【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】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。

【目的】街道空间是行人在城市环境中的主要感知界面，高品质的街道空间视觉质量对提升街道空间活力具有重要意义。传统方法多依赖单一客观指标进行评价，难以有效衔接客观环境特征与行人主观感知。【方法】本研究提出一种基于大语言模型进行评价的新框架，纳入主观感知的“风格维度”，将传统的单一指标量化分析扩展到数量化与风格化的综合分析。本框架基于百度街景图像，结合语义分割技术评价植被密度与天空开敞度2项客观指标；结合先进的大语言模型能力，通过提示词工程进行优化，评价植被多样性、建筑类型、建筑连续性、人行道使用情况、车行道使用情况及标识使用情况6项主观指标。最终结合潜在狄利克雷分布（Latent Dirichlet Allocation, LDA）主题模型对研究区的街道类型分类，以探讨不同街道的空间特征及其优化方向。【结果】以北京市西城区为研究区，研究结果揭示了区域内植被密度与天空开敞度的空间分布情况，呈现了行人对植被多样性、建筑类型等指标的主观评价。通过聚类分析识别出以西单北大街为主的综合服务类街道、以西黄城根南街为主的特色类街道以及以灵境胡同为主的混合类型街道。【结论】本研究创新性地引入具有人类感知能力的大语言模型，并结合提示词工程提高模型性能，实现街道视觉质量的高效、主客观融合评价，为大规模街景图像自动化评估提供参考。

【意义】跨视角图像地理定位是指将带有坐标元数据的卫星图像作为参考图像，从而确定待查询的地面视角图像地理坐标的过程。由于卫星图像可以做到全球覆盖且获取便捷，将其作为参考影像进行图像定位极大地扩展了图像地理定位的应用范围。【进展】伴随各种算法技术的发展，跨视角地理定位经历了从手工提取特征提取到深度学习的过程，其具体的定位思路也经历了从利用检索的方法直接将检索到的卫星图像中心坐标标记为地面图像位置的图像级跨视角定位，到像素级的细粒度定位，即更精准地将对应的卫星图像相应像素位置坐标赋值给地面图像的过程。然而，在跨视角地理定位的具体实现过程中，由于地面（侧视）图像和卫星（俯视）图像之间视角的剧烈变化，导致地面图像和卫星图像间的视觉内容差异巨大、相似性很小，这也使得跨视角图像地理定位具有较大的挑战性。然而为了提升跨视角地理定位的精度，各种学者纷纷进行各种表征学习、度量计算等算法的改进。同时针对巨大的视角差异，一些学者甚至研究跨视角图像之间专门的几何变换、图像生成等视角转换方法，以及借助方向信息、无人机图像信息的中间视角连接等提升定位精度。【目的】本文针对跨视角地理定位中出现的不同方法，以及用到的各种数据集、评价方法等进行梳理总结，在此基础上讨论未来的发展趋势。

【目的】可持续发展是全球各国发展的核心议题，涵盖了可持续的交通体系、包容和可持续的城市化等重要内容。作为城市公共服务设施的重要组成部分，公交网络是城市稳定运行的基石，其站点与线路的分布直接影响居民的出行方式。现有研究多聚焦于公交站点与线路的可达性分析、选址优化以及与人口、土地利用等因素的空间耦合关系，但在面对城市空间异质性和设施冗余问题时，仍存在优化深度不足、影响机制不清等问题。【方法】本文以北京市为例，重点关注北京东城区、西城区，本研究基于公交网络、地形、经济等多源数据，构建影响因素体系，并采用XGBoost机器学习方法，揭示驱动因子对公交站点分布的影响权重。在此基础上，提出了考虑站点冗余的数学模型，优化上下行站点的空间布局，绘制北京市公交站点空间优化布局图。【结果】研究结果表明： ① 北京市公交设施分布存在不均衡现象，中心城区与边缘区域在便捷公共交通可达人口比例上相差超过30%； ② 在19类影响因素中，人口密度为核心驱动因子，占比27.77%，风景名胜数量和停车场数量的影响较小，特征重要性不足0.5%； ③ 与p-中值模型相比，所提出的冗余优化模型显著减少了优化后站点的冗余程度，同时兼顾了加权距离最小化的性能，优化后的站点布局沿着原有公交线路分布且更加均匀。【结论】该研究结果可以为公交站点及其他公共服务设施布局提供一定的参考与理论支撑，有助于提升公共资源利用效率，促进城市可持续发展。

【目的】随着全球气候变化、海平面上升与人类活动不断加强，海岸带人-地-海关系发展呈现出复杂性、敏感性和脆弱性等特征，亟需建立集成环境感知、过程模拟和情景推演的海岸带综合研究体系。数字孪生作为一种融合数据、模型与知识的智能系统新范式，为海岸带复杂系统的精准镜像与智能调控提供了新思路。【分析】本文系统梳理了当前海岸带数字化建设发展脉络，分析了在多重压力下海岸带自然与人文强耦合的数字化建设需求，提出以陆海交互过程为场景基底，人-地-海互馈为演绎主线的数字孪生海岸带建设思路与框架。本文从信息集成与知识聚合、自然过程模拟与人地耦合决策、短期预测与长期监测、真实表达与智能交互4个方面构建系统架构，讨论了海岸带数据治理、场景建模、要素预测、长期监控以及数字孪生系统平台的关键技术。【展望】以多源数据时空融合场景为基础、以推演与干预能力为目标的数字孪生海岸带，将有助于突破传统海岸带数字化系统建设瓶颈，提升海岸带系统的可计算性与可管理性，有望为气候变化背景下的海岸带可持续发展与治理体系现代化提供新工具与新范式。

