【意义】低空经济作为新质生产力代表，正逐渐成为推动经济增长的新引擎。低空经济以低空空域资源开发利用为基础，在给地理信息科技带来发展机遇的同时也对其提出了全新的挑战。【进展与分析】本文首先对低空经济下低空空域资源划分以及典型无人机应用场景进行了介绍，进而分析了地理信息科技将在空域资源精细化利用与低空环境构建、空中交通新型基础设施规划建设运行、无人机安全高效运行与运营监管等低空经济关键环节具有广泛应用前景，指出地理信息产业也将面临新的技术融合与创新、市场需求增长、政策支持与产业引导、产业升级与转型等发展机遇。【展望】本文简要分析了地理信息科技支撑低空经济发展所面临的时空升维、地图和位置服务、高频次迅捷数据获取体系、全时全域能力和泛在智能化技术等挑战，这些也将成为地理信息科技未来可以发展和突破的方向。
【目的】系统梳理基于AI大模型的文生图技术的进展，并探讨该技术在城乡规划领域的应用。【探讨】本文首先分别从训练数据集、模型和评价方法3个视角出发，对文生图技术发展进行了全面、系统的回顾，以揭示其成功背后的推动性因素。尽管文生图技术在通用计算机领域取得显著进展，但城乡规划领域的实际应用中仍面临诸多关键挑战，包括缺乏高质量领域数据、生成内容的可控性和可靠性不足，以及缺乏地学先验知识约束等。针对这些问题，本文提出了相应的研究思路，包括：面向领域需求的文生图数据增强策略、基于指令拓展的空间信息增强文生图模型、以及基于诱导布局的局部编辑文生图模型。在此基础上，结合多个实际应用案例展示文生图技术在城乡规划设计领域的应用价值和潜力。【展望】文生图技术通过技术突破和多学科融合，有望成为城乡规划设计领域的重要创新动力，为高效、智能化的设计实践提供支持。
【意义】自然资源时空大数据作为自然资源开发利用的泛在观测，蕴含了丰富的资源要素分布、时空过程演化与关联关系知识。【进展】本文聚焦于自然资源时空大数据挖掘与知识服务，探讨了5种自然资源时空大数据挖掘方法及其知识服务重要应用。首先，分别阐述了时空聚类分析、关联挖掘、异常探测、预测建模和地理风险评估的核心思想、技术体系、方法流程及其在自然资源管理和国土空间决策中的重要应用。然后，提出了描述型、诊断型、预测型和决策型四类自然资源时空知识服务体系，为资源现状监测、规划用途管制和防灾减灾等重大应用提供重要支撑。最后，指出了当前自然资源管理正从数据汇聚分析迈向以知识为核心的智能化服务，逐渐形成大数据-大分析-大知识-大服务的研究与应用范式。【展望】未来工作将延拓数据与知识协同驱动的挖掘方法，着重解决时空知识库与知识服务面临的标准化问题，并探索生成式大模型等前沿技术在自然资源领域中的潜在应用，为自然资源信息化、智能化建设提供新动力。
【目的】随着知识图谱技术在GIS领域应用和发展，地理知识图谱（GeoKG）近年来逐渐成为GIS领域的重要研究方向。GeoKG往往无法确保涵盖所有知识，知识的缺失和不一致性严重影响应用性能，需要采用GeoKG推理技术来自动补全缺失知识、识别矛盾知识、预测地理现象未来发展趋势。区别于通用知识图谱推理技术，GeoKG推理技术需要着重考虑地理知识的复杂时空特性。本文对近年来GeoKG的推理工作进行了全面介绍和总结。【分析】首先，介绍了GeoKG推理的相关概念与问题描述；其次，本文分析了GeoKG推理的二大核心任务： ① 面向知识补全的推理模型，主要用于填补图谱中的空白，确保知识的完整性； ② 面向预测任务的推理模型，旨在通过已有地理数据预测未来的趋势。两类模型各自针对不同的应用场景进行优化，并在地理数据的处理中各有侧重。【展望】展望了GeoKG推理的未来发展趋势，指出未来GeoKG推理技术的发展将更加关注时空数据的复杂关系处理、多尺度地理知识的推理、多模态数据的融合，以及提高推理模型的可解释性与智能化。此外，GeoKG与大规模预训练模型的结合也将成为关键方向。
