地理信息的不断泛化对经典的地理信息分析模式提出了巨大挑战，网络化的知识服务将逐渐成为地理信息应用的新模式，助力地理计算到社会计算的形态转变。地理知识服务需要打通人、机构、自然环境、地理实体、地域单元、社会事件之间的关联，促进知识辅助下的数据智能与计算智能。本文聚焦地理时空知识获取与形式化表达及分析的迫切需求，首先分析了时空知识图谱的基本概念与特征，认为时空知识图谱是指具有地理时空分布或位置隐喻的知识构成的有向图，即以时空分布特征为核心的知识图谱；然后提出了时空知识图谱的研究框架，该框架可实现时空大数据到时空知识服务应用的转变，包括泛在时空大数据、时空知识获取、时空知识管理、时空知识图谱、软件系统及行业应用等多个层次；接着从文本描述地理信息抽取、异构地理语义网对齐、时空知识表达与表示学习等方面，介绍了相关研究进展；结合应用实践，介绍了面向行业的时空知识图谱构建与应用途径；最后，讨论了时空知识图谱研究目前面临的关键科学问题与技术瓶颈，提出在大模型时代，构建显式的时空知识图谱，并针对行业需求开展知识推理，仍是时空知识服务的必由之路。

新型作战样式对战场环境服务保障提出了新要求，战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题，将知识图谱与战场环境相结合，提出了战场环境知识分类方法，认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式；针对三元组知识表示碎片化的问题，构建了战场环境时序超图表示模型，实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模，将各类知识表示为具备时空特点、场景特点的统一知识超图网络；最后，利用地图、事件、影响过程和作战影响效能等数据进行实验验证，超图网络从语义层面实现了各类战场环境知识的关联，可进一步为实现基于超图的智能推理和服务决策提供支撑。

命名实体识别（NER）是自然语言处理众多研究基础，其可以被定义为分类任务，旨在从非结构化文本中定位出命名实体，同时将命名实体分类成预定义类别。与英文相比，中文构词灵活、不具有边界性，且缺乏高质量中文NER数据集，导致中文命名实体识别难度较大。细粒度实体是粗粒度实体的细分类型，中文细粒度命名实体尤其是地理命名实体识别难度更大。中文地理命名实体识别无法同时兼顾精度和召回率，改善中文细粒度地理命名实体识别性能至关重要。因此，本文提出2种联合词汇增强模型的中文细粒度地理命名实体识别模型。首先，将词汇作为“知识”注入模型，基于词汇增强方式探究适合细粒度命名实体识别方法，并找出适合细粒度命名实体识别方法BERT-FLAT以及LEBERT；其次，为进一步提升细粒度地理命名实体识别性能，针对上述2种方法在预训练模型、对抗训练以及随机权重平均3个方面进行改进，形成联合词汇增强模型RoBERTa-wwm-FLAT以及LE-RoBERTa-wwm；最后，对联合词汇增强模型进行消融实验，探究不同改进策略对于地理命名实体识别性能影响。基于CLUENER数据集和1个微博数据集的实验表明：① 与无词汇增强功能模型相比，具有词汇增强功能模型在细粒度命名实体识别任务中F1-score提升了10%左右； ② 针对词汇增强方法进行的3处改进使模型在细粒度地理命名实体识别任务中F1-score提升了0.36%~2.35%； ③ 与对抗训练改进、随机权重平均改进相比，预训练模型改进对地理命名实体识别精度的影响最大。

基于位置描述进行空间定位是大数据时代位置服务向智能化转型的关键。针对不同语境中位置描述模糊性差异显著而难以定位的问题，本文提出一种面向模糊位置描述的形式化方法与推理机制。首先，通过梳理人类空间认知规律，明确自然语言中位置描述时关注的要素类型，研究模糊位置描述的形式化表示。然后，基于超赋值理论，从空间对象、距离关系和方向关系3个方面构建模糊位置描述的推理机制。顾及位置描述的上下文语义，利用观察值阈值开展空间推理实现定位。最后，设计收集位置描述的问答系统对方法进行验证。结果表明，本文方法能够依据实际应用场景及时调整位置描述的形式化表示粒度，空间推理结果贴合直观认知。

