现有的矢量地理数据数字指纹算法大多为对称数字指纹，发行商和用户都拥有含指纹的数据，当发现非法复制品时，难以确定泄露的责任人，存在发行商诬陷合法用户以及非法用户逃避指控的可能。为此，提出了一种基于同态加密的矢量地理数据非对称指纹协议。首先，用户使用公钥加密自己的指纹，并将加密后的指纹传递给发行商；然后，发行商选取部分矢量地理数据并使用公钥加密，应用Paillier加同态特性在加密后数据中嵌入加密后的用户指纹，并在未加密的数据中嵌入发行商的指纹；最后，将嵌入双方指纹的密文数据发送给用户，用户使用私钥解密后即可获得含双方指纹的明文数据。利用同态加密嵌入指纹，发行商无法获取用户指纹，但能够检测出数据中是否含有用户指纹信息。这不仅能帮助发行商对分发的数据进行侵权追踪，还能有效防止发行商诬陷合法用户。实验表明，嵌入指纹后的矢量数据与原数据间的差值均小于0.001 m，数据加密效率均值为0.535 MB/s，解密效率均值为0.756 MB/s，并且经过多种攻击之后，提取出的指纹序列与原指纹序列间的汉明距离均为0。此外，在仲裁过程中，第三方无需交易双方的指纹信息，有效防止第三方与交易双方中的一方进行串通，损害另一方的权益。
在当今城市化快速发展的背景下，公共服务设施的合理选址对于提升城市居民生活质量和提供高效服务至关重要。然而，现有常用的设施选址方法往往未能满足复杂及大规模的现实场景中对于其性能及效率上需求。为弥补这些不足，本文旨在提出一种耦合设施选址图注意力网络（Facility Location Allocation Graph Attention Network, FLA-GAT）和深度强化学习（Deep Reinforcement Learning, DRL）算法的通用图强化选址模型（Graph-Deep-Reinforcement-Learning Facility Location Allocation Model, GDRL-FLAM），通过图表示和REINFORCE算法协同解决公共服务设施智能化选址问题。为了验证提出模型的性能及效率，研究在随机生成的20、50和100个点的数据集上进行训练，并完成了相应的测试实验，结果表明： ① 在20、50和100个点的测试实例上，GDRL-FLAM模型相较于遗传算法（Genetic Algorithm, GA）)性能上提升了11.79%到14.49%；在150和200个点的测试实例上，提升了1.52%到9.35%。并且随着训练集规模的增大，模型在大规模数据集上表现出更强的泛化能力； ② GDRL-FLAM模型可以在简单场景中掌握选址策略，并使其适应到更复杂的场景，展示出了其优异的迁移学习能力；③ 在新加坡的案例研究中，GDRL-FLAM模型相较于GA在性能表现上提升了1.01%到10.75%； ④ 在所有的测试及实验中，GDRL-FLAM模型在效率方面相较于GA都展示出了成倍的提升。总的来说，本研究揭示了GDRL-FLAM模型在公共服务设施选址问题上的潜在应用价值，尤其是其泛化能力及迁移学习能力为未来设施选址问题的高效解决提供了新的思路和方法。此外，该模型经过微调也可以适用于不同的空间优化问题中。最后，本研究探讨了该模型的不足之处以及下一步的研究方向。
跨区域知识迁移是在少样本地区开展空间预测的一种重要手段。目前基于迁移学习技术和基于地理学第三定律的跨区域空间预测分别是计算机领域和地学领域的主流方法。本文对2018年以来国内外基于以上两大类方法开展的相关跨区域空间预测研究进行了文献综述，主要工作包括： ① 对比分析了基于地理相似性和基于迁移学习进行空间预测的基本原理及二者的技术流程异同； ② 总结了2类方法在相似性表征指标及相似性度量方法方面的差异； ③ 梳理了2类不同预测方法在常用的辅助数据、空间分析单元、模型方法与评价指标选取方面的差异； ④ 探讨了2类跨区域知识迁移的空间预测方法面临的问题及挑战。研究表明，2类方法的技术思想基本一致，但在适用范围、相似性表征与度量、相关辅助变量及参数选择等方面均存在一定局限性。研究可为两类方法优化完善及有效融合、跨区域预测方法的创新、应用领域的扩展等提供有益参考。
