，传统检测方法在精度和鲁棒性上难以满足实际需求，复杂场景下的小目标检测问题仍极具挑战性。因此，本文提出一种混合特征与多尺度融合的小目标检测算法。【方法】首先，本文设计了一种混合特征提取模块（Hybrid Conv and Transformer Block, HCTB），充分利用局部和全局上下文信息来增强网络对小目标感知，优化了计算效率和特征提取能力；其次，提出了多膨胀率共享卷积核模块（Multi-Dilated Shared Kernel Conv, MDSKC），通过不同膨胀率的空洞卷积扩展主干的感受野，高效提取多尺度特征；最后，结合基于Omni-Kernel和Cross Stage Partial思想构建的全核跨阶段特征融合模块（Omni-Kernel Cross Stage Model, OKCSM），优化了小目标特征金字塔网络，更大程度上保留小目标的信息，提高了检测性能。【结果】本文在 VisDrone2019和TinyPerson数据集上进行了消融实验和对比实验，结果表明：本文方法相较于基线模型yolov8n，在查准率、召回率、mAP₅₀、mAP_50:95上分别提升为1.3%、3.1%、3%、1.9%和3.6%、1.3%、2.1%、0.7%，且模型尺寸和GFLOPs仅为6.3 MB和11.3 G；此外，在与HIC-Yolov5、TPH-yolov5、Drone-YOLO等经典算法的对比实验中，本文提出的算法显示出明显的优势，优于其他对比方法。【结论】本文算法有效提升了检测精度，证明了本文算法面对复杂场景中小目标检测问题方面具有良好的检测性能。

【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】 粗放式设施配置已无法保障社会公平和生活品质，提高感知服务质量成为城市公共交通发展和改革的重要方向。以往研究存在以下不足： ① 传统基于交通调查的分析方法难以揭示感知服务质量的区域差异； ② 现有使用社交媒体平台大数据的研究容易受到信息偏差、极化等影响，不易反映公众真实诉求，且对制度化平台数据的利用多停留在舆情分析层面，缺乏具体可行的优化路径。【方法】 提出了一种结合公众网络参与和语义分析的方法，并以武汉都市发展区为研究区域，基于政-民在线互动平台的公共交通相关网络留言，通过时空特征信息提取验证了数据的可靠性，运用情感分析、主题聚类和空间分析识别了感知服务质量的特征，并结合公交系统服务效能针对不同区域提出优化建议。【结果】 ① 公众网络参与数据能够反映实际出行活动的时空规律，具有较高可信度； ② 公众的情感表达在个体和区域上存在差异，对服务质量的感知维度可以分为“公共交通规划建设”、“公共交通出行路况”、“居住小区公交配置”、“公共交通线路设置”和“公共交通运营服务”5个主题，且感知服务质量在空间上呈现不均衡和聚集的特征； ③ 针对主城区道路系统、远城区地铁站点、主城区与远城区交界处公交线路提出了相应的优化建议。【结论】 研究成果为城市公共交通感知服务质量的空间差异精细化识别与优化提供了新方法，也展现了公众网络参与数据在促进政府决策方面的应用价值。

【目的】 土壤冻融过程是青藏高原生态系统和气候变化的敏感指示因子，研究其时空变化特征对揭示该地区气候变化及其生态响应具有重要意义。【方法】 本文基于2003—2022年的ERA5-LAND地表温度数据，通过Theil-Sen斜率估计法和Mann-Kendall检验法分析了土壤冻结起始时间、冻结结束时间、冻结持续时间和冻结天数在青藏高原的时空变化特征，并结合地理探测器分析冻融参数空间分异的主导因素，最后使用相关性分析法分析冻融参数与主要驱动因子的相关性。【结果】 ① 青藏高原土壤冻融过程整体呈现出冻结起始时间由西北向东南推迟的趋势，冻结结束时间、冻结持续时间和冻结天数与此相反，冻结天数显著缩短区域像元面积占比为74.05 %； ② 土壤冻融4种参数在不同区域随时间变化显著，多年冻土区冻结起始时间和冻结天数变化速率最快，分别推迟12.7 d和缩短20.4 d； ③ 气温是青藏高原区冻结天数空间分异的主导因子，降水和NDVI也有重要作用，任意两种因子交互作用均大于单一因子作用，以气温与其他因子在不同区域的解释力最为显著； ④ 在青藏高原区4种参数与气温变化显著相关，与降水和NDVI没有呈现明显相关性；不同海拔下4种参数呈现明显梯度差异，随海拔升高，冻结起始时间提前，结束时间推迟，持续时间和冻结天数延长。【结论】 研究结果为进一步理解土壤冻融过程与气候变化的关系提供了数据支撑，并为青藏高原地区的生态环境变化监测及预测提供理论依据。

【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】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。