基于时空数据模型来描述现实世界的时空实体，以及基于时空对象的行为能力建模来控制时空实体的行为动作，既是对GIS时空数据模型的创新扩展，也能够适应数字孪生城市建设中对人、机、物三元融合表达和交互分析的现实需求。作为城市基础设施的重要组成部分，城市感知设施是典型的时空实体，其交互控制的相关研究目前主要集中于物联网、 VR/AR以及GIS领域，而这些领域普遍缺失对基于GIS构建的数字世界中城市感知设施的交互控制研究。针对上述问题，基于全空间信息系统的多粒度时空对象数据模型对城市感知设施的行为能力进行建模，在此基础上提出一种时空对象行为驱动的城市感知设施虚实联动交互控制方法。通过构建设施时空对象的交互控制“五元组”模型，能够支持用户通过虚拟场景与设施实物之间的虚实联动交互控制，从而将基于直接通信指令的城市感知设施交互控制过程在数字世界中进行表达，为数字孪生城市中的感知设施智能化、交互式分析应用提供理论与技术支撑。实验结果表明，所提出的城市感知设施交互控制方法具备有效性与可行性。

地球科学（以下简称地学）知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，目前的地学知识图谱研究主要面向实验场景，缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究，导致尚未真正在地学领域现实应用中得到使用。为此，本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求，首先研究了大规模地学知识图谱的构建技术，在此基础上，提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后，以“深时数字地球（DDE）”国际大科学计划为例，开展了面向实际应用的知识图谱平台研发实践。最后，利用该平台，构建了DDE大规模地学知识图谱，开展了知识图谱开放共享，有效实现了知识图谱应用，证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的 2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。

为探究共享单车出行的复杂时空规律与特性，揭示城市因素对共享单车出行OD的影响，提高OD预测精度，开展本研究。结合城市计算，考虑疫情、天气、温度、风速与节假日因素，构建共享单车出行OD的时空注意力残差网络预测模型(USTARN)。 USTARN先将共享单车OD数据通过时空特征切分捕捉单车流的时空依赖性，再结合注意力机制进行深度残差学习，最后根据城市因素学习结果调整预测结果。利用从政府数据开放平台获取的深圳市共享单车订单大数据及城市因素数据集，分析共享单车出行时空分布规律及其影响因素。将OD数据集按7:1:2划分为训练集、验证集与测试集，分别进行训练预测、模型参数自适应调整及模型验证对比实验。研究表明，USTARN模型的共享单车出行OD预测平均误差为7.68%，与不含城市计算的STARN模型及传统的CNN， BiLSTM模型相比，误差分别降低了5.93%、7.55%、6.07%，预测精度显著提高。 USTARN模型充分反映了时间、空间、疫情、天气、温度、风速等因素对共享单车出行OD的影响。研究成果对共享单车出行OD的精准预测具有理论指导意义，对该出行模式的推广并解决居民出行“最后一公里”问题具有实际应用价值。

网络文本是构建和填补大规模地理知识图谱的重要地理信息来源。但网络文本来源广泛、动态性强、表达方式复杂多样、蕴含地理信息良莠不齐，网络文本蕴含地理信息质量评估面临评估对象多层次、质量维度不明确、评估指标多元化、深层次指标难获取和评估方法多样化的挑战。因此，本文提出了一种网络文本蕴含地理信息质量评估框架（QAF-GIWT）。QAF-GIWT面向网络文本获取地理信息过程，明确了数据源、数据项和数据集3层质量评估对象，针对不同层次评估对象定义了包含相关性、新颖性、可靠性和完整性4个质量维度和相应的量化评估指标，系统地梳理了质量评估过程中所涉及指标计算、指标综合和质量预测方法的特点及其适用性。其中，借助自然语言处理技术及相应的指标计算方法，构建了包含单元地理语义比率、地理语义含量比率、平均地理信息含量比率和地理信息含量比率、地理实体比率、窗口地理信息含量比率等指标。实验中针对马蜂窝等类型网站特性设计了QAF-GIWT框架，针对多层次质量指标的综合评估，采用了层次分析法进行可靠性综合评估，应用实验案例验证了QAF-GIWT框架的有效性。QAF-GIWT提供了一整套囊括质量维度、质量指标和质量评估方法的方案，可辅助进行海量异构动态的网络文本数据源的筛选和从中获取地理信息的过滤，大幅度减小信息获取的复杂度，降低数据存储冗余度。