【意义】随着遥感测绘与自动驾驶技术的快速发展，三维点云语义分割作为数字孪生系统的核心基础技术，其研究热度持续升温。航空点云语义分割被认为是有望提升三维地理信息系统的自动化、智能化的关键技术之一。【分析】在深度学习技术和激光雷达（Light Detection and Ranging， LiDAR）、深度相机、三维激光扫描仪等传感器的推动下，点云语义分割技术通过精确的特征提取和高效的模型训练能够实现大规模点云数据的自动分类和高精度识别。然而，相比于高密度、类别均衡的典型点云语义分割数据集（如室内点云数据或自动驾驶和机器人领域的室外点云数据），航空点云由于其特有的数据特性（如大范围三维地形覆盖、动态平台运动误差累积、地物空间尺度差异大、复杂地物遮挡等因素），在点云配准、特征提取等关键环节仍面临显著挑战，目前基于深度学习的航空点云语义分割研究仍处于起步阶段。同时，受限于数据不同获取方式、不同分辨率、不同属性信息，现有研究距离算法落地应用还有一段距离。【进展】本文旨在对这一领域的发展进行全面的分析研究，包括各类适应算法的特点、数据集、性能指标和最新提出的方法，以及它们的优势和局限性。此外，本文还提供与现有技术水平的定量比较，对有代表性的方法进行研究，包括精度分析和适用性能分析。【展望】最后，总结分析航空点云语义分割技术突破亟需在特征表达、多模态融合、小样本学习、点云语义分割算法可解释性及大模型基准构建等多个维度开展系统性研究创新，不仅有助于解决当前算法在实际部署中的瓶颈问题，还可为数字孪生城市、灾害应急响应等重大应用提供可靠的技术支撑。

【目的】地图编制涉及要素选取、符号化与注记配置等专业操作，存在制图过程复杂、效率不高等问题。基于大语言模型（LLM）的文生地图制图技术可以大大简化制图过程，提高了制图效率，但仍存在人工调试依赖度高、工具调用流程碎片化等问题。【方法】本文提出基于DeepSeek的文生地图智能体构建方法，通过对自然语言指令的任务分解与工具自主适配，实现了从用户输入到可视化输出流程的自动化处理。研究以DeepSeek模型为核心，为地图要素配备制图工具及使用描述，分析模块结构及协作机理，构建了5类工具集，通过理解指令推理生成任务思维链，调用可视化工具实现自然语言到地图的跨模态映射。【结果】为检验智能体的有效性，分别以基于本地地图数据和网络地图服务的制图任务为对象，以DeepSeek-V3-0324和R1模型作为决策核心，完成了基于自然语言的自动制图任务。实验表明文生地图智能体可以在低工具复杂度任务中实现工具复用，并具备通过多工具链式调用完成高复杂度生成任务的能力。【结论】基于DeepSeek构建的智能体可以较好地完成文生地图任务，且通过40次重复实验发现： V3的执行效率是R1的6.56倍，平均执行效率约为6.29 s/step，对LangChain Agent的模块化适配性更优。

【目的】轨迹知识图谱能够有效记录轨迹与地理空间实体间深层语义联系，在揭示复杂关联信息方面展现出显著优势。传统的面向领域数据源的知识图谱构建方法依赖于专业知识，涉及繁重的数据预处理和实体关系抽取工作，对用户的专业技能要求较高。【方法】为降低轨迹知识图谱构建门槛，本文提出了一种大语言模型提示学习增强的轨迹知识图谱构建方法，支持以自然语言驱动的任务执行流程，显著降低了知识图谱构建的使用门槛。首先设计预处理任务提示策略，引导模型自动生成异常轨迹数据处理代码，完成数据预处理工作，降低了编程能力的依赖；其次设计工具调用的两级系统提示策略，完成轨迹实体关系抽取工具的匹配与调用，将繁重的构建流程封装于提示模板与自动化工具中，使非专业用户通过简单的语言指令完成图谱构建。【结果】为验证本文方法的可行性与有效性，本文通过构建轨迹预处理和实体关系抽取工具匹配的测试语句集，选取真实船舶和车辆轨迹数据作为知识图谱构建数据集，评估提示策略的适用性，在通义千问和百度千帆主流大语言模型上，分别达到了75%和80%以上的准确率。【结论】本文验证了结合提示学习的大语言模型在低门槛构建轨迹知识图谱中的有效性，展现出所设计提示策略的良好泛化性与应用价值。