【意义】预测是地理空间人工智能（Geospatial Artificaial Intelligence, GeoAI）重要研究方向，也是测绘地理信息技术与人工智能技术深度融合、智能化创新的关键，支撑空间智能技术走向广域多样化应用场景落地应用。【进展】本文回顾了地理空间智能预测的技术发展历史，综述了基于统计学习、深度学习及生成式大模型的智能预测模型，阐述了智能预测模型中的时空依赖关系嵌入机制，解耦了时间关系建模、空间关系建模及时空关系建模等通用计算算子。【挑战与展望】本文总结归纳了智能预测模型在标注数据稀疏、可解释性缺失、泛化能力匮乏、模型压缩轻量化及模型高可靠性不足等挑战，思考并提出了地理空间智能预测技术未来4个发展趋势与研究方向：耦合多算子的可配置通用空间智能预测平台、融合多模态知识的生成式预测模型、先验指导的深度学习智能预测模型，以及地理空间智能预测模型拓展地球系统深度预测应用领域。
【目的】地理系统是涵盖地球表层自然与人文现象及其相互关系的综合系统，而现有地理信息系统（GIS）虽能数字化处理这些地理要素，但其局限性在于缺乏物理与信息空间的双向交互，并且其模型通常依赖于预设规则和历史数据，难以应对快速变化和三维结构复杂的地理情境。为此，本文提出了“地理智能体”，作为地理信息系统的进阶形式，融合了具身智能、自监督学习和多模态语言模型，旨在提升环境感知、空间理解和自主决策能力。【方法】本文设计的地理智能体架构包含多模态感知、智能中枢和行动操控模块，分别通过传感器网络获取全方位环境信息、利用知识图谱和生成模型进行复杂情境推理，并最终实现对物理环境的实时调控和多层次规划。此外，地理智能体将通过地球模拟器和试验场平台测试，以适应虚拟和真实环境的差异，从而在复杂、动态地理情境中具备更强的自主应对能力。【结果】本文以虚拟数字人“地球通”为例，初步展示地理智能体在空间智能化应用中的具体实现。【结论】“地球通”作为地理智能体的原型机，集成了时空知识图谱（GeoKG）和认知地图生成大模型（GeoGPT）等模块，能够辅助用户在应急管理、城市规划和生态监测等领域中快速获取智能化的空间决策支持，充分体现了地理信息系统从信息处理工具向自主空间智能体的发展演化。
【意义】地理学的社会-文化转向及其与GIS技术的融合对于深入理解人地关系的复杂性具有重要意义。但在实践过程中，两者间往往存在着难以逾越的学科壁垒，如定性与定量、主观与客观的分歧等。对此，西方地理学界发展出一种能有效弥合上述学科矛盾的跨学科方法，即质性地理信息系统（质性GIS）。本文对质性GIS的研究进展进行梳理与总结，期望为国内地理学的社会文化研究提供新的方法启示，促进学科深入融合发展。【进展】质性GIS源于对传统地理信息技术的批判反思，引入了参与式研究和混合方法研究的方法论思想，一方面强调地理信息的公众化，鼓励公众参与地理信息的生产和使用；另一方面寻求方法论上的突破，发掘GIS处理定性信息的能力，推动在空间视角下形成对社会文化现象的深入理解。质性GIS在城乡空间规划、资源环境管理以及社会边缘群体赋权等领域具有广泛应用。【展望】结合质性GIS当前的发展现状和发展趋势，本文对质性GIS做出如下展望： ① 在空间认识论层面由“绝对空间”转向“关系空间”； ② 进一步提高对多种类型数据的包容性； ③ 发掘基于人工智能技术的定性数据批量处理能力； ④ 有机结合互联网技术和深度田野调查，实现规模效率和参与者能动性的权衡； ⑤ 推动质性GIS技术框架走向标准化。
【意义】地理要素的空间聚类模式反映了要素的分布特征与空间格局，而模式发现对于揭示要素的空间分布规律、阐释地理现象的形成机制、理解人与空间的交互过程等具有重要意义。【进展】本文在阐述要素空间聚类模式内涵的基础上，梳理了空间聚类模式发现的两类方法，即规则导向的模式提取和数据驱动的模式识别。规则导向的模式提取方法根据专家知识对模式特点进行归纳，用形式化的显式规则表达并约束、指导模式发现过程；数据驱动的模式识别方法从“专家”和“数据”两方面汲取知识，在专家知识的指导下，通过大量样本自动化地从多尺度、多视角学习要素的模式特点。随后，具体针对建筑、道路和水系三类典型要素，系统归纳了三类要素模式的分类体系和空间聚类模式发现方法，尤其以图深度学习为代表的数据驱动方法由于其强大的模式学习能力，在模式发现精度上优于规则导向的模式提取方法。【展望】未来，要素空间聚类模式发现规则库和样本集的知识汇聚、聚类模式的主动发现技术、高效聚类模式发现的图深度学习模型以及基于生成式AI的模式发现等将成为主要研究方向。