及时发现重点监控人员的潜在犯罪出行路线是公安预警工作的重要研究内容。现有研究多聚焦于犯罪人的出行模式和目的地选择偏好，而对犯罪出行路线的分析预警研究尚显不足，针对这一问题，提出一种顾及隐蔽性认知的犯罪出行路线时空分析方法。本文基于犯罪心理学和理性选择理论，将隐蔽性认知下的犯罪出行规律归纳为“暴露风险最低原则”和“通行成本最低原则”。首先计算犯罪人感知范围内的城市感知元素给犯罪出行带来的暴露风险，将其引入选择度模型，提出“道路的犯罪选择度”，以衡量犯罪人感知范围内的局部最优道路；其次，分别采用“已通行的路线长度”作为代价函数、感知范围内的“道路犯罪选择度”作为启发式函数，通过改进的启发式算法计算最优犯罪出行路线；最后，从犯罪防控角度，依次进行了城市道路选择度分布、重点人员犯罪出行路线分析实验，通过与现有方法所得路线、实际犯罪出行路线对比，验证了本文方法分析得到的犯罪出行路线更具合理性。研究结论为公安的预警工作提供了一定的决策支撑，需把握重点人员犯罪出行时对通行距离和暴露风险的平衡，根据城市感知元素和路网分布进行资源调配，以及时、准确地进行犯罪防控、拦截。
树荫是城市区域夏季降温的重要资源之一，对树荫资源的量化可为城市极端高温天气的风险预警提供帮助。现有估算树荫资源的方法中，实测法耗费时间且成效较低，影像识别法难以精确反映树荫的时空变化，本文提出一种基于三维场景的树荫模拟与量化方法。通过三维重建技术模拟城市街道场景，区分并标识地理实体模型的类型；根据太阳几何位置参数信息，构建与实地场景同步的光照环境；根据光线直线传播和阴影形成原理，利用射线求交算法判断太阳光线与场景三维模型的遮挡情况，生成树荫并与其他地物阴影进行区分；量化树荫面积、树荫覆盖时长等数据，并在三维场景中进行可视化效果呈现。通过与无人机拍摄的阴影对比验证，相对误差区间为3.35%~13.27%，平均相对误差为9.29%，该方法在树荫资源估算方面有应用潜力。同时，以城市街道场景为例，模拟量化了不同空间朝向、不同树种、不同樟树生命周期的街道树荫资源情况并进行相应分析。该方法可以模拟任意时刻现实的和虚拟的（未来的或规划的）情景的阴影资源的时空分布情况，且可以进行分类统计，为城市规划管理提供参考，为城市树木降温效应分析提供基础数据。
降水融合技术通过将多种降水数据整合在一起，以获取更准确和更可靠的降水信息。然而，这些降水数据源通常本身存在系统偏差，同时降水表现出显著的时空异质性。为应对这些问题，本文提出了一种偏差校正和降水时空融合相结合的两阶段降水融合方法。在偏差校正阶段，采用经验累积分布函数匹配法（ECDF）对降水产品进行偏差校正；在时空融合阶段，先通过动态约束线性回归模型（DCLR）获取时空权重，随后对偏差校正后的降水产品进行加权平均。将本文提出的降水融合方法称为ECDF_DCLR。此外，在时空融合阶段分别使用动态贝叶斯模型平均（DBMA）和简单模型平均（SMA）与偏差校正阶段的ECDF结合，形成对照降水融合方法ECDF_DBMA和ECDF_SMA，以验证ECDF_DCLR的有效性。将ECDF_DCLR、ECDF_DBMA和ECDF_SMA分别应用于西南地区2005—2017年卫星降水产品IMERG和再分析降水产品ERA5-Land的融合，以地面气象站降水数据作为基准评估融合结果。结果表明： ① ECDF能有效降低IMERG和ERA5-Land的系统偏差，同时提高它们的精度，两者RB绝对值减小的比例分别为95.5%和99.6%，KGE增加的比例分别为12.7%和41.5%。