【目的】本文旨在提升高分辨率遥感图像的目标检测性能，针对小目标检测、复杂背景处理和密集目标分布等关键问题，提出了一种解决方案。【方法】本文基于YOLOv11框架，提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了3个创新模块： ① 多核特征融合模块（Parallel Kernel Feature Fusion Module, PKFFM），用于跨尺度特征整合以增强表示能力； ② 级联双分支注意力模块（Cascaded Dual-Branch Attention Module, CDBAM），通过突出相关空间和通道信息优化特征提取； ③ 情景感知模块（Scenario-Aware Module, SAM），增强网络捕获全局上下文信息的能力。此外，引入了RS-WIoU（Remote Sensing Wise Intersection over Union）损失函数，以更好地适应高分辨率遥感数据，进一步提升检测性能。【结果】为验证本文方法的有效性，本文在高分辨率遥感数据集TGRS-HRRSD、NWPU VHR-10和DOTA-v1.0上进行实验。实验结果表明，本文方法在各数据集上的平均精度(mP)分别达到97.3%、87.3%和84.3%，相较于基线模型YOLOv11，精度分别提升2.1%、3.8%和2.9%， mAP_50-95分别提升3.0%、1.2%和1.5%；此外，本文模型展现出轻量化特性和强鲁棒性，优于其他遥感目标检测算法。【结论】本文方法通过PKFFM、CDBAM、SAM以及RS-WIoU损失函数的协同作用，显著提升了高分辨率遥感图像目标检测的精度与鲁棒性，为遥感影像目标检测提供了高效的解决方案。未来可进一步探索这些模块在其他数据集和任务中的适用性，以提升模型的泛化能力并推动遥感技术的进步。

【意义】城市数字孪生模型是城市物理实体通过数据链接在数字空间中实现的综合场景模拟，是智慧城市语境下集成物联网、空间信息、人工智能等技术，对城市状态的实时化、可视化表达。本文基于物理-社会-信息（PSI）三维框架，对当前城市数字孪生模型的研究进展进行了分析，并在此基础上创新性提出物理-社会-信息-时间（PSIT）四维耦合框架。【进展】研究发现： ① 自2017年数字孪生技术进入城市研究领域以来，相关文献增长迅速，理论支撑与功能设计框架逐步成熟，模型从地理实体的数字化映射、人类活动的空间化解析、地理大数据的融合挖掘等PSI 3个方面完成初步构建； ② 为了更准确地反映城市的真实运行状况，模型现有维度在数据、技术、算法上仍需突破，同时其PSI三维框架偏重空间特征而过度简化时间维度，缺乏体现城市系统的时空分异特征； ③ 鉴于时空耦合对城市模型的重要性，本文在考虑时间的单向演进趋势、时间约束下的社会活动规律、城市要素演化的异速时间尺度以及系统相变的时间依赖性机制基础上，将时间从背景参数提升为独立维度，提出了PSIT四维耦合框架，以完善城市系统演化逻辑、创新模型理论范式，并以博雅智城CitySPS平台为实例展开具体阐述。 【展望】通过PSIT四维耦合框架实现数字虚拟空间的精确模拟与精准预测，可能成为今后城市“智”理的重要方向。

【目的】变化检测是遥感图像分析中一项关键且具有挑战性的任务，其在对地观测领域发挥着愈加重要的价值。基于深度学习的变化检测技术已取得一定成果，但在细节及边缘区域仍存在误检与漏检问题。【方法】本文提出了一种融合空间域上下文信息与频率域高频细节的多尺度小波变换注意力网络（Multi-Scale Wavelet Transform Attention Network，WTANet），该网络通过空间域与频率域互补特征增强及多尺度特征差异引导，从全局语义与局部细节两个层面提升模型对微小变化区域的感知能力。WTANet通过引入细节捕捉小波模块（Detail Capture Wavelet Module，DCWM），利用小波变换的频率域特性与注意力机制相结合，有效提取遥感影像中的粗细粒度信息，补充因卷积或池化操作而丢失的高频细节，增强了网络对细节区域的检测能力。此外，通过引入特征差异增强解码器（Feature Difference Enhancement Decoder，FDED）强调多尺度特征之间的差异，增强特征的丰富度和表达力，提升了模型在复杂场景下的性能表现。【结果】在CDD、LEVIR-CD和S2Looking 3个高分辨率遥感影像变化检测数据集上的实验结果表明，WTANet的F1分数分别达到了97.52%、91.24%及65.43%。与SNUNet、BIT等代表性变化检测模型相比，WTANet展现出了更优异的细节和边缘检测能力。【结论】本文提出的WTANet通过融合空间域与频率域信息，有效提升了遥感影像变化检测的精度，同时为后续遥感图像分析研究提供了新的思路，可为城市规划、环境监测等领域提供重要的技术参考。