【目的】兴趣点（POI）具有地理空间实体与文化信息承载双重特性，是分析、识别区域文化表达和功能特质的数据基础。基于POI大数据识别、分析大运河沿线旅游文化场景类型及其特征，对实现大运河沿线地区文旅差异化可持续发展具有重要意义。【方法】通过将POI数据与场景理论结合、空间实体与文化价值关联、定量统计与定性组态分析融合，构建了“空间载体-文化价值-场景类型”分析框架。本文抓取476 968条POI数据，首先建立了包括6个大类、 24个小类的旅游文化舒适物数据库；采用德尔菲（Delphi）法确定旅游舒适物场景子维度的分值，计算旅游文化场景表现得分；最后，运用描述性统计分析、 K均值聚类法、系统聚类法识别旅游文化场景类型，并将聚类结果进行地图可视化表达，分析旅游文化场景类型特征、组态影响机制与对策建议。【结果】① 大运河江苏段沿线能够彰显当地旅游文化特色，地方特质显著，具备一定表现能力和吸引力，但在旅游文化价值取向上差异较大，尤其表现在本地性、迷人、展示、功用主义和感召力等子维度，表明大运河江苏段沿线旅游文化场景具有异质性特征； ② 经过聚类分析，大运河江苏段沿线34个县（市、区）可以划分为本土型场景（10个）、功利型场景（8个）、舒适型场景（13个）以及魅力型场景（3个）4种类型，判别分析验证了聚类结果的科学性。4种场景类型呈现不同特征； ③ 江苏大运河沿线旅游文化场景类型的组态影响路径可归纳为3条，受经济发展、城镇化、人口规模、财政政策、交通通达、文旅资源多因素耦合影响，其中经济发展、城镇化水平和人口规模是影响旅游文化场景类型的核心条件。【结论】基于POI大数据，将场景理论引入文化旅游发展研究中，为区域文旅差异化可持续发展开拓了新思路。

【意义】社会现象本质上具有内在空间属性，空间视角为解析复杂社会问题提供了关键路径。随着社会科学“空间转向”的不断深化，以及地理信息系统（GIS）在数据获取、空间分析与建模、空间可视化等方面的持续进步， GIS已成为社会问题求解的重要工具。然而，地理学与社会科学在理论范式、方法逻辑与尺度认知上的差异，制约了二者的深度融合。亟需系统厘清其融合路径，辨识核心挑战与潜在机遇。【进展】本文提炼GIS赋能社会科学研究的五大优势：拓展研究思维、支撑时空数据、提升调查技术、丰富表达形式、强化分析能力；综述其在经济学、政治学与社会学中的典型应用，揭示跨学科共性与学科差异；深入剖析融合过程中的三重挑战——数据与问题的匹配难题、方法与机制的整合困境以及地点与尺度的情境错位，并提出针对性的应对路径。【展望】人工智能，特别是大模型的发展，为GIS空间分析注入新方法论动能。未来应构建“大模型-空间分析”协同范式，推动GIS从工具应用向理论支撑跃升，提升其在社会问题求解中的科学价值与实践效能。

【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】 城市交通需求的规模、分布、方式结构与交通流是人类社会经济及其在不同区位上的空间相互作用的结果，社会经济运行的复杂系统性决定了交通需求预测必须从城市系统出发，才能破解当前交通需求预测“就交通论交通”的技术难题。【方法】 本文解析了城市交通的系统性特征，提出了土地-人口-住房-交通一体化模拟技术框架，总结了基于城市系统的交通需求模拟预测技术。技术涵盖交通需求分布、交通方式分担与路径分配、土地利用模拟、人口与就业分布、房地产价格、碳排放等子模块以反映完整的城市系统；设置广义出行成本、区位可达性、房地产价格、职住关系系数、用地混合度等一系列子模块关联变量，反映子系统间的相互影响与时滞效应；设计子模块核心算法实现城市系统模拟预测。【结果】 本文以北京为例，展示了该技术在交通需求模拟预测上的技术效果与应用：将2020年北京市的真值与模拟值进行比较，发现对交通需求、拥堵情况、土地利用、人口分布等模拟结果的准确度可达85%以上；进一步应用该技术平台，对北京市2030年的交通需求、交通流量、拥堵指数等进行了预测。【结论】 本文提出的基于城市系统的交通需求模拟预测技术完善了城市交通理论，为城市交通规划提供了的新方法与新技术支撑。

【意义】社区作为城市基本构成单元，碳排放水平和精确核算直接影响着建筑行业整体减排成效，本文梳理了目前碳核算主要方法及其优劣，提出了基于数字孪生技术提升社区碳核算精确性和全面性的新思路。【进展】本文首先介绍3种传统碳核算方法—碳排放因子法、质量平衡法和实测法及其应用情况，梳理适用于社区尺度碳核算的数字孪生技术，主要包括建筑信息模型BIM、地理信息系统GIS和物联网IoT技术；本文分析了 ① 拓展基于数字孪生技术碳核算的覆盖面至社区层次，② 加强多项数字孪生技术的融合互联程度，③ 建立基于数字孪生技术的社区碳核算体系3个方面发展趋势；提出集成BIM、GIS和IoT 3种成熟技术并搭建基于城市信息模型CIM社区碳排放体系的广阔前景。【展望】未来，应用数字孪生技术可实现“不同尺度”和“不同地域环境”社区精准碳核算、碳排量预测、减碳路径制定、以及进行评估与反馈。同时随着AI技术发展，未来有望将城市信息模型CIM社区碳核算单元与AI智能体整合，充分发挥大数据、大模型和大算力优势，从而构建智慧城市智能化社区碳核算体系。

【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。