【目的】在视觉主导机制日益彰显的当下，修辞逐渐从地图学的外围走向中心，成为了叙事地图研究的核心问题之一。然而，学术界尚未搭建起一个系统性的基础框架，难以解答什么是叙事地图的修辞、叙事地图的修辞有哪些类型、修辞如何发挥作用并服务叙事地图的叙事目标等基本理论问题。【方法】针对这些盲点问题，本文首先基于修辞的语言学与图像学研究范式，通过厘清叙事地图中修辞的本质，对叙事地图的修辞进行概念界定和特征辨析；其次，立足于内容语义表征和逻辑语义表征的差异性，提出了叙事地图修辞的分类准则，划分出意义性修辞与结构性修辞两大类别，并以此建立了叙事地图修辞的家族谱系，形成了叙事地图修辞体系框架的元理论和元语言；进而，基于多级符号系统与格式塔原则，从修辞维度、修辞作用层级、修辞综合运用和修辞适用原则4个核心方面入手，深入剖析了叙事地图中修辞的作用机制；最后，结合《江南运河》的典型案例，说明了修辞体系框架如何支撑叙事地图设计实践。【结论】以期为推动当代地图学理论创新提供了参考。
【目的】户外步行路网是导航地图的重要组成部分，也是户外活动路径规划的重要依据，对于户外旅行开发和事故救援等具有重要意义。然而，当前路网地图生成方法主要关注城市区域车行导航路网的构建与更新，对复杂户外环境下的徒步旅行导航路网地图构建研究较少，此外，现有方法多侧重于道路的二维几何形态信息提取，而对于路网真实三维几何和拓扑结构的重建研究还比较缺乏。【方法】鉴于此，本文提出一种融合众源轨迹数据的户外徒步旅行导航路网地图构建方法。该方法利用户外活动轨迹数据，通过路网生成层和高程提取层分别提取道路的二维几何拓扑形态和三维高程信息。在路网生成层，采取轨迹密度分层策略构建户外矢量二维路网；在高程提取层，对轨迹覆盖的区域进行高程估计与优化，生成高程格网栅格图，再将二维路网与高程格网进行高程匹配，生成户外三维徒步旅行导航路网。【结果】本文选取2021年来源于六只脚户外网站的1 170条长沙岳麓山风景区的户外轨迹数据进行实验，构建的户外三维徒步旅行路网地图在二维空间定位上的平均偏移距离为4.201 m，高程估计的平均误差为7.656 m，结果表明，本文所提出的三维路网提取方法能适应旅行者户外轨迹数据噪声大、密度差异大等特点，生成质量较好的户外三维徒步旅行路网地图。【结论】相较于传统户外二维路网，本文方法构建的户外三维导航路网提供了更丰富和精确的地图信息，支持在复杂户外环境下的步行路径规划与导航应用服务。
【目的】关键路段的准确识别对于全路网的交通管理具有重要意义。目前对于关键路段的识别已取得了丰富的成果，但在大规模路网（如城市级别）中，现有方法往往无法识别出交通流量较小的局部区域内的相对关键路段。【方法】为弥补上述不足，本研究提出了一种基于路段动静态嵌入的两阶段特征学习方法来识别大规模路网中的关键路段。具体步骤如下：首先，使用手机定位数据提取出行路线并构建交通语料库。接着，进行两阶段特征学习：① 提取各路段静态嵌入并聚类，得到初始聚类中心；② 提取各路段动态嵌入矩阵并进行注意力池化，再对池化后得到的特征向量进行可微分聚类，并计算相关损失函数。当损失值收敛后，得到各路段融合特征，对其进一步聚类得到的聚类中心即为关键路段。【结果】最后，使用福州市三环内区域的手机定位数据构建交通语料库，并以该区域内路网为例，进行关键路段的识别实验和对比分析。结果表明本文方法能有效识别出大规模路网中的关键路段，且能识别出局部区域中的相对关键路段。【结论】同时，本文方法相较于其他方法在各评价指标上的整体表现更佳，说明其识别的关键路段更为合理。