【目的】传统光学遥感变化检测方法步骤繁琐、自动化程度低，而深度学习变化检测方法具有启发继承式特征表达能力，可自动学习变化模式、实现端到端变化检测，显著提升变化检测算法的精度与自动化程度，是遥感大数据时代主流变化检测方法。然而，高分遥感影像地物时空分布复杂度高，现有深度学习变化检测方法往往采用孪生编码器架构提取多时相影像特征并通过特征差值方式提取差异信息，导致差异信息建模能力不足且容易受到复杂背景、阴影和光照等因素干扰。【方法】针对以上问题，本文提出一种基于多尺度差异特征增强的全卷积变化检测网络(Multi-Scale Differential Feature Enhancement Network，MSDFENet)，MSDFENet采用孪生编码器架构从双时相遥感影像中提取多尺度特征，通过引入非对称部分双卷积模块（Asymmetric Partial Double Convolution，APDC）降低参数数量、减少冗余信息。进一步地，通过差分运算提取差异特征以捕捉变化信息的多尺度细节。在解码阶段，设计多尺度特征注意力模块（Multi-scale Feature Attention， MSFA），通过引入空间坐标注意力机制实现深层语义特征与浅层几何特征的协同优化。最后，通过渐进式上采样逐级恢复变化区细节信息，并利用简单卷积层输出变化图。【结果】为验证本文方法的有效性，在 LEVIR-CD、CDD和WHU-CD数据集上与主流深度学习变化检测方法进行对比实验与分析，定量结果表明，MSDFENet在3个数据集上均取得更优精度指标，其F1分数分别达到90.68%、94.65%和91.64%， IoU分别达到82.96%、89.78%和84.56%。目视结果显示MSDFENet可有效抑制复杂背景干扰，提高边缘定位精度，取得最优目视效果。模型复杂度分析表明，MSDFENet实现了精度与效率的最佳平衡。【结论】本文提出的MSDFENet可有效增强差异特征表达，在有效抑制复杂背景噪声干扰的同时，显著提升多尺度变化捕捉能力、改善变化检测效果。

【目的】遥感细粒度目标识别是对地观测及计算机视觉领域中的一项核心且极具挑战的任务，其聚焦高空间分辨率图像中对象的定位及精细分类。当前遥感细粒度目标识别算法突破了对像素级、对象级与邻域级不同层次的对象语义特征、纹理像素特征及空间邻域特征等多源多尺度特征的协同综合，但仍然无法直接利用场景构成、实体内涵、特征描述与时序变化等细粒度的目标识别相关特征，其原因在于其缺乏形式化的知识组织与表达方法。【方法】本文提出了一种面向遥感细粒度目标识别的多层级知识图谱组织与表达方法：通过设计场景、实体、特征与变化的四层知识表达框架，采用时空参照、空间形态、关联关系等特征对遥感目标进行多粒度动态化描述，实现了场景约束、实体约束、特征约束、时序约束下的多层级遥感细粒度目标识别知识的组织与表达。【结果】本文提出的多层级知识图谱方法能够有效组织和表达场景、实体及时序等知识，并有效助力细粒度目标识别性能的提升。其中，在基准模型STD上引入知识图谱后，整体mAP提升了约3.82%，recall提升了约3.92%；并通过在多种典型神经网络（Oriented R-CNN、Oriented RepPoints、LSKNet、STD）模型上均实现稳定的性能提升，验证了方法的普适性与鲁棒性。【结论】多层级知识图谱不仅提升了遥感细粒度目标识别的精度，还增强了模型的可解释性和动态适应性，能够为遥感智能解译提供从特征感知向知识推理转变的有效途径，在地理信息分析、军事情报分析等领域具有重要应用价值。

【意义】多年冻土监测是合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry, InSAR）技术重要的应用领域之一。近年来，随着SAR卫星系统的升级、InSAR技术算法的发展以及多源遥感技术的深度融合，多年冻土监测InSAR监测应用取得了重要的进展，为监测和评估气候变暖背景下的冻土退化提供了有效的技术手段。【进展】本文系统梳理了InSAR冻土监测研究的创新性进展，并挖掘其学科交叉潜力。介绍了常用的合成孔径雷达（Synthetic Aperture Radar, SAR）卫星系统，InSAR方法的基本原理与发展，梳理了已有多年冻土研究区的地理分布特征及多年冻土InSAR领域文章数量统计。全面评述了InSAR在冻土形变监测、物理机制驱动模型构建、形变预测及活动层厚度反演中的前沿成果，重点探讨了如何通过融合多模式雷达遥感与冻土模型突破干涉失相干、冻土参数建模不完善等长期瓶颈问题。【展望】面向多年冻土区可持续发展需求，分析了InSAR研究多年冻土在深度学习、多源数据融合以及多年冻土地区的可持续发展评估等方面的发展趋势。本文不仅为冻土InSAR研究提供了方法集成与挑战应对的路线图，也为北极工程安全、生态系统稳定性评估等重大应用研究奠定了技术理论基础。