在高斯-马尔可夫假设条件下，最小二乘估计是具有最小方差的最优线性无偏估计量，因此基于最小二乘估计的时空地理加权回归方法在满足此假设时可以获得最优估计，但现实中这些条件有时得不到满足。如果样本数据中存在异常值或者呈厚尾分布，最小二乘回归模型估计值可能会存在较大偏误。而分位数回归受异常值影响较小，相比最小二乘回归更为稳健且应用条件相对更为宽松。更为重要的是最小二乘回归模型只能探索解释变量对响应变量条件均值的影响，而分位数回归可以探索解释变量对响应变量分布的影响（如响应变量的多个分位数），可以挖掘到更为丰富的信息。本文在局部多项式估计原理基础上，提出了基于多带宽局部多项式的时空地理加权分位数回归模型，利用两步迭代估计方法得到系数估计，并且允许不同自变量（影响因素)的最优带宽可以不同。本文通过数值模拟，将该模型与时空地理加权最小二乘回归进行对比，基于分位数回归的系数估计的均方误差和平均绝对误差均比最小二乘估计量小（例如，在0.75分位数，基于最小二乘回归得到的系数估计的均方误差和平均绝对误差分别是基于分位数回归的10倍和4倍），说明本文的分位数回归具有稳健性且可以探索影响响应变量分布的因素。最后以上海市2017—2021年商品房住宅小区为案例对象，应用该方法，探究不同影响因素对不同分位数的住宅价格（如高位房价、中等房价、低位房价）的影响，说明了本文方法的实用性。实际数据研究表明同一个影响因素对不同水平房价的影响效果不同，即同一影响因素系数的时间分布和空间分布在高位房价、中等房价和低位房价存在明显差异，并且不同影响因素的最优带宽也存在差异；与基于最小二乘回归的MGTWR相比，本文的分位数回归模型对于异常值的存在更为稳健（删除1%极端值后基于分位数回归模型拟合的平均绝对误差的变化比基于最小二乘回归模型小1%），并且分位数回归模型可以探究多个水平房价如高位房价、中等房价和低位房价的影响因素。

Triple Collocation（TC）方法是一种可以在未知真值情况下评估3个独立观测样本各自不确定性的方法，该方法使用的前提是误差形式假设与2组不相关性假设，但在实际使用中，这3条假设难以完全满足。其中2组不相关性假设经常面临较大的违背，并且无法得知这种假设违背对结果误差的影响。本文通过虚拟样本实验生成了多组不同程度违背不相关性假设的样本，以定量评估不同程度假设违背对结果误差的影响。结果表明，一般情况下，某一条不相关性假设的违背程度增加时，方法的结果误差会相应地呈线性或平方倍数增加；但当不相关性假设的违背处于某个特定关系时，TC方法结果的误差会突然大幅度增加，这种现象在以往的研究中并没有得到重视，后文将该现象简称为异常点。为了探求异常点出现的原因，本文从理论上推导出了违反不相关性假设与结果误差之间的关系，这种关系呈现为分式结构，而异常点的出现正是这种分式结构所致。异常点的存在影响了方法的稳定性。从差值形式的TC方法的角度来看，抑制异常点的关键在于如何更好地设计缩放系数。本文给出了2种抑制异常点的方法： ① 忽略加性偏差系数，使得缩放系数不受两组不相关性假设的影响； ② 限制缩放系数的上下限。根据实际数据分析，第2种改进方法优于第1种。第2种方法不仅保留了TC方法的准确性，而且有效地避免了异常点的出现。值得注意的是，在实际数据中，部分异常点会以负值形式出现并因计算结果不能为负而被剔除。在使用TC方法进行计算时，重复次数较少的情况下，可以不考虑异常点的影响。

特大城市生活必需品供应保障体系直接影响社区的供应韧性，而社区系统无法孤立存在，其作为城市治理基本单元对推动供需联动与增强城市韧性具有关键作用。本研究探索性提出一种基于复杂网络理论的城市社区供应保障韧性评估方法，尝试测度社区动态韧性，实现从“单系统评价”走向“多系统关联评价”的韧性评估底层理论思维突破。以广东省广州市中心城区六区为例，充分利用手机信令等多源数据，基于市民时空间行为构建“市场-社区”生活物资供需网络，同时基于社区韧性5个指标制定网络攻击策略；引入级联失效机制评估其网络抗毁性，结合熵权法赋予权重得到社区韧性评估结果；并通过研究供应网络不同阶段节点失效的社区影响因素，进一步解析社区韧性与供应体系间的影响机理。研究发现：① 基于本研究构建的城市生活物资网络模型，可实现较好地模拟城市社区供需网络和评价社区韧性，其中潜在供应保障缺失的低韧性社区主要分为老旧街区、城中村、城郊街区3种空间类型；② 通过针对社区5种不同攻击策略下网络抗毁性分析，发现社区韧性主导影响因素不同，其中人口密度为首要考虑因素；③ 社区韧性与供应保障间存在复杂双向影响，包括低韧性社区在面对城市突发事件时存在明显脆弱性，社区自组织能力、供应设施布局与供应点间联动调度等都会影响社区整体韧性。