【背景】近场动力学等物理模型方法具备无需先验知识与连续性假设的优势，已在地面沉降建模中得到一些应用。然而，此类模型方法的模拟精度受地下空间结构与边界条件等多方面因素的制约，地下水位变化、建筑静载荷以及道路动载荷等会对模拟结果产生显著影响。物理模型与深度学习存在天然的互补优势，二者的耦合是极具前景的发展方向，有望获取更为精确的模拟结果。【方法】本文提出了一种将基于近场动力学的物理模型与深度学习相结合的地面沉降建模和模拟方法，在利用近场动力学描述区域地面沉降物理过程的基础上，采用神经网络和高斯过程回归的深度学习方法，构建符合时序发展变化的各类边界条件信息，实现近场动力学地面沉降模型的边界条件优化。【结果】通过对2021年9月—2023年5月北京市通州区实验区地面沉降的建模与模拟，结合深度学习的近场动力学地面沉降模型的训练集、测试集模拟结果RMSE分别为6.25 mm、7.71 mm，比未使用高斯过程回归方法的模拟结果RMSE（22.62 mm）减少了72.37%、65.92%。【结论】实验表明，近场动力学与深度学习相结合的地面沉降建模与模拟方法能够显著提高沉降结果精度，物理模型与人工智能相结合的思路与方法在区域地面沉降研究中具有良好的适用性与应用前景。
【目的】跨视角图像匹配与定位是指通过将地视查询影像与带有地理标记的空视参考影像进行匹配，从而确定地视查询影像地理位置的技术。目前的跨视角图像匹配与定位技术主要使用固定感受野的CNN或者具有全局建模能力的Transformer作为特征提取主干网络，不能充分考虑影像中不同特征之间的尺度差异，且由于网络参数量和计算复杂度较高，轻量化部署面临显著挑战。【方法】为了解决这些问题，本文提出了一种面向地面全景影像和卫星影像的多尺度特征聚合轻量化跨视角图像匹配与定位方法，首先使用LskNet提取影像特征，然后设计一个多尺度特征聚合模块，将影像特征聚合为全局描述符。在该模块中，本文将单个大卷积核分解为两个连续的相对较小的逐层卷积，从多个尺度聚合影像特征，显著减少了网络的参数量与计算量。【结果】本文在CVUSA、CVACT、VIGOR 3个公开数据集上进行了对比实验和消融实验，实验结果表明，本文方法在VIGOR数据集和CVACT数据集上的Top1召回率分别达到79.00%和91.43%，相比于目前精度最高的Sample4Geo分别提升了1.14%、0.62%，在CVUSA数据集上的Top1召回率达到98.64%，与Sample4Geo几乎相同，但参数量与计算量降至30.09 M和16.05 GFLOPs，仅为Sample4Geo的34.36%、23.70%。【结论】与现有方法相比，本文方法在保持高精度的同时，显著减少了参数量和计算量，降低了模型部署的硬件要求。
【目的】针对当前传统聚落研究缺乏结合自然语言处理的原理与方法从海量文本数据中提取文化景观基因信息的相关探索，本文提出景观基因命名实体(Traditional Settlement Landscape Genes Named Entity,TSLGNE)的概念，并以邵阳市48个传统村落为案例，采用BERT-BiLSTM-CRF深度学习模型开展TSLGNE的识别研究。【方法】首先，结合地理实体特征与文化景观基因理论及其分类体系，提出TSLGNE的概念、分类体系与知识表达方法。其次，基于TSLGNE的分类体系与扩展BIOES标注方法，对研究案例源文本数据进行语料标注，构建了相应的语料库。随后，基于BERT-BiLSTM-CRF深度学习模型识别并提取语料数据中的TSLGNE信息。最后，通过Neo4j图数据库对获取到的TSLGNE知识进行组织与储存，并基于此对区域传统聚落及其TSLGNE进行空间特征分析。【结果】本文模型能够有效识别文本数据中的建筑、环境、文化等12类景观基因实体信息，总体精确率、召回率、F1值相较对比模型均有提升。与BiLSTM-CRF、BERT-CRF模型相比，本模型的F1值分别提高11%与1%。特别地，本模型对于语料数据质量差且语义复杂的实体的识别效果有极大提升，如文化基因C3类实体识别的F1较对比模型分别提高了31%与5%。【结论】此方法能够有效地对区域复杂的传统聚落文化基因特征及其关系进行空间分析处理，对今后结合GIS和数据挖掘方法分析传统聚落的重要文化特征及传统聚落知识服务等具有较好的借鉴意义。