【目的】在中国快速城市化进程中，人口流动性增强，不同户籍犯罪者作案地选择的空间分布差异日益受到关注。但已有研究主要关注本地与外地犯罪者的差异，未能对本地犯罪者进一步细分。本研究旨在将本地犯罪者进行区分——“人户一致”的本地犯罪者与“市内人户分离”的本地犯罪者，揭示不同户籍类型街面盗窃者的犯罪率差异，探究其作案地选择空间分布特征及其影响因素。【方法】本研究以中国ZG市为例，结合犯罪数据、人口普查数据、POI数据、手机信令数据及遥感影像数据，将犯罪者细分为3类：人户一致街面盗窃者、市内人户分离街面盗窃者和外地街面盗窃者，利用核密度估计法和离散选择模型解释不同户籍类型街面盗窃者作案地选择的差异。【结果】① 外地户籍街面盗窃者占同类户籍居民的比例最高，其次是市内人户分离群体，再次是人户一致群体。 ② 人户一致街面盗窃者平均出行距离最远，其次是市内人户分离街面盗窃者，最后是外地街面盗窃者。 ③ 3类街面盗窃者作案热点均在环城高速以内，但仍存在显著的空间差异。人户一致街面盗窃者倾向在老城区作案；市内人户分离街面盗窃者倾向于老城区和中央商务区；外地街面盗窃者的作案地偏向于中央商务区。 ④ 作案地选择偏好呈现户籍差异。关键发现是外来人口比例的影响因街面盗窃者户籍类型而异：对外地街面盗窃者呈正向影响，对市内人户分离街面盗窃者的影响不显著，但对人户一致街面盗窃者则呈负向影响。其他差异具体表现为：人户一致街面盗窃者倾向于避开本科率高的社区，城中村、医院和公交站对其有显著正向影响；老年人口比例高和工厂对市内人户分离街面盗窃者有显著正向影响；老年人口比例、城中村和工厂对外地街面盗窃者有显著正向影响。【结论】本研究通过细分本地街面盗窃者，发现不同户籍街面盗窃者的作案地选择空间分布及其影响因素存在差异，为城市安全规划的优化、执法效率提升以及针对性犯罪预防措施的制定提供了科学依据。

【意义】实景三维模型正从过去的“表达现实”发展演变为现今的“连接现实、认知现实乃至预见现实”。随着实景三维中国建设的全面推进，“实景三维+”的融合应用模式已渗透至诸多行业。作为国家重要的新型基础设施，实景三维模型对于地理空间认知、虚拟地理环境、时空计算等科学研究，以及对于数字中国建设、数字经济发展、精细化社会治理等国家战略和社会需求，具有重要价值。【分析】本文系统综述了实景三维模型的概念框架、核心方法、应用场景和面临的挑战。首先，对实景三维模型的概念、内涵和主要类型进行了系统回顾和归纳总结，提出原生实景三维模型和次生实景三维模型的概念，以推动其深度应用；并从数据层、模型层、平台层、应用层、理论与标准规范层5个层次对实景三维模型的研究范畴进行归纳。其次，按照“原生实景建模-次生实景建模-模型优化与评估”的思路，梳理了当前实景三维建模的核心方法，并探讨各类方法的发展方向。接着，系统回顾了实景三维模型的应用场景，并从“时空底座-信息提取-连通现实-赋能行业” 4个维度，总结其行业服务和应用范式。最后，从地理信息认知范式转型、复杂场景时空动态建模、智能化转型和行业深度应用等方面，总结了当前实景三维建设面临的主要问题和挑战，并对实景三维模型的未来发展方向进行了展望。【目的】本文旨在为相关研究提供全局性的学术视野与系统的技术发展脉络，帮助相关研究人员与技术人员快速把握实景三维领域的前沿态势，为技术研发与“实景三维+”的行业应用提供参考依据，并对人工智能赋能实景三维建设等潜在突破方向进行预判，启发创新性研究和实践思路。

【目的】无监督变化检测是合成孔径雷达（Synthetic Aperture Radar，SAR）影像信息提取领域的研究热点之一。然而，现有研究通常使用单一方法获取伪标签，致使伪标签可靠性不足。此外，现有方法主要利用多时相影像的空间域特征提取变化信息，在空间-频率双域特征融合利用方面的探索研究较少。为此，本文提出了一种基于Mamba的空间-频率双域特征融合UNet模型，用于SAR影像无监督变化检测。【方法】首先，该方法利用本文提出的差异影像分割-聚簇融合的伪标签生成方法，获得高质量的伪标签样本数据，以克服深度学习变化检测模型对人工标注样本数据的依赖。然后，构建了基于Mamba和小波卷积的空间-频率双域特征融合UNet变化检测模型，用于提取变化信息。该模型一方面利用Mamba高效提取全局特征，并与卷积网络提取的局部空间特征相融合，另一方面利用小波卷积增强频率域特征提取，进而在类UNet模型上采样过程中实现空间-频率双域特征的互补融合。【结果】为了验证本文提出方法的有效性，在2个SAR影像数据集上进行了实验，并与传统方法和深度学习方法进行了定性和定量比较。与前述对比方法中最好的变化检测结果相比，本文方法在2个数据集上的平均F1_Score提高了2.35%， Kappa系数提高了2.65%，有效提高了变化检测结果的可靠性。【结论】本文提出的方法有效提高了SAR影像变化检测的自动化程度和变化检测结果的可靠性，可为环境监测、城市扩张和灾害评估等研究提供技术支撑。