ECDF还可以增强ERA5-Land的探测降水事件能力（ERA5-Land的CSI增加了7.8%），但对IMERG的影响不大（IMERG的CSI保持0.53不变）。此外，在融合前进行偏差校正是必要的，偏差校正与时空融合相结合生成的降水产品的KGE和CSI分别平均高出只时空融合生成的降水产品的KGE和CSI的11.5%和3.1%。 ② DCLR、SMA和SMA均能有效融合降水产品，3种方法中DCLR降水融合的精度最好，它们提高降水事件探测能力的差异不大。在不同时间尺度、空间尺度和不同海拔等级上，3种融合降水产品的KGE和CSI大都大于或接近最佳数据源的KGE和CSI，它们当中通过DCLR融合的降水产品具有最高的KGE，但它们CSI的差距基本不超过0.01。与地理加权回归相比和带漂移项的克里金相比，ECDF_DCLR的大部分指标表现更好，其KGE和CSI分别至少高出前者的4.3%和1.8%。总之，ECDF与DCLR相结合的降水融合方法能够为西南地区提供更准确的降水数据，给多源降水数据融合领域提供研究思路。
科学认知中亚-西亚经济走廊国土空间时空演变过程及形成机制，对服务当前“走出去”对外战略和“一带一路”倡议具有重要科学价值与实践意义。依据地域主导功能划分中亚-西亚经济走廊城乡建设、农业生产和生态保护三大国土空间类型，整合多源时空数据构建2002—2022年长时序国土空间分析底图，利用时空立方体模型刻画空间演变过程及典型模式，综合空间转型强度模型从规模-位置-强度3个维度分析空间结构转型特征，基于可解释机器学习模型VIVI-SHAP框架从驱动因素重要程度、交互作用强度和非线性依赖关系等方面分析演变机制。结果表明： ① 2002—2022年中亚-西亚经济走廊约6.14%的国土空间发生了结构转型，城乡建设空间占比小但稳定增长0.17%，农业生产空间整体下降19.04%；生态保护空间内部结构变化明显； ② 生态保护空间内部绿色与其他生态空间的动态互转占主导地位，绿色生态空间向农业生产空间转化呈现出系统倾向性，而城乡建设空间扩张的主要来源为绿色生态空间，占总转入规模的56.36%； ③ 中亚-西亚经济走廊国土空间格局由多个规模量级不同、转型强度各异、驱动机理多样的国土空间转型过程共同塑造，自然地理因素及交通区位因素起到决定性作用，而人口增长和社会经济发展对国土空间结构转型的全局性影响并不突出。本研究为揭示中亚-西亚经济走廊国土空间类型的变化规律和机制提供了新视角和新方法，进一步为决策部门制定合理的国土空间规划提供了数据支持，并在实现更大的空间综合收益及推动区域经济协同发展方面展现了应用价值。
在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60~43 mm/y，均值为~7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能性最大。与传统的地质灾害评估方法相比，所提出的多因子指数方法在形变较大的区域效果较好，如在唐古拉和楚玛尔河地区。研究结果可为其他多年冻土地区的多年冻土工程设计和施工提供有价值的指导。
