【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】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。

【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】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】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。

【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】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】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。

【目的】跨视角图像地理定位是指通过将待查询影像与不同视角且具备精确位置信息的参考影像进行匹配从而推断其地理位置的一门技术。该技术已经广泛应用于无人机导航、目标定位等现实任务中。当前基于深度学习的无人机-卫星跨视角图像检索定位方法大多依赖监督学习，但高质量标注样本的稀缺导致监督学习模型的泛化能力受限。同时，由于现有方法对空间布局特征的建模缺失，使得跨视角影像间的显著域差异难以弥补。【方法】针对上述问题，本文提出了一个基于无人机-卫星影像的跨视角图像检索定位新架构——DINO-MSRA，该架构首先利用经Conv-LoRA微调后的Dinov2大模型作为特征编码器，旨在利用较少的参数量增强模型的特征提取能力。其次，设计了一个基于Mamba模块的空间关系感知特征聚合器（MSRA）用于聚合图像特征，通过将空间配置特征嵌入到全局描述符中，为跨视角匹配定位任务带来了显著的性能增益。最后，采用InfoNCE损失函数对模型进行训练。【结果】本文在Univerisity-1652和SUES-200数据集上进行了大量对比实验和消融实验，实验结果表明，当分别面向无人机定位任务和无人机导航任务时，本文方法在Univeirity-1652数据集上的R@1精度达到95.14%、97.29%，相比于目前最优算法CAMP分别提升0.68%、1.14%；在SUES-200数据集上150 m高度的R@1精度分别达到97.2%、98.75%，相较于CAMP提升1.8%、2.5%，并且所需参数量也明显少于现有算法，仅为Sample4Geo的19.2%；【结论】DINO-MSRA在跨视角图像匹配方面优于目前最先进的方法，实现了更高的精度，更快的推理速度，证明了其在具有挑战性的场景中的鲁棒性和实际应用潜力。

【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】高分辨率遥感影像语义分割通过精准提取地物信息，为城市规划、土地分析利用提供了重要的数据支持。当前分割方法通常将遥感影像划分为标准块，进行多尺度局部分割和层次推理，未充分考虑影像中的上下文先验知识和局部特征交互能力，影响了推理分割质量。【方法】为了解决这一问题，本文提出了一种联合跨尺度注意力和语义视觉Transformer的遥感影像分割框架（Cross-scale Attention Transformer, CATrans），融合跨尺度注意力模块和语义视觉Transformer，提取上下文先验知识增强局部特征表示和分割性能。首先，跨尺度注意力模块通过空间和通道两个维度进行并行特征处理，分析浅层-深层和局部-全局特征之间的依赖关系，提升对遥感影像中不同粒度对象的注意力。其次，语义视觉Transformer通过空间注意力机制捕捉上下文语义信息，建模语义信息之间的依赖关系。【结果】本文在DeepGlobe、Inria Aerial和LoveDA数据集上进行对比实验，结果表明：CATrans的分割性能优于现有的WSDNet（Discrete Wavelet Smooth Network）和ISDNet（Integrating Shallow and Deep Network）等分割算法，分别取得了76.2%、79.2%、54.2%的平均交并比（Mean Intersection over Union, mIoU）和86.5%、87.8%、66.8%的平均F1得分（Mean F1 Score, mF1），推理速度分别达到38.1 FPS、13.2 FPS和95.22 FPS。相较于本文所对比的最佳方法WSDNet， mIoU和mF1在3个数据集中分别提升2.1%、4.0%、5.3%和1.3%、1.8%、5.6%，在每类地物的分割中都具有显著优势。【结论】本方法实现了高效率、高精度的高分辨率遥感影像语义分割。

【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】本文旨在研究中国城市路网形态与道路交通碳排放之间的关系及其影响机制。随着交通运输业的快速发展，道路交通碳排放（RTCE）已成为我国碳排放的重要组成部分。深入分析路网形态对道路交通碳排放的影响，对于实现碳达峰和碳中和目标具有重要意义。【方法】本文以中国302个城市功能区域为研究对象，基于城市路网、道路交通碳排放网格数据、人口和GDP网格数据，采用多尺度地理加权回归模型（MGWR）和SHAP机器学习方法，从道路等级分布、交通网络密集度和交通网络结构3个维度量化路网形态，并分析其对道路交通碳排放的影响机制。【结果】① 道路交通碳排放的空间分布呈现以京津冀（1 003.604 t/km²）、长三角（849.074 t/km²）、珠三角（1 615.291 t/km²）及省会城市（1 168.886 t/km²）为中心向周边递减的多中心分布格局，东部地区高于中西部地区。路网形态的空间分布特征中，交通网络密集度和道路等级分布与RTCE的分布特征类似，南方地区道路方向丰富度（RDR）较高，北方地区道路网格系数（GC）较高； ② 路网形态对道路交通碳排放的影响具有显著的空间异质性。例如，路网密度（RND）对珠三角地区的影响更为显著（0.636），道路方向丰富度（RDR）对长三角地区的影响更为显著（0.259）。此外，不同路网形态指标对各地区道路交通碳排放的影响程度具有显著差异； ③ 路网形态对道路交通碳排放具有空间非平稳性和非线性影响。例如， RND的带宽仅为45，而RCR的带宽为215，表明不同路网形态特征对道路交通碳排放的空间影响尺度不同。在考虑非线性影响的机器学习SHAP分析中， RND是对道路交通碳排放影响的最重要特征。【结论】本文通过MGWR模型和SHAP方法，揭示了路网形态对道路交通碳排放的空间非平稳性和非线性影响机制。研究结果表明，不同区域的路网形态特征对道路交通碳排放的影响存在显著差异，这种差异不仅体现在空间分布上，还体现在影响机制上。因此，在制定低碳路网规划时，需要充分考虑路网形态的空间异质性、非平稳性和非线性特征，从“密度-等级-结构”多维特征视角进行综合分析，以实现城市交通的低碳发展。这些发现为城市交通规划和低碳发展提供了科学依据，对实现可持续城市发展、改善交通效率和提高居民生活质量具有重要意义。

【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。

【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】传统聚落拥有丰富的乡土文化价值，是悠久农耕文明及其深厚智慧的结晶，结合信息地理学原理揭示其传统文化内涵具有重要意义。当前，从社会文化符号视角考察景观基因的信息属性特征的相关探讨较为缺乏。【方法】对此，结合信息熵理论，本文首先提出景观基因符号信息量的概念。接着，根据景观基因符号表达方式的差异，本文从灰度距离、频谱、Bayesian概率统计、邻接关系和结构要素等方面定义了相应的信息量计算方法，并以湖南省中田村为案例开展了相应的实验。同时，本文根据实验结果设计了模拟旅游导览路线，探讨了景观基因符号信息量的潜在应用前景。【结果】结果表明：① 可以结合信息量计算方法度量景观基因的符号信息量； ② 景观基因符号信息量可以度量景观基因符号的文化属性特征信息；③ 景观基因符号信息量在传统村落保护和合理开发等领域有着广阔的应用前景。【结论】本文是从信息科学视角探究景观基因信息特征的科学尝试，有助于推动景观基因理论的深化应用。

【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。