【目的】针对现有轨迹异常检测方法未充分考虑道路网络约束的问题，提出一种有效检测出租车司机搭载乘客时可能存在的欺诈行为的轨迹异常检测算法。【方法】首先进行地图匹配，将轨迹数据映射到实际道路网络上，从而获取轨迹的路径序列。接着，使用两阶段聚类方法，先对匹配后的轨迹路径进行初始聚类，提取出核心路段并扩展，形成多个核心路径，再计算不同核心路径之间的相似性，并将相似性高的路径分配到同一簇，从而形成多个路径簇。最后，根据路径簇计算出通行代价阈值，再结合通行时间代价和通行路程代价计算每条轨迹的通行代价，将其与通行代价阈值进行比较，以此判断轨迹的异常性。【结果】在真实轨迹数据集上与传统异常检测方法进行对比，所提方法在异常轨迹检测上具有良好的效果，其运行时间明显低于STADCS方法，并且检测准确率比STADCS方法最高提升了9.03%； F₁分数值相较于Two Phase和ATDC方法也有明显提升，最高提升率分别为6.67%和9.45%。【结论】本文提出融合路网约束的检测方法，结合两阶段聚类和通行代价评估，有效提升检测准确性与效率，降低误判率。算法适用于复杂城市路网场景，为车辆轨迹数据挖掘及交通管理决策提供有力支持，在欺诈识别等领域具有重要应用价值。

【目的】探究2022年长江流域严重干旱与库区局部强降水事件构成的复合型极端天气下三峡库区滑坡的时空演化特征及其驱动机制，弥补现有研究对极端气候下滑坡灾害演化认知的不足。【方法】以秭归-奉节段为研究区，根据库水位变化周期与范围划分正常天气（2020年7月-2022年7月）和极端天气（2022年7月—2023年9月） 2个时段，基于哨兵1号（Sentinel-1）SAR数据，采用小基线集（SBAS）InSAR技术监测地表形变并识别活动滑坡，结合信息量模型开展滑坡易发性动态评价,对比分析滑坡演化特征与驱动机制。【结果】① 共识别出136处活动滑坡，最易发育滑坡的地貌条件包括坡度10°~30°、坡向东南至西北、高程100~400 m、距河流小于200 m、主要分布在碎屑岩、碳酸盐岩与碎屑岩组，且多位于距道路小于100 m的雨养耕地；② 证实将InSAR技术与传统滑坡易发性评价模型相结合可实现随InSAR形变数据同步更新易发性评价，及时响应滑坡演化状态； ③ 极端天气条件下，研究区的滑坡隐患显著加剧，而三峡水库的较低水位运行对库岸稳定性无明显的负面影响；④ 降水是滑坡易发性动态演化的核心驱动因子，岩性不同的区域易发性对降水的响应存在显著差异。【结论】通过融合SBAS-InSAR时序形变监测与信息量模型，揭示了极端天气下滑坡风险的时空变异特征，弥补了现有研究中对三峡库区滑坡演化在极端气候条件下认知的不足，为滑坡灾害的监测、预警与科学管理提供了重要依据。

【目的】土壤盐渍化严重制约了农业可持续发展和生态安全，土壤盐渍化的精确评价分析，对土壤盐渍化的改善和治理具有重要意义。【方法】针对滨海盐渍区土壤盐分三维空间分布情况不清晰问题，本文选取黄河三角洲盐渍区0~100 cm土体范围垂向分层819个有效野外土样为对象，综合运用传统地统计法、3D经验贝叶斯克里金插值等方法，从不同视角揭示滨海盐渍土区土壤盐分的三维空间分异规律，采用地理探测器系统地定量分析各影响因素对土壤盐分空间分异的影响。【结果】结果表明，整个土体范围及垂向各分层土壤盐分空间分布均属强变异，不同深度土壤盐分空间自相关的尺度存在差异性。文中引入3D经验贝叶斯克里金插值法，有效地揭示了土壤盐分垂向精细尺度的三维空间特征。土壤盐分呈现显著的三维空间分异，剖面分布类型多样，整体上以均质型和表聚型为主，局部存在底聚型、波动型。所选影响因子对土壤盐分三维空间分异均具有显著影响，但各因子影响程度不一，各因子解释力大小排序依次为土地利用/覆被>到海岸线距离>地下水埋深>地下水电导率>高程>地表温度>土壤容重>黏粒含量。无论0~100 cm整个土体范围还是垂向各土壤分层来看，与单因子相比，任意因子两两交互作用均对土壤盐分空间分异产生更大影响，但不同因子交互作用强度有所差异。土地利用/覆被、地下水埋深、地表温度和土壤容重等因子与研究区土壤盐分的空间分布具有密不可分的关系。整个土体范围，地下水埋深∩土地利用/覆被（GWD ∩ LULC）的交互作用影响最大，其值为0.443，地表温度∩土地利用/覆被（LST ∩ LULC）次之，其值为0.326。【结论】虽然地表温度和土壤容重的单因子q值均不高，但是与土地利用/覆被交互作用后对土壤盐分的解释力大幅提高，能够较好地解释研究区整个土体的土壤盐分变化。研究成果为后期该区域制定盐碱地精细尺度的综合改良举措与管理制度提供了理论依据和技术支持。