城市活力是提高和维持城市竞争力和生命力的关键。随着城市化进程的发展，城市治理的难度越来越大，亟待城市规划和管理者对城市提出更合理且更精准的措施。本研究以南京市中心城区为研究区，基于基础路网和建筑数据、百度热力图数据、餐饮店铺数据、社交媒体签到数据、POI数据和创新源数据等多源地理大数据，分别从人群活动、网络互动和建成环境 3个层面入手，构建一种深入且细致的城市综合活力评估框架。结合基于实数编码的加速遗传算法优化的投影寻踪模型（RAGA-PPM），对9个城市活力影响因子进行降维得到各因子对综合活力的贡献值，最后分析南京市单维活力和综合活力的空间分布格局，并与熵权法（EWM）计算的活力结果进行差异对比。研究结果表明：从活力产生的角度，整合人群活动、网络互动、物理建设3个维度的城市活力新框架得到的城市综合活力结果，能够更加精准地识别研究区的潜在活力极，通过对活力团样本区域分析，验证了本文提出的城市综合活力评估框架的有效性；南京市单维活力呈现出相似的空间特征，与综合活力一样都呈现出单中心的城市结构，高值区从新街口商圈往外围逐渐递减，且RAGA-PPM方法比EWM识别活力结果的更符合实际。本研究可以为城市设计者提供更加全面且多维的城市活力模式提供借鉴依据。
兰州作为西部大开发及丝绸之路的重要节点，在现代经济、文化和交通发展中具有关键战略地位。然而由于特殊的地理位置和黄土地质，地面沉降一直是威胁其生态环境和城市基础设施安全的重要问题。因此，准确识别沉降及评估驱动因子的影响，对防治黄土地区地面沉降至关重要。本文提出将SBAS-InSAR技术与时间主成分分析法（TPCA）相结合，深入分析兰州市地面沉降及其驱动因子，从时空角度挖掘沉降信息，定量分析各驱动因子的影响。首先利用SBAS-InSAR技术获取兰州市地表时序形变数据，在此基础上利用TPCA方法从时序形变数据中提取占比较大的主成分，最后结合各主成分信号对兰州市地面沉降驱动因子进行定量分析。结果表明：兰州市地面沉降主要集中在红古区西北部、七里河区南部、城关区北部和新区西岔镇，最大沉降速率达到45.87 mm/a。在沉降严重的七里河区和新区，前4个主成分可以解释90%以上的数据特征，其中第一主成分（PC1）包含原始数据75%以上的信息。特征区域PC1特征向量变化与不同监测井水位变化的相关系数均超过0.6，表明地下水变化是兰州市地面沉降的主要影响因素。本文方法在兰州市地面沉降分析中具有一定的应用价值，为黄土地区地面沉降的治理提供参考依据。
国土空间总体规划将城市建设用地划分为不同的类型，各类用地中空间环境要素与地表温度（LST）关系的研究可以为生态城市的建设提供规划管理依据。本文以福州市主城区为研究对象，参照自然资源部于2023年11月发布的国土空间规划用地分类体系，识别了福州市不同类型建设用地（居住用地、公共管理与公共服务用地、商业服务业用地、商住混合用地、工业用地、绿地与开敞空间用地等），分别计算了研究区夏季与冬季的LST以及不同类型用地的空间环境要素信息（NDVI、NDISI、BCR、BH、BSD、SVF），在分析不同类型用地的季节性LST特征和空间环境要素特征的基础上，运用空间自相关分析和空间自回归模型探究各类型用地空间环境要素与季节性LST的空间关系。研究表明： ① 在夏季，工业用地平均LST最高（40.38 ℃），绿地与开敞空间用地平均LST最低（35.71 ℃）；在冬季，同样表现为工业用地平均LST最高（18.32 ℃），绿地与开敞空间用地平均LST最低（15.79 ℃）。 ② 各空间环境要素与城市建设用地季节性LST的相关关系及影响程度有所差异。无论在夏季和冬季，BH、BSD均与城市用地LST负相关，NDISI、BCR、SVF均与城市用地LST正相关；而NDVI与居住用地和公共管理与公共服务用地的LST在夏季呈负相关关系，空间误差系数分别为-3.653和-2.496，在冬季则呈正相关关系，空间误差系数分别为3.767和2.507。