面向自然语言的地理空间场景描述一直是地理信息科学的重要研究方向，传统方法更注重空间关系的遍历性描述，难以融合人类空间认知，与人类自然语言有较大的差距。地理空间场景自然语言描述的本质是地理空间二维向量转换词空间一维向量的过程。本文提出M2T空间场景自然语言表达框架，通过空间场景理解、语言合成和注意力感知3个知识图谱，在多源知识图谱的融合机制下，生成自然语言空间场景描述文本。其中空间场景描述知识图谱解决遍历空间关系剪枝难题，同时通过建立空间关系图谱建立空间场景之间关联，支持空间场景连续表达；自然语言风格知识图谱建立空间表达与语言风格的关联，实现了贴切于空间自然语言表达的多样化语言风格；空间关注度知识图谱根据空间场景主体和客体交互状态，建立注意力矩阵捕捉自然语言空间表达的细微之处。以北京故宫为例设计的原型系统，实验表明系统生成结果与人类游记接近，且内容覆盖更完整，风格更多样，验证了M2T框架的有效性，并展现了空间场景自然语言描述应用的潜在价值。

网络科学为全面探索旅游领域中各研究对象间的动态关系结构提供了有力支撑，打破了传统研究缺乏系统性思维的局限，对于进一步理解旅游业的运行规律具有重要意义。近年来随着旅游业的数字化变革，旅游信息变得更具灵活性与可扩展性，大幅提高了网络科学理论与方法在旅游领域中的应用可行性。本文对与网络科学理论与方法在旅游领域中的应用研究相关的学术论文进行了系统梳理，并通过多尺度的视角归纳该领域的核心研究内容。本文首先概述了相关理论基础和应用现状，之后根据不同观测尺度下的旅游领域网络现象进行研究进展总结，具体为：微观尺度关注于目标旅游行动者的交互属性，介观尺度关注于旅游行动者的聚集现象，宏观尺度关注于旅游行动者网络的全局拓扑结构特征。在此基础上，本文指出了当前研究存在的问题（如数据可靠性、成果可解释性等），并对相关研究在当前的大数据时代与复杂性科学新纪元背景下的未来发展方向（如多尺度研究框架、多层网络等）进行了梳理，从而为后续研究提供思路。

近年来，随着公众环境保护意识的提升，追求人与自然和谐共生的生态旅游方式越来越受到人们的普遍关注。面对丰富多样的生态旅游资源及国内生态旅游的供需矛盾，如何在大保护的前提下有序开发、合理利用，将“绿水青山”科学、合理地转化为“金山银山”是现阶段亟需面对和解决的重大问题。本文以神农架林区为例，基于多源地理空间数据，运用XGBoost算法对其生态旅游适宜性进行评估，得出如下结论：① 基于XGBoost算法的生态旅游适宜性评价模型融合了机器学习技术与数据挖掘思想并取得了良好的分类效果，模型在10折交叉验证下的整体分类精度为89.44%，同时兼有良好的召回率(89.68%)，F₁分数为0.874 5，兼顾了精确度和召回率，模型AUC值为0.959 3，模型整体分类性能表现优秀；② 根据特征重要性排序结果，生态环境要素NDVI（26.86%）、年平均气温（11.61%）和社会经济因素距道路距离（8.90%）对模型贡献度最高，位列所有特征前3位；③ 生态旅游适宜性分类结果表明，神农架林区整体生态旅游资源丰富，高度适宜区、中度适宜区、边际适宜区和不适宜区的覆盖面积分别占林区总面积的44.13%、15.93%、11.89%和28.05%。本文研究方法突破了传统生态旅游适宜性评估方法主观性较强的局限，立足于数据挖掘思想和机器学习技术解决实际问题，可为区域国土空间规划、乡村振兴战略和生态旅游资源整合提供决策依据。

随着经济社会的发展，旅游休闲已成为人民对美好生活追求的重要方式，也是将“绿水青山”“冰天雪地”转换为“金山银山”的重要载体。然而，旅游休闲发展不平衡、不充分的矛盾亟待解决。地球信息科学为旅游休闲领域提供了一套基于空间系统的分析框架和方法，大数据技术的快速发展也使得地球信息科学在旅游休闲领域的研究得到广泛关注和应用。然而，二者的结合研究并不是研究对象和研究理论、方法之间的简单交叉，且大数据在旅游休闲研究中存在数据有偏性、多源异构数据的融合、技术迭代等问题。为此，围绕着地球信息科学在旅游休闲领域的研究现状、学科贡献、研究局限性及未来方向，以“地球信息科学在旅游休闲领域研究的辩证审视”为主题，荣幸地邀请了旅游管理、地球信息科学、地理科学等领域的12位代表学者展开专家笔谈。基于专家们的观点，总结发现地球信息科学在旅游休闲领域研究中扮演着关键角色，具体体现在： ①为研究者深入理解旅游者行为、旅游目的地特征等多维度旅游现象提供了丰富的空间数据和分析方法； ② 为旅游休闲领域的研究提供了深刻的时空认知逻辑和人地思维； ③ 突破了传统旅游休闲领域研究的精细度不够、尺度单一的不足，提高了对旅游休闲复杂场景和多维尺度过程机制的解读能力。地球信息科学在旅游休闲领域未来具有广阔的应用前景，但是大数据的有偏性、研究结果的可解释性、学科之间深度交互等研究挑战，仍需要学者进一步回答和探索。本文通过对专家的笔谈，抛砖引玉，希望对地球信息科学与旅游休闲的融合研究及未来发展具有指导意义。