【目的】道路目标检测是LiDAR点云的重要应用方向之一。许多基于点云的检测方法在处理大型目标、近距离目标或简单场景下的目标时性能表现良好。但由于LiDAR点云过于稀疏，缺乏RGB图像的纹理信息，导致其在面对小目标、远距离目标或复杂道路环境下的目标时，误检率和漏检率较大。【方法】为改善复杂场景下的道路目标检测效果，本文以PointRCNN作为基线网络，提出了一种基于RGB图像和LiDAR点云的双分支多阶段融合检测网络，称为EPG2LFusion。该网络包含以下两点改进：首先，针对现有卷积神经网络提取图像特征时普遍受到感受野限制的问题，在图像分支中设计了一种名为WaveDSConv的卷积模块，其结合了小波变换卷积与深度可分离卷积来增强图像全局特征的提取质量，从而提升融合后的目标检测性能；其次，针对点云和图像2种不同模态数据难以直接融合的问题，提出了融合模块G2L-Fusion，通过投影矩阵建立点云和图像之间精确的点-像素对应关系，并有效地利用通道注意力机制在多个阶段融合两种模态数据之间的全局信息与局部信息。【结果】所提方法在KITTI基准数据集上进行了多个类别（汽车、行人、骑行者）的道路目标检测任务，对所有类别的平均检测精度为65.21%，相比基线网络提升了4.88%；在具有挑战性的中等难度下的行人目标类别上实现了45.86%的平均检测精度，与现有先进算法相比具有竞争性。【结论】结果表明，本文算法利用RGB图像丰富的纹理特征弥补了LiDAR点云稀疏性的不足，提高了对常见道路目标的检测精度。

【目的】为突破现有大语言模型（LLM）与地理信息系统（GIS）融合方案在隐私安全、功能完整性与协议标准化方面的局限，本文基于模型上下文协议（MCP）构建了一套支持本地化部署且协议开放兼容的空间数据处理与制图智能体原型系统Smart-QGIS。【方法】该系统基于QGIS平台，利用MCP协议桥接本地或云端大语言模型与QGIS原生功能接口，实现了从自然语言指令到空间分析任务的交互式全流程执行。在具体实现上，系统采用多进程模块化架构，设计了用户交互层、插件中介层、MCP通信层、本地执行层与模型推理层五层协同机制，实现了“数据加载-空间处理-专题制图”的一体化任务链。 【结果】本研究以陕西省矢量边界和DEM栅格数据为例，分别基于本地Ollama部署的OpenAI开源GPT与云端阿里千问LLM，通过Smart-QGIS交互式地执行数据加载、裁剪、坡度计算、图层可视化和地图制作等典型GIS任务。实验结果表明： Smart-QGIS在保证操作精度的前提下，能够有效解析多步骤复杂指令，在多数场景下实现快速响应（小于75 s）。对于常规的空间分析与可视化输出，响应速度接近或高于普通专业用户；云端模型对于复杂任务的执行效率高于本地LLM。【结论】本研究基于MCP发展的本地化LLM-GIS集成架构在隐私安全、功能覆盖与协议通用性方面具备一定优势，显著降低了空间数据处理的技术门槛，使非专业用户也能高效完成相关任务，为开放协同的智能GIS生态构建提供了可行的技术路径。

【意义】 可持续农业作为实现可持续发展目标SDG2“零饥饿”与生态保护的关键路径，厘清可持续农业的演进脉络与数据驱动新内涵，是应对全球粮食安全与生态平衡双重挑战的关键路径。 【分析】 鉴于可持续农业的内涵不断演进，本文在系统梳理其定义发展历程的基础上，提出了更具数据导向性和可操作性的解释。围绕“数据-技术”架构，总结了地球大数据在可持续农业发展中的关键作用，并按2015年前、2015—2019年、2020年至今3个阶段，分析了其核心数据与不同农业领域应用（农业资源监测、多尺度农情评估、农业环境影响评估）的技术方法演进特征。同时，从数据基础设施、技术更新与应用、科研水平与政策支持4个维度，进一步比较了当前中国与发达国家在地球大数据支撑可持续农业发展领域的优势与不足，提出中国在数据生态系统建设、技术转化和基础理论创新等方面亟需加强。最后，结合当前农业可持续发展的需求，从数据获取能力、智能处理方法、应用推广与服务以及数据治理与伦理安全4个方面系统分析了地球大数据面临的主要挑战，并针对每一环节提出了多层次的应对策略。 【展望】 研究有助于明确可持续农业的数据支撑路径，推动农业绿色转型。

【目的】多无人机路径规划是保障无人机群在复杂环境中高效协同作业的关键技术，其本质为可行域稀疏的约束多目标优化问题。进化算法因具备较强的全局搜索能力，已被广泛应用于该类问题的求解。然而，现有方法在路径初始化阶段往往忽略路径的空间结构特征，在路径重生成阶段则主要依赖通用的随机搜索算子，缺乏对适应度函数和无人机与飞行环境空间关系的有效利用，限制了算法在有限计算资源下获取高质量全局可行解的能力。【方法】本文提出一种面向多无人机路径规划的多源启发式进化算法（MSHEA）。该算法通过引入路径空间结构、适应度信息及飞行环境特征等多源启发式信息，分别优化路径初始化与重生成过程：设计按序有向膨胀策略，生成兼具空间合理性和解空间覆盖性的高质量初始路径集合；构建融合适应度与飞行环境信息的路径重生成机制，有效提升不可行路径的修复效率与可行路径的局部优化能力。【结果】基于8组不同复杂度的公开多无人机路径规划基准数据开展实证验证，结果表明MSHEA在不同飞行场景下均展现出优越的求解性能和较高的稳定性： ① 相比次优基准算法，其超体积指标提升1%~6%，反世代距离指标降低6%~81%； ② 所设计的路径初始化策略与重生成机制在提升算法性能方面均发挥了显著作用； ③ 对新增超参数的敏感性较低，具有良好的适应性与通用性。【结论】MSHEA通过引入多源启发式信息显著增强了多无人机路径规划的求解能力，为多机协同作业任务中的路径优化问题提供了稳健可靠的技术支撑。