合成孔径雷达（SAR）影像船舶检测在海上监视、海上贸易和海上救援等领域有着广泛的实际应用价值，随着星上在轨自主处理发展的需求，对星上SAR影像船舶在轨实时检测提出了更高的要求。因此针对当前卫星硬件资源有限、SAR影像船舶目标特征尺度多样化、易受噪声干扰等问题，本文提出了一种复杂背景下轻量级SAR影像船舶检测算法。首先，采用FasterNet结合注意力机制提取目标的高低级特征；其次，为解决目标多尺度问题，构建了一种特征增强模块(FEM)，在增加感受野的同时，提高了目标检测能力；然后，构造结合特征增强的多尺度特征融合结构，将主干网络提取的多尺度特征进行增强和融合，加强不同层级特征联系的同时获取目标多尺度的上下文信息，并在输出特征图中进行SAR影像船舶检测；最后，在SSDD、HRSID以及二者合并的数据集上，将本文方法与主流算法进行对比实验。实验结果表明，本文方法平均准确率分别为98.6%、92.3%和93.0%，召回率分别为95.10%、85.10%和86.8%，模型尺寸和参数量仅为8.8 MB和4.2 M，均明显优于其他方法，并且查准率和检测速率也具有很大的优势，有利于迁移到实际的应用中。
科学准确地监测红树林物种是保护滨海湿地生态系统的基础和前提。利用多源遥感数据能够有效进行红树林物种精细化分类，但在光学和SAR影像特征及其时间变化信息的应用方面仍存在一定的挑战。本文基于Sentinel-1/2影像数据，提出一种基于多源遥感影像特征耦合和集成学习（Ensemble Learning）算法（Multi-source Features-coupled and Ensemble Learning algorithm, MFEL）的红树林物种分类框架，通过分析光谱指数特征、雷达极化特征及其时序谐波谱特征在特征优选和耦合互补上的分类优势，堆叠随机森林（Random Forest, RF）和极端梯度提升（eXtreme Gradient Boosting, XGBoost）算法，构建红树林物种分类的集成学习分类模型，对比基于特征优选的RF分类模型和XGBoost分类模型，评估MFEL分类方法的分类精度和特征应用差异。本研究以湛江市红树林国家级自然保护区为实验区，实验结果表明： ① 相比于只使用光谱指数特征进行红树林物种分类而言，在增加雷达极化特征或时序谐波谱特征参与分类后，分类精度分别提高了6%和8%；同时增加雷达极化特征和时序谐波谱特征参与分类可以更精准地实现红树林物种分类，分类精度提高了12%； ② MFEL方法分类精度最高，总体精度达到88.03%， Kappa系数为0.86；将使用实验区红树林物种样本训练的MFEL模型迁移至其他区域，物种分类精度分别为83.94%和82.77%； ③ 研究验证了雷达极化特征和时序谐波谱特征在红树林物种分类中的应用潜力，对五种红树林物种分类的精度也有明显提升，分类精度为76%~91%。研究结果对拓展中分辨率遥感卫星影像进行红树林物种监测具有参考价值。
高精度、高时空分辨率的降水数据集是区域水文模拟和水资源管理的关键，青藏高原腹地气象站点稀缺，卫星降水产品在该地形复杂区域精度有待提高，难以满足小尺度研究。本研究提出一种物理机理与统计模型相结合的降水降尺度订正算法，首先考虑小尺度下地形风效应指数，将2003—2022年IMERG日降水产品降尺度至1 km，再选用随机森林模型利用高分辨率云属性及站点数据，分季节订正降尺度数据。结果表明： ① 空间降尺度结果在提升卫星降水数据分辨率的同时提高了产品的精度，R由0.62提升至0.64， RMSE由2.40 mm/d降低至2.22 mm/d； ② 降尺度降水（测试站点R=0.68， RMSE=2.11 mm/d）与最终订正结果（测试站点R=0.71， RMSE=2.01 mm/d）在不同时间和空间尺度上均可有效提升腹地降水量精度；分季节比未分季节订正算法效果更优，且冬季订正效果显著，将原本几乎为0的相关系数提升至0.28~0.41； ③ 云与地形对降水影响显著，且云水路径贡献最大。该模型可为其他地形复杂、降水资料稀缺区降水订正提供参考，对青藏高原腹地水资源研究提供科学依据。