生态旅游适宜性评价是评估生态旅游发展潜力、制定生态旅游规划和进行生态旅游开发的基础和重要参照。本文引入机器学习方法，从方法可行性、数据映射和预测实现等方面进行探讨，应用随机森林算法对湖南武陵山片区生态旅游适宜性展开实证研究。湖南武陵山片区旅游资源丰富，脱贫后亟需开展生态旅游来巩固拓展脱贫攻坚成果实现与乡村振兴有效衔接以及促进可持续发展。研究结果表明：① 将机器学习算法引入到区域生态旅游适宜性评价领域作为一种新方法，可为之后改进生态旅游适宜性评价方法提供新思路与新方案；② 随机森林算法可以有效应用在区域生态旅游适宜性评价方面，可作为适宜性评价研究的一种新方法，模型优化后的平均测试精度达86.49%，受试者工作特征曲线（ROC）与坐标围成的面积（AUC）达0.95，评价结果能够准确反映湖南武陵山片区生态旅游适宜性程度；③ 特征重要性排序结果显示土地利用类型影响最大，占比达到28.98%，人口密度、距景点距离和生物丰富度等因子的影响也较大，分别为16.34%、12.2%和10.65%，在进行生态旅游开发时应重点考虑这些因素；④ 生态旅游适宜性结果表明，高度适宜与适度适宜区占比高，研究区生态旅游开发潜力大。根据不同适宜性结果提出不同的开发方向：高度适宜区走保护性开发模式，打造体验-教育型生态旅游；适度适宜区走联合性开发模式，打造支撑型生态旅游；边际适宜区走限制性开发模式；不适宜区应当禁止开发。针对研究结果提出“两中心一带一板块”开发策略，可为武陵山片区进行生态旅游开发及巩固脱贫成果提供理论和技术指导。

大数据正在改变捕捉和分析人类活动与行为的方式。多种新兴数据渠道不断涌现，为旅游领域研究提供了大量具有潜在应用价值的数据，克服了传统旅游研究中普遍存在的数据不足问题。本文以地理大数据的研究前沿为基础，明晰地理大数据在旅游领域人类旅游活动、旅游地理环境、旅游人地关系3个方面的理论支撑重点，梳理人类旅游活动/行为数据（UGC、设备数据、交易数据）和旅游地理环境数据（POI、客观环境数据）等地理大数据在旅游领域的创新应用，探讨地理大数据在理论研究更新、多源数据融合、分析方法突破3个方面的挑战和展望，为旅游领域时空认知、理论支撑、建模方法、分析框架等方面研究的深入开展提供一定参考。研究建议在理论上需要将科学研究范式标准化系统化，结合不同的事件和场景创造基于“过程-结构-机制”的中国旅游地理解释体系；数据上需要向大数据与其他数据的互补结合转变；分析技术需要向提高分析方法自适应性、涉入旅游现象特殊性变量的方向转变。

在文旅融合、数字中国、遗产活化利用的综合背景下，遗产旅游成为学界与业界讨论的热点。承载遗产价值的空间表征与旅游者空间感知的不匹配问题是当前遗产旅游最突出的矛盾之一。本文从遗产价值视角出发，采用文献计量与系统性述评相结合的方法，围绕遗产价值的阐释与量化、遗产价值的空间计算与表征、旅游者遗产价值与空间感知、遗产旅游者的空间行为反馈主题对国内外相关研究进行梳理和比较。研究发现：① 遗产价值阐释成果丰富，主要围绕遗产价值的内涵与阐释技术而缺少量化方法探索； ② 遗产价值的空间计算与表征具有对象针对性和应用导向性，技术方法以地理信息系统与空间信息技术为核心； ③ 旅游者遗产价值与空间感知多从遗产地的旅游目的地视角出发，忽视遗产价值和空间属性，缺乏遗产价值、遗产空间、旅游者的关系探索，感官知觉测量维度以视觉为主； ④ 遗产旅游者空间行为反馈关注行为特征、模式、成因和影响因素，重视实践应用并且体现出遗产责任导向； ⑤ 自然遗产和混合遗产语境下的遗产价值空间计算与表征、旅游者遗产价值与空间感知缺乏关注； ⑥ 国内外相关文献在对象关注、技术方法和内容聚焦上存在相似性和差异性；⑦ 未来遗产价值阐释与表征将从传统叙事走向空间量化，遗产空间感知与计算将从空间足迹走向感知行为。基于此，本文提出了遗产价值视角下旅游者空间感知与计算的理论框架与方法路径，体现多学科的理论交叉和技术融合，以期为相关研究提供理论参考，为促进遗产地保护、管理、旅游发展、价值传承提供实践借鉴。