【目的】矿产资源是人类生存和经济发展的重要物质基础，开展矿山监测、建立矿山监测模型对矿产资源的高效开发和矿区环境保护具有重要意义。针对露天矿区背景复杂、目标尺度多样且小目标聚集的特点，本研究旨在构建兼顾监测精度与效率的轻量化模型，以提升矿区目标地物监测的准确性和效率。【方法】现有遥感数据集存在的样本单一、地域局限等问题，因此本文基于0.9 m天地图与1.8 m谷歌影像构建了不同气候背景、大范围和多种地物的六大露天煤矿基地OMTSFD（Open-pit Mine Typical Surface Features Dataset）数据集，提出改进的YOLO11-DAE算法进行模型训练与验证。首先，在骨干网络和特征金字塔中引入C3K2-DBB模块以增强多尺度特征捕获能力；其次，采用ADown模块替换网络下采样卷积，增强了模块对不同特征的表征能力，减少了低对比度场景的细节丢失；最后，采用E_Detect高效检测头降低模型复杂度和参数量，实现模型轻量化。【结果】实验表明，YOLO11-DAE的每秒帧数（Frames Per Second， FPS）为528.100，模型推理速度较快，精确率（Precision，P）、召回率（Recall，R）、综合评价指标（F1-Score， F1）、平均精度均值（Mean Average Precision， mAP）分别达到0.932、0.894、0.913和0.950，显著优于YOLOv5n、YOLOv8n和YOLOv10n算法，相较于YOLOv11n各项指标分别提高7.600%、10.000%、8.800%、8.000%。【结论】YOLO11-DAE算法能够满足矿区实时监测，并适用于多尺度、多背景等复杂场景的目标识别，实现了高精度、低漏检率的监测目标，达到了模型可应用性与实时性的平衡。

【目的】在金矿领域，由于实体重叠、嵌套以及复杂关系的存在，在构建知识图谱过程中，信息抽取面临着极大的挑战。【方法】为应对这些挑战，本文提出了一种基于PFNA（Partition Filter Network with Attention mechanism）模型的解决方案，专门针对金矿领域的实体和关系抽取任务。该模型引入了注意力机制，通过对输入信息的动态加权，有效提升了对复杂实体及关系的捕捉能力。同时，结合领域特定的词嵌入增强策略，进一步提升了模型在金矿领域内对专业术语和复杂模式的识别能力。【结果】通过与其他基线模型在金矿数据集的对比实验，在复杂实体的抽取上F1得分提高了6.50%~50.42%，同时在提取复杂关系方面，模型的F1得分提高了13.15%~58.54%，证明模型能够更好地服务于复杂的知识抽取任务，有效验证了该方法在金矿领域中的优越性。【结论】通过图数据库Neo4j存储实体和关系，结合可视化界面展示了所构建的知识图谱，有效实现了知识图谱的应用，为金矿领域的智能决策与资源管理提供了系统化的知识支持。

【目的】针对历史文化街区街道空间品质评价中数据采集困难、量化维度单一等问题，本研究以郴州市裕后街为实验区域，提出了一套可量化的历史街区街道空间品质评价方法。【方法】研究从步行通达性、安全便捷性、视觉舒适性3个维度构建了包含文化层面的17个指标评价模型，针对狭窄街巷空间的数据采集困难，地图平台数据覆盖不全的问题，创新性地采用自采集街景，即人工模拟游客行进路径采集街景图像，确保对狭窄样本街道的适用性，并运用全卷积神经网络语义分割和ArcGIS空间可视化，实现对街道空间品质的量化评估。【结果】 ① 自采集街景图片能够有效覆盖包括狭窄街巷的空间街景，且拍摄更贴近行人视角，符合实验数据需求。② 街景图片结合语义分割和数据可视化可精确定位各街道指标数据及空间品质等级结果，验证发现案例地街道品质梯度分布特征显著，且具有明显的空间分异性。③ 该方法构建了从街景数据采集到空间品质评价的完整技术框架，实现了街道环境多维度指标的量化分析与可视化呈现，为历史街区精细化更新提供了数据支撑和决策依据。【结论】 ① 本研究结合人工街景采集方法创新提出了针对历史街区的“人工采集街景图像-全卷积网络语义分割-ArcGIS空间可视化”的技术路径，有效解决了狭窄历史街巷的数据采集难题，为小尺度建成环境研究提供了可推广的技术方案。 ② 构建了针对历史文化街区的评价体系，将“文化视觉识别度”“传统业态占比”等软性指标纳入量化体系，为同类街区的品质研究提供了量化分析方法。