【目的】近年来，由于工业化和城市化的快速发展，中国许多地区的近地面臭氧污染日益严重，对人们的生产生活产生了负面影响。鉴于此，本研究从时空-属性模态地视角分解气象条件和社会经济状况对中国近地面臭氧分布特征的影响。【方法】基于2014—2023年中国331个城市的空气污染、气象和社会经济数据，采用经验正交函数和地理探测器模型，多视角识别中国近地面臭氧污染典型的时空模态，量化各影响因素及其交互作用对臭氧污染不同时空模态的解释力。在此基础上，本研究创新性的结合地理演化树模型，进一步分析主要空间模态的动态演化过程。【结果】第一时空模态对总方差的贡献率为71.1%，揭示出高风险地区主要分布在华北和长三角地区，且呈现明显的季节变化，峰值主要集中在夏季，影响该模态的主导社会经济和气象因素分别是人口密度（Geo_q = 0.20）和平均温度（Geo_q = 0.86）。第二时空模态对总方差的贡献率为6.8%，揭示出高风险地区主要分布在包括珠三角在内的中国南方地区，且呈上升趋势，影响该模态的主导社会经济和气象因素分别是人口密度（Geo_q = 0.26）和平均温度（Geo_q = 0.37）。值得注意的是，各因素之间的交互作用较因素本身对臭氧污染的影响更大。【结论】中国臭氧污染的典型时空特征受多种因素的共同影响，且臭氧污染程度随着城市类型和城市发展阶段的不同而动态变化。
【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结果】与冰川相比，滑坡的形变时序具有较高的分形维数和较低的分形拟合优度。虽然滑坡与冰川在形变时序的斜率（平均形变速率）上也存在较大差异，但仅使用形变速率难以对滑坡进行聚类识别，准确率仅为61.70%；而使用形变时序的分形指标（包括分形维数和分形拟合优度）可将聚类分析的准确率显著提升至近84.00%。基于形变时序分形特征进行高山冰川区滑坡识别的适用性，根本原因在于滑坡和冰川在物质组成、影响因素和发展演化等方面存在差异。相较冰川，滑坡物质组成更复杂、更易受多种因素影响、形变时序的波动性更强。【结论】利用形变时序分形特征能够成功识别高山冰川区滑坡，在全球变暖背景下，该方法预期可为高山冰川区的滑坡识别、进而为高山冰川区的防灾减灾提供一定的支撑。
【目的】基于合成孔径雷达(SAR)影像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等领域。然而，随着在轨智能处理技术的快速发展，对星载SAR影像舰船目标的实时检测能力提出了更高的要求。【方法】因此针对当前SAR影像舰船目标尺度多样，靠岸船只背景复杂，各类遥感平台硬件资源受限等问题，本文提出了一种轻量级SAR影像舰船检测模型LWM-YOLO。首先，采用优化骨干网络结合注意力机制降低网络复杂度及参数量，提出一个轻量化骨干网络（LWCA）；其次，针对解决目标尺度多样问题，构建了一个轻型特征融合模块（LGS-FPN），在增强SAR影像中舰船目标细节信息提取能力的同时减少计算复杂度；然后，为优化定位精度，提出基于MPD-Head的检测架构，提升复杂环境中微小舰船目标的检测效果；最后，在LS-SSDD和SSDD舰船目标检测数据集上，将本文算法与主流算法进行对比实验。【结果】实验结果表明，本文提出的算法平均精度值（mAP）分别达到了74.7%和97.3%，较基础模型提升了1.5%和1.0%。同时，本文所提算法参数规模缩减至原模型的36%，计算复杂度降至80%。【结论】与其他方法相比，本文提出的算法不仅在精度上有所提升，而且在检测速率上也具有显著优势。这一研究成果可为智能化目标检测、空间在轨应用等领域提供有力支撑。