移动信息通信技术与社交媒体对日常生活的嵌入日益加深，影响了居民休闲活动区位选择，但就其影响的空间规律性特征认识相对欠缺。研究基于对比的视角，选取大连市小红书休闲打卡点位数据与同类别休闲POI数据，从集中度与集群度2个维度、在主城区与行政街道两个尺度上，采用核密度估计、热点分析、DBSCAN等空间分析方法测度对比两类休闲空间的分布特征，并据此提出初步的机制解析。研究发现：① 休闲打卡地大多分布于城市核心区内，但分布范围更小、核心数量更少；② 在宏观尺度上，休闲打卡地呈现出更低的集中度（差值约3%）与集群度（平均差值约18%），分布具有明显的“均质化散布”特征，在街道尺度上分布趋势相同，但在不同街道2类指标的差值大小存在显著不同；③ 休闲打卡地的热点集聚区范围更小，就其分布位置而言，在宏观与街道尺度上分别有85%与77%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，少量休闲打卡地特有的热点集聚区主要分布于历史街区以及滨海岸线等城市特色风貌区；④ 根据街道内指标高低，休闲打卡地的分布模式可以总结为“原中心集群型”、“原中心散布型”、“新中心散布型”以及“无中心散布型”4类，不同分布模式所在街道的功能、区位等特征存在差异。研究基于行动者网络理论解析了社交媒体影响下休闲打卡行为的行动过程，并在此基础上从场所空间与流空间的差异出发，结合时间地理学的基本理论，认为社交媒体在原有时空制约的基础上构建了一种以强目的性空间探索为特征的休闲活动新“地方秩序”，它体现了基于虚拟联系的流空间对基于实体在场的场所空间的影响：强化节点吸引力的作用，降低中微观尺度上的可达性约束，增加区位灵活性。

城市公共体育设施的分布特征与可达性、公平性等空间配置直接关系到基本公共服务的均等性与城市空间结构的完整性。本文以北京市为例，以POI数据表征城市公共体育设施，运用核密度估计、最近邻指数、改进型两步移动搜索法以及覆盖度指数等分析方法，研究北京街道尺度上城市公共体育设施的空间集聚特征及供需视角下的可达性与公平性。结果表明：① 改进型两步移动搜索法考虑了不同等级城市公共体育设施的供给规模与“15 min生活圈”理念下的居民出行距离，适合街区级与社区级体育设施可达性分析，中心城区街区级与社区级设施空间可达性较高；② 北京各级城市公共体育设施具有显著的空间集聚趋势，地区级设施表现为“点状集聚、面状分散”趋势，街区级总体呈现出“核心-边缘”式特征，中心城区供给数量多，周边地区配置少；社区级设施为“小集聚、大分散”模式，空间分布均匀；③ 北京社区级城市公共体育设施覆盖度高的街道最多，空间配置最为均衡，街区级设施覆盖度指数高的街道较少，覆盖范围相对有限。研究结果可为北京城市公共体育设施的规划编制与优化布局提供参考。

街道空间是旅游者在旅游地的主要接触空间，良好的街道视觉品质对旅游产业的可持续发展至关重要，而如何建构视觉品质评价方法则需要进一步探索。本文以厦门市鼓浪屿作为研究区域，首先建立街道空间视觉品质量化模型，采用人工模拟旅游者行进的方式采集街景数据，进行成像参数校正和图像编码；其次，采用全卷积网络进行图像语义分割和视觉要素提取，获得街道环境视觉参数；最后，根据量化模型将视觉参数聚合到地理要素中，建立地理信息数据库进行街道空间视觉品质评价。结果表明：① 鼓浪屿街道空间视觉品质存在明显的空间分异性；② 建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素；③ 植物类公园、主要交通枢纽、主要商业设施的分布对街道空间视觉品质产生显著影响。本文为街道视觉品质评价工作提供了可供迁移应用的数据采集方式和研究方法，基于全卷积网络的街景图像语义分割精度较高，能够为街景图像以及其他类型的图像数据分析提供参考。在管理实践上，本文可以为旅游地街道空间的管理与规划、资源整合与配置、人流引导与调控等工作提供有价值的借鉴。

随着科学技术的发展与推动，网络空间与人们的日常生活深度融合，已经成为人类活动新的空间形态。网络空间与现实空间有区别、有联系，具有鲜明的地理学特征，地理学的时空关系仍然是网络空间不可或缺的关键要素。因此，将地理学思想应用于网络空间认知，对于刻画网络空间态势、维护网络空间安全具有重要意义。本文回顾了网络空间的产生与发展，剖析了网络空间的基本结构与特征，针对网络空间特征的不同观点，分析了网络空间的地理学属性。从地理学三大定律的视角出发，本文探讨了如何运用地理学思维和地理信息科学的方法描述网络空间，并以网络空间可视化表达、网络空间地理图谱构建与网络空间行为智能分析为例，说明了如何应用地理学思维进行网络空间的分析和研究。探索网络空间的地理学属性与地理学思维，并将地理学技术应用于网络空间防护，可以为网络空间安全综合治理提供新的视角与维度，从而促进新时代网络空间认知水平与治理能力的提升。

在供需信息化对接、交通运输能力提升、城市多中心开发的背景下，城市住宿业选址决策对交通路网便捷程度和服务设施临近程度等空间因素的关注度逐渐提升。本文运用空间句法和协同区位商理论，选取2021年香港Airbnb活跃房源、星级酒店、城市路网和POI数据，构建“住宿单元-交通轴线-功能空间”的“点-线-面”研究框架，分析共享住宿和传统酒店的空间布局模式，以及与城市路网形态和功能空间的结构关联特征。结果表明，共享住宿在市中心呈现“带状+团块状”分布，在新市镇、交通枢纽和旅游名胜岛屿形成分布次核心。相较于传统酒店，共享住宿受路网形态影响更大，对交通穿行能力和到访社区的邻里交互空间要求较高。在全局尺度上，共享住宿在选址时更倾向于考虑集聚效应和积极的溢出效应。在局域尺度上，共享住宿和城市功能空间主要形成了3种关联模式：簇状关联、组团状关联和散点状关联模式。本文对精准理解现代城市多元消费需求下共享住宿的多尺度空间分布模式，推动城市住宿业多元可持续发展具有理论意义和实践价值。

进入地球大数据与地球人工智能时代，数字地球建模要求也从地表扩展到全域全时全息，而当前数字地球的数据模型还基本停留在瓦片或地球网格剖分数据模型阶段，严重制约了场景化、智能化数字地球应用。本文提出了全息地球概念以及相应的地球数据立方体组织模型，采用全球多级格网参考系统来描述和表达多尺度空间，用平面或立体格元来表达空间位置，将传统“经度、纬度、高程、时间”时空表达发展至“时间粒度、时间覆盖、网格位置、格网尺度”新时空表达体系，并设计了按照“时间—空间—尺度—属性”一致性描述的全息地球数据建模方案，将矢量、栅格、格网、时序阵列、三维模型等多模态数据归纳至一个统一模型中，使得任何引用特定地球数据立方体中的数据值在时间、空间、尺度都是对齐的，解决了全息地球跨专业、多维时空动态场景数据时空融合集成难题，并结合深时数字地球国际大科学计划全球数字化科研平台需求，开发了深时古地形时空动态可视化模拟系统，完成对模型的验证。

几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据，有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建，忽略了模型的语义表达，且基于数据驱动方法的重建结果容易受噪声影响，存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题，本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先，设计了一套可参数化表达的建筑物3D基元库，包含简单和复杂屋顶。其次，通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后，提出了一种点云与3D基元整体拟合的目标优化函数，采用序列二次规划算法估计基元的正确参数。最后，利用城市地理标记语言（City Geography Markup Language, CityGML）构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验，定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型，对噪声和局部点云缺失具有一定的鲁棒性，有利于促进几何语义一体化建筑物模型快速自动化构建。

在我国高密度城区和人口老龄化发展背景下，加强城市口袋公园设计与建设研究不仅必要而且紧迫。本文运用CiteSpace，并结合文献综述、技术分析等方法对2000—2022年我国城市口袋公园研究进行聚类分析及文献综合分析，结果表明：当前该领域的研究热点包括口袋公园、街旁绿地、景观设计、袖珍公园、公共空间、风景园林、微绿地、街头绿地、设计策略、规划设计等；口袋公园研究进展分为基础研究（2000—2006年）、稳步推进（2007—2018年）和快速发展（2019—2022年） 3个阶段；其研究重点包括基础性研究、规划设计研究和评价研究。未来我国城市口袋公园研究的发展方向包括：多个口袋公园协同组群布局及单个口袋公园内部空间布局优化、景观设施布局优化、植物配置与优化研究；以环境行为学和环境心理学为理论基础，基于居民行为特征和心理需求的口袋公园适老性、适幼性、无障碍、人性化等方面的研究；综合运用建筑环境理论、遥感技术（RS）和地理信息系统（GIS）技术，对口袋公园与所在地区自然环境效应耦合关系进行系统性研究；口袋公园设计导则、建设和运维标准范式等的规范性研究；口袋公园设计的数字化和运维管理的智能化研究，以及在此基础上的口袋公园评价体系、评价方法、统计分析研究等。

图像地理定位是将没有地理位置的图像，通过一系列方法获得对应地理位置，使其与现实地理空间建立关联映射的技术。该技术对进一步挖掘图像信息有着重要的作用，在网络空间测绘、情报获取、用户室外定位、增强现实等方面具有较高的应用价值。尽管计算机视觉领域取得了巨大的进展，但是由于图像地理定位涉及到图像特征提取、大规模数据检索、大规模点云处理、深度学习、地理信息特征提取、几何建模与推理、语义场景理解、基于上下文的推理、多数据融合应用等多个领域，所以对图像的高精度自动地理定位仍是需要进一步解决的难题。本文对图像地理定位研究进展进行了梳理，主要包括图像地理定位方法、图像地理定位数据集、图像地理定位评价方法和图像地理定位总结与展望4个方面。首先按照研究内容相关性将图像地理定位方法分为了图像检索、2D-3D匹配和跨模态检索3类方法，并详细介绍了每一类方法的最新研究进展；其次对图像地理定位研究所用的数据集和评价方法进行了归类与总结；最后分析了图像地理定位的研究现状，并从全球地理定位、自然区域地理定位、多方法融合地理定位、基于POI数据的地理定位和预选位置的精细化定位等方面对图像地理定位的未来研究方向进行了展望。

雷达卫星能够穿透云雾，全天时、全天候获取洪涝灾害期间地面的水体信息，被广泛应用于洪水检测。本文从合成孔径雷达（SAR）卫星数据源、洪水检测方法、辅助信息在洪水检测中的应用、精度评价、SAR洪水检测的挑战与发展方向六个方面，总结分析了国内外SAR影像洪水检测领域的研究进展。首先重点梳理了基于阈值分割、分类器和变化检测等洪水检测方法，发现阈值法计算速度快、应用广泛，分类器法可以充分发挥主观性和客观性，变化检测法可有效限制过度检测与影像几何误差。接着分析了光学遥感影像、地形、纹理、水文、土地覆盖/利用等辅助信息在洪水检测中的应用，发现SAR影像结合辅助数据进行洪水检测成为研究热点。然后综合洪水遥感检测的应用需求和SAR水体信息提取技术发展历程，分析了洪水检测在影像数据源、预处理、检测算法及精度验证等方面面临的挑战及原因，总结出目前SAR洪水检测的发展方向：即SAR洪水检测辅助信息的广泛应用、同一SAR影像洪水的差异化识别和基于SAR影像的洪水概率制图等。

轨迹聚类是空间数据挖掘领域的一个研究热点，对城市交通规划、路网结构提取与更新等具有重要意义。轨迹聚类包括轨迹相似性度量和聚类参数设置2个核心问题。然而，由于轨迹的形态结构特征复杂，现有轨迹相似性度量指标存在对噪声敏感或未充分考虑轨迹运动方向一致性的问题，且大多数聚类算法仍需人为设置参数，聚类挖掘结果的质量受到用户主观经验的影响。针对上述问题，本文提出了一种融合多特征的移动轨迹自适应聚类方法。首先，通过融合轨迹的空间邻近性和运动方向特征定义了一种对噪声鲁棒的轨迹相似性度量指标—DSPD距离；在此基础上，通过扩展Ward层次聚类方法提出了一种基于中心轨迹概念的空间层次聚类算法，该算法使用DSPD距离作为相似性度量指标，利用聚类特征曲线自动确定最佳聚类参数。以11组模拟轨迹数据和武汉市真实轨迹数据为例进行实验与分析，结果表明，本文方法在顾及空间邻近性的基础上，可以有效区分不同移动方向的轨迹簇，同时，利用轨迹数据特征自动确定聚类参数，降低了挖掘结果的